本发明涉及一种基于粒子群算法的电网输变电工程投资预测方法，属电力工程技术领域。
背景技术：
电力工业是一个资金密集型产业，电力工程建设也是一项复杂的系统工程，如何在确保建设工期和工程质量的前提下，合理的控制工程造价，是电力基础建设中一个永恒的主题。近些年来，电力工程造价上涨较快，资金筹措难度很大，工程造价管理水平已经成为影响电力建设快速发展的关键。电力工程设计是通用设计，设计方案的发挥空间较小，存在着一些问题，例如：建设标准、设计风格不统一；设备型式多，备品备件通用性差；设计评审、批复争议多、耗时长；建设和运行成本高等，随之而来的是工程造价管理上的重重困难。
目前，电力工程造价方法主要是基于概算定额的工程造价方法，通过按照定额套用来计算工作量，可以准确的对工程投资进行概算。但方法的使用过于呆板，不符合市场经济的需求。特别对于一个新建工程而言，在未全面收集工程信息量的前提下，无法对造价给予快速、有效的指导，常常会影响到了投资方和管理方的积极性和创造性。因此，建立一种科学的、合理的输变电工程投资预测的方法非常必要。
技术实现要素：
本发明的目的是针对现有技术不足提供一种基于粒子群算法的电网输变电工程投资预测方法。
本发明采取的技术路线是：通过数据挖掘技术分析电网变电站工程和线路工程的历史数据，确定输变电工程投资预测的关键指标，利用统计检验确定输变电工程的关键单位工程，最后基于粒子群算法构建一个电网输变电工程造价投资预测模型，并通过实际输变电工程的案例分析来验证投资预测模型的有效性。
本发明所述预测方法包括：
（1）输变电工程造价投资预测关键指标分析
详细分析输变电工程发展情况、输变电工程造价投资预测原理，通过文献的比较分析，挖掘输变电工程造价投资预测方面的优势及不足，总结输变电工程造价投资预测的影响因素，包括外部环境，市场因素以及工程建设规模；
为了更科学的探讨输变电工程投资预测关键指标在本发明中的适用性，本发明采用主成分分析、相关分析和回归分析等数理统计工具，分析电网输变电工程的历史数据，包括变电工程、架空线路工程、电缆线路工程，探索工程技术指标对输变电工程投资预测的影响程度，建立输变电工程投资预测的关键指标集；
在数据统计分析的基础上，确定适合于输变电工程投资预测的关键指标，对输变电工程投资预测的关键指标的重要性程度进行评分，利用层次分析法确定输变电工程投资预测关键指标的权重，并构建输变电工程投资预测指标体系。
（2）输变电工程单位工程分析
输变电工程存在大量的工程结余现象，为了更深入的分析具体是哪些费用出现了结余，应用数理统计软件分别对输变电工程概算和工程结算进行了分析，找到工程概算和工程结算显著性不相同的单位工程；为了分析输变电工程的关键单位工程，应用配对样本T检验对建筑费用、安装费用和设备费用的不同单位工程概算和结算均值进行比较分析；配对样本T检验是通过求出每对观测量值之差，若样本均值差接近零，则配对样本不存在显著差异；反之，若样本均值显著不为零，则配对样本存在显著差异；在应用中，若配对样本T检验的t值大于2，sig值小于0.05，则认为配对样本的均值存在显著差异。将统计分析的结果，进一步结合不同单位工程在整个工程费用的比重，确定变电站工程和线路工程的工程关键单位工程。
（3）输变电工程投资预测体系分析
根据输变电工程投资预测关键指标的重要性以及输变电工程的关键单位工程，本发明基于粒子群算法构建输变电工程投资预测模型，利用输变电工程的历史数据，通过模型的优化计算，以达到提高输变电工程投资概算的精度的目的；根据Kennedy的研究，粒子群算法具有区别于其他进化算法的特性，比如定向突变、量子化显示及操作、局部最优解及全局最优解，以提高目标优化的决策效率；
