[发明专利]一种输变电工程设计评审方法

说明书

技术领域

本发明涉及一种输变电工程领域，尤其是一种输变电工程设计评审方法。

背景技术

输变电工程设计评审包括对输变电工程造价的评审以及对工程的运行效能的评审。其中尤以工程造价评审为重要，长期以来，输变电工程造价变化趋势的分析多采用单项指数增长率比较法，按照变电工程、线路工程分别分析不同电压等级的造价环比。由于各年输变电工程规模不同，通常以统计年度全口径该电压等级变电或线路总投资与总建设规模的比值作为比较分析的指标，在建设规模、建设方案各年变化不大时，采用这种方法基本可反映实际造价的变化趋势，但随着近年输变电工程技术的不断进步，技术方案逐渐丰富，这种方法暴露出局限性。

发明内容

本发明目的在于提供一种输变电工程设计评审方法，具体由以下技术方案实现：

一种输变电工程设计评审方法，所述的方法包括：a、对输变电工程的基建造价评审；b、对输变电工程运行效能评审；c、对基建造价评审结果以及运行效能评审结果进行权重赋值；d、根据权重计算出整个输变电工程设计评审结果。

一种输变电工程设计评审方法，其进一步设计在于，步骤a、b评审过程采用的评审流程如下：建立的输变电工程的历史样本数据数据库；初始化混沌粒子群的迭代次数、惯性权值、学习因子、粒子速度、粒子群的种群规模建立混沌粒子群模型；根据混沌粒子群优化算法对所述的混沌粒子群模型参数进行优化；根据所述的历史样本数据和优化后的混沌粒子群模型确定混沌粒子群模型的迭代次数、惯性权值、学习因子的最优值；根据确定的迭代次数、惯性权值、学习因子的最优值分别确定最小二乘支持向量机模型的惩罚系数、不敏感系数及核函数参数建立最小二乘支持向量机模型；接收输入的输变电工程的实际样本数据；根据输变电工程的实际样本数据和建立的最小二乘支持向量机模型生成输变电工程造价评估结果。

一种输变电工程设计评审方法，其进一步设计在于，所述的初始化混沌粒子群的种群规模包括：根据所述的历史样本数据的样本容量设置混沌粒子群的种群规模。

一种输变电工程设计评审方法，其进一步设计在于，所述的初始化混沌粒子群的粒子速度包括：初始化粒子速度时根据迭代次数、惯性权值、学习因子的量级乘以相应系数。

一种输变电工程设计评审方法，其进一步设计在于，所述的方法还包括：对所述的样本数据进行主成分分析确定影响因素。

本发明技术方案的有益效果在于从人工智能技术出发，围绕粒子群优化算法、混沌优化算法、非线性核主元分析以及支持向量机技术的相关概念、算法进行扩充和改进，对小样本数据的智能学习算法进行有益的改进,从而得出更为有效的评审结果。

具体实施方式

以下结合实施例对本发明进行进一步说明：

该输变电工程设计评审方法，所述的方法包括：a、对输变电工程的基建造价评审；b、对输变电工程运行效能评审；c、对基建造价评审结果以及运行效能评审结果进行权重赋值；d、根据权重计算出整个输变电工程设计评审结果。

步骤a、b评审过程采用的评审流程如下：建立的输变电工程的历史样本数据数据库；初始化混沌粒子群的迭代次数、惯性权值、学习因子、粒子速度、粒子群的种群规模建立混沌粒子群模型；根据混沌粒子群优化算法对所述的混沌粒子群模型参数进行优化；根据所述的历史样本数据和优化后的混沌粒子群模型确定混沌粒子群模型的迭代次数、惯性权值、学习因子的最优值；根据确定的迭代次数、惯性权值、学习因子的最优值分别确定最小二乘支持向量机模型的惩罚系数、不敏感系数及核函数参数建立最小二乘支持向量机模型；接收输入的输变电工程的实际样本数据；根据输变电工程的实际样本数据和建立的最小二乘支持向量机模型生成输变电工程造价评估结果。

所述的初始化混沌粒子群的种群规模包括：根据所述的历史样本数据的样本容量设置混沌粒子群的种群规模。

所述的初始化混沌粒子群的粒子速度包括：初始化粒子速度时根据迭代次数、惯性权值、学习因子的量级乘以相应系数。

所述的方法还包括：对所述的样本数据进行主成分分析确定影响因素。

本发明从人工智能技术出发，围绕粒子群优化算法、混沌优化算法、非线性核主元分析以及支持向量机技术的相关概念、算法进行扩充和改进，对小样本数据的智能学习算法进行有益的改进。

本技术拟在小样本数据智能学习改进算法的基础上，结合工程历史资料，通过数据预处理、数据聚类、数据分类学习等环节，提出一种系统的工程造价快速估算方法。该技术将不仅可以使投资方在项目建设前期可行性研究阶段能够准确估算新建工程的造价，同时可以在初步设计阶段辅助概算审查人员进行合理的、快速的造价审查，达到为投资决策提供依据的目标，而且可以帮助项目施工单位在招投标活动中快速确定企业报价范围，在保证企业效益的前提下优化报价策略，最大限度提高中标成功率。