甘靜 簡遜 張?zhí)K華

摘 要：四川北部山區(qū)的變電工程具有獨特性。一種簡潔有效的可研投資估算方法和模型在理論上和實際工作中都意義重大。神經(jīng)網(wǎng)絡(luò)的非線性、自學(xué)習的特點，非常適合建立變電工程的投資估算模型。模型選取電壓等級、本期變電容量、電壓器臺數(shù)、終期變電容量等12個輸入變量，建立三層神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，用收集的訓(xùn)練樣本訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型，測試樣本測試模型。測試結(jié)果表明模型效果良好。模型使用者無需掌握過多技術(shù)細節(jié)，適合于投資發(fā)展部門估算，前景良好。

關(guān)鍵詞：變電工程；投資估算；神經(jīng)網(wǎng)絡(luò)；可研；預(yù)測

變電工程投資金額龐大、建設(shè)周期長，變電工程投資估算出現(xiàn)失誤，后果嚴重。投資估算是變電工程項目投資、概算、預(yù)算、結(jié)算、決算的基礎(chǔ)，投資估算的準確性將直接影響到項目建設(shè)和投資經(jīng)濟效果。四川北部山區(qū)特殊的地形使得變電站的建設(shè)難度和工程造價大大增加，而山區(qū)電網(wǎng)建設(shè)對當?shù)亟?jīng)濟和社會發(fā)展具有現(xiàn)實的重要性和必要性，因此，四川北部山區(qū)變電站工程進行可研投資估算模型研究，意義重大。國內(nèi)外對投資估算已有一些相應(yīng)的研究，比如采用成本估算的方法，建立工程成本的數(shù)據(jù)庫，根據(jù)歷史工程、類似工程的歷史資料，結(jié)合相應(yīng)的參考指標手冊，用類比、回歸的方法確定擬建工程的投資情況；有利用典型工程建設(shè)經(jīng)驗，將模糊數(shù)學(xué)引入工程造價進行投資估計，提高計算速度，減少計算周期，但研究主觀性強，準確性不夠高。這些方法都要求估算者對工程本身和相應(yīng)技術(shù)有較高的了解，但實際各地市電力公司的投資決策部門，多為經(jīng)濟和管理專業(yè)背景，因此，如果有一種簡潔有效的方法和模型幫助進行變電站工程可研投資估算，將對投資決策和規(guī)劃有很大幫助。

此篇論文，在收集對應(yīng)的變電工程估算的歷史數(shù)據(jù)基礎(chǔ)上，采用神經(jīng)網(wǎng)絡(luò)模型和方法，建立四川山區(qū)變電站工程可研投資估算模型，能簡便地進行可研投資估算，結(jié)果準確有效。

1 問題提出和解決思路

位于四川北部山區(qū)的G地級市，市國網(wǎng)供電公司從實際工作需要和上級要求出發(fā)，希望其投資發(fā)展部門在無技經(jīng)和造價人員支持情況下，在編制可行性研究報告時能夠由投資發(fā)展部門獨立給出電力工程投資估算。為此，需要建立一無需掌握過多技術(shù)細節(jié)、輸入輸出變量易理解的估算模型，進行變電工程的可研投資估算研究。

問題的解決，關(guān)鍵是投資估算方法和模型的選取建立。

神經(jīng)網(wǎng)絡(luò)是一種大規(guī)模并行的非線性動力學(xué)系統(tǒng)。BP（Back Propagation，后向）神經(jīng)網(wǎng)絡(luò)其層與層之間權(quán)重可自修正，并已經(jīng)證明在閉區(qū)間內(nèi)任何一個N維到M維的連續(xù)函數(shù)都可以用含有一個隱層的神經(jīng)網(wǎng)絡(luò)來實現(xiàn)任意精度的逼近。這種非線性、自學(xué)習自我更正的特點，非常適合變電工程的投資估算的科學(xué)預(yù)測。

2 變量選擇和輸入數(shù)據(jù)預(yù)處理

模型輸入因素的選擇，既要考慮其影響性質(zhì)和程度，又要考慮數(shù)據(jù)的可取得性，并要結(jié)合模型而取舍。具體選取的變量如表1所示。其中工程建設(shè)所在年的PPI、CPI、G市就業(yè)人員平均工資等動態(tài)因素，體現(xiàn)變電工程建設(shè)投資額的動態(tài)性。在進行實驗前，要對數(shù)據(jù)進行數(shù)值化等預(yù)處理，使之能夠被神經(jīng)網(wǎng)絡(luò)模型處理，具體如表1。

輸出變量1個，為可研批復(fù)中的工程投資值，單位萬元。

收集到的所有有效樣本為81個。

將所有樣本分為訓(xùn)練樣本集和測試樣本集，從35kV、110kV、220kV變電工程中各選新建、擴建1個共6個樣本為測試樣本集，其余75個樣本為訓(xùn)練樣本集。