基于粒子群算法的输变电工程投资预测模型，将帮助决策者得出一套Pareto最优解；首先，第一目标函数是输变电工程造价最小化，包括建筑费，安装费和设备费；第二，整个评估模型需要满足两个约束条件包括：（1）输变电工程造价不能超过限额设计的要求，（2）每个关键指标应控制在合理的变动区间；整个模型需要通过MATLAB来计算；在运算过程中，粒子群算法的思想和步骤包括初始化粒子—更新粒子速度和位置—计算各粒子更新后的新适应度值—确定个体最优值和全局最优值；最终实现电网输变电工程结余率控制在10%以内的目标。
本发明的有益效果：本发明的应用可以使投资方在建设初期能够准确的把握新建工程造价的情况，审查工作人员能够对特定的初步设计方案造价情况进行合理的、快速的审查，减少造价管理过程中的主观因素影响，达到为投资决策提供依据的目标。从输变电工程的决策阶段出发，确定影响输变电工程投资预测的关键指标，挖掘历史工程数据，确定输变电工程的关键单位工程，利用粒子群算法构建输变电工程投资预测体系，从而为电网各级主管部门及相关单位控制输变电工程造价、合理规划工程投资提供理论依据。
具体实施方式
本发明所述预测方法包括：
（1）输变电工程造价投资预测关键指标分析
详细分析输变电工程发展情况、输变电工程造价投资预测原理，通过文献的比较分析，挖掘输变电工程造价投资预测方面的优势及不足，总结输变电工程造价投资预测的影响因素，包括外部环境，市场因素以及工程建设规模；
为了更科学的探讨输变电工程投资预测关键指标在本发明中的适用性，本发明采用主成分分析、相关分析和回归分析等数理统计工具，分析电网输变电工程的历史数据，包括变电工程、架空线路工程、电缆线路工程，探索工程技术指标对输变电工程投资预测的影响程度，建立输变电工程投资预测的关键指标集；
在数据统计分析的基础上，确定适合于输变电工程投资预测的关键指标，对输变电工程投资预测的关键指标的重要性程度进行评分，利用层次分析法确定输变电工程投资预测关键指标的权重，并构建输变电工程投资预测指标体系。
（2）输变电工程单位工程分析
输变电工程存在大量的工程结余现象，为了更深入的分析具体是哪些费用出现了结余，应用数理统计软件分别对输变电工程概算和工程结算进行了分析，找到工程概算和工程结算显著性不相同的单位工程；为了分析输变电工程的关键单位工程，应用配对样本T检验对建筑费用、安装费用和设备费用的不同单位工程概算和结算均值进行比较分析；配对样本T检验是通过求出每对观测量值之差，若样本均值差接近零，则配对样本不存在显著差异；反之，若样本均值显著不为零，则配对样本存在显著差异；在应用中，若配对样本T检验的t值大于2，sig值小于0.05，则认为配对样本的均值存在显著差异。将统计分析的结果，进一步结合不同单位工程在整个工程费用的比重，确定变电站工程和线路工程的工程关键单位工程。
（3）输变电工程投资预测体系分析
根据输变电工程投资预测关键指标的重要性以及输变电工程的关键单位工程，本发明基于粒子群算法构建输变电工程投资预测模型，利用输变电工程的历史数据，通过模型的优化计算，以达到提高输变电工程投资概算的精度的目的；根据Kennedy的研究，粒子群算法具有区别于其他进化算法的特性，比如定向突变、量子化显示及操作、局部最优解及全局最优解，以提高目标优化的决策效率；
基于粒子群算法的输变电工程投资预测模型，将帮助决策者得出一套Pareto最优解；首先，第一目标函数是输变电工程造价最小化，包括建筑费，安装费和设备费；第二，整个评估模型需要满足两个约束条件包括：（1）输变电工程造价不能超过限额设计的要求，（2）每个关键指标应控制在合理的变动区间；整个模型需要通过MATLAB来计算；在运算过程中，粒子群算法的思想和步骤包括初始化粒子—更新粒子速度和位置—计算各粒子更新后的新适应度值—确定个体最优值和全局最优值；最终实现电网输变电工程结余率控制在10%以内的目标。