[发明专利]电网一次设备运维检修成本预测方法及系统

说明书

本发明公开了电网一次设备运维检修成本预测方法及系统。本发明的预测方法包括：电网一次设备运维检修成本影响因素的灰色关联度分析；电网一次设备运维检修成本影响因素的探索性因子分析；基于遗传算法的BP神经网络初始权值和阈值优化；基于BP神经网络的电网一次设备运维检修成本预测：结合经探索性因子分析得到的输入指标，依靠遗传算法得到的初始权值和阈值，运用BP神经网络完成训练，得到电网一次设备运维检修成本预测模型，分析预测值与实际值之间的误差。本发明可对电网一次设备运维检修成本进行准确合理的估算，便于电网企业有效地管理和控制电网一次设备运维检修成本。

技术领域

本发明属于电力工程技术领域，涉及一种基于GRA-EFA-GA-BPNN的电网一次设备运维检修成本预测方法及系统。

背景技术

电网一次设备运维检修成本是电网企业投资的重要组成部分，为了制定最佳的投资策略，需要对电网一次设备运维检修成本进行准确合理的估算。但是电网一次设备运维检修成本受到社会、经济、政策、资源等多种因素影响，且各因素的作用机理复杂，导致电网一次设备运维检修成本与各影响因素之间的关系很难用线性来表述。

目前还没有一种能线性表述电网一次设备运维检修成本与各影响因素之间关系的预测方法。

发明内容

本发明所要解决的技术问题是针对现有电网一次设备运维检修成本与各影响因素之间的关系很难用线性来表述的缺陷，提供一种基于GRA-EFA-GA-BPNN的电网一次设备运维检修成本预测方法，可对电网一次设备运维检修成本进行准确合理的估算，以便于电网企业有效地管理和控制电网一次设备运维检修成本。

为此，本发明采用如下的技术方案：电网一次设备运维检修成本预测方法，其包括：

电网一次设备运维检修成本影响因素的灰色关联度分析(GRA)；

电网一次设备运维检修成本影响因素的探索性因子分析(EFA)；

基于遗传算法(GA)的BP神经网络初始权值和阈值优化；

基于BP神经网络(BPNN)的电网一次设备运维检修成本预测；

通过灰色关联度和探索性因子分析提取影响电网一次设备运维检修成本的主要影响因素，作为BP神经网络模型的输入变量，建立电网一次设备运维检修成本预测模型，并用遗传算法对相关参数进行优化。

作为上述技术方案的补充，所述的灰色关联度分析为：运用灰色关联分析计算初选影响因素与电网一次设备运维检修成本的关联度，根据关联度大小排序后对影响因素进行筛选，得到选定指标，确保筛选后的影响因素与电网一次设备运维检修成本的关联性。

作为上述技术方案的补充，所述的探索性因子分析为：在灰色关联分析的基础上，为降低各影响因素的重叠率，进一步降低方法的复杂度，运用探索性因子分析法确定最终输入指标。

作为上述技术方案的补充，所述的BP神经网络初始权值和阈值优化为：运用遗传算法对BP神经网络的初始权值和阈值进行优化，依靠遗传算法的全局搜索能力，求得最优个体，并把该最优个体作为BP神经网络的初始权值和阈值。

作为上述技术方案的补充，所述的电网一次设备运维检修成本预测为：结合经探索性因子分析得到的输入指标，依靠遗传算法得到的初始权值和阈值，运用BP神经网络完成训练，得到电网一次设备运维检修成本预测模型，分析预测值与实际值之间的误差。

作为上述技术方案的补充，所述的灰色关联度分析包括以下步骤：