訓(xùn)練樣本集用于訓(xùn)練神經(jīng)網(wǎng)絡(luò)，測試樣本集用于模擬實際情況測試模型。

3 神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)

選用 MATLAB 7.1為開發(fā)工具。

神經(jīng)網(wǎng)絡(luò)如圖1所示，選擇三層BP網(wǎng)絡(luò)，分別為輸入層、隱單元層、輸出層。

隱單元層采用logsig函數(shù)，輸出層用purelin函數(shù)。網(wǎng)絡(luò)初始權(quán)值在權(quán)值范圍[-1，1]內(nèi)隨機產(chǎn)生網(wǎng)絡(luò)初始權(quán)值。

輸入層節(jié)點I=（I1，I2，I3... ...，I13），共13個，其中12個節(jié)點（I1，I2，I3... ...，I12）對應(yīng)表2中12個變量，另外一個節(jié)點對應(yīng)閾值。輸入變量值在作為網(wǎng)絡(luò)輸入時進行規(guī)一化處理成[0，1]范圍內(nèi)值。

規(guī)一化公式為，max{Ij}、min{Ij}是第j項變量Ij在81個樣本中的最大值、最小值。

隱單元層中的節(jié)點個數(shù)選擇5個，其中4個節(jié)點接受輸入層的結(jié)果，另外一個節(jié)點對應(yīng)隱單元的閾值。

輸出層節(jié)點數(shù)為1，對應(yīng)唯一的輸出變量——工程投資。

4 模型訓(xùn)練

為提高訓(xùn)練效率，選用批處理訓(xùn)練，訓(xùn)練算法選用Matlab里的trainlm方法（即Levenberg - Marquardt方法），性能函數(shù)選用MSE（mean squared error，均方誤差）。

用預(yù)處理并規(guī)范化了的75條訓(xùn)練樣本進行批處理訓(xùn)練，結(jié)果顯示，在90周期后基本收斂穩(wěn)定，性能函數(shù)MSE已經(jīng)非常小。如圖2所示。

至此，模型訓(xùn)練完成。

5 模型測試

以此訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)模型對測試樣本集的6條數(shù)據(jù)進行檢驗。測試得到每條樣本數(shù)據(jù)預(yù)測投資值和批復(fù)投資值（皆為規(guī)一化的數(shù)據(jù)）見下表2。6個樣本誤差百分比的平均值為2.89%?？梢婎A(yù)測效果很好。

6 結(jié)論及展望

神經(jīng)網(wǎng)絡(luò)的非線性、自學(xué)習的特點，適合變電工程的投資估算預(yù)測。用此建立的這個模型，適合于國網(wǎng)供電公司投資發(fā)展部（或有些地方叫投資決策部）在編制可行性研究報告時獨立地較準確給出變電工程投資估算，而無需掌握過多技術(shù)細節(jié)、無需技經(jīng)和造價人員支持。由于模型采用G地級市電網(wǎng)數(shù)據(jù)訓(xùn)練，論文所建立的模型適合于G地級市以及四川北部山區(qū)的國網(wǎng)變電工程。這種方法可以推廣應(yīng)用到其他地區(qū)和其他工程的投資估算。

參考文獻：

[1] 徐武明，徐玖平.大型工程建設(shè)項目組織綜合集成模式[J].管理學(xué)報，2012，01：132-138.

[2] 銀濤，俞集輝.基于人工神經(jīng)網(wǎng)絡(luò)送電線路工程造價的快速估算[J].重慶大學(xué)學(xué)報（自然科學(xué)版），2007，30（1）：36-41.

[3] 謝偉群.關(guān)于送電線路設(shè)計和工程造價的探討[J].廣東輸電與變電技術(shù)，2005，10（2）：64-66.

[4] 徐武明，徐玖平.大型工程項目勘察承包商選擇體系的構(gòu)建[J].軟科學(xué)，2011，12：63-67.

[5] 胡志根.基于模糊預(yù)測的工程造價估算模型研究[J].系統(tǒng)工程理論與實踐，1997，21（2）：50-55.

[6] 徐武明，徐玖平.大型工程項目監(jiān)理承包商的選擇方法研究[J].統(tǒng)計與決策，2011，19：183-185.

本文系2015年國網(wǎng)廣元供電公司科技項目“四川北部山區(qū)輸變電工程可研投資概算模型研究 ”的研究成果之一。

作者簡介：

甘靜（1986-），四川眉山人，工程師，研究方向：電力系統(tǒng)；簡遜（1984-），四川廣元人，工程師，研究方向：電力系統(tǒng)；張?zhí)K華（1984-），四川綿陽人，統(tǒng)計師，研究方向：電力系統(tǒng)。