[发明专利]一种输电项目修理成本测算方法、装置、设备及存储介质

权利要求书

1.一种输电项目修理成本测算方法，其特征在于，包括：

采集预设输电项目的历史维修预算数据；

根据所述历史维修预算数据生成特征向量；

基于所述特征向量生成训练样本，并基于所述训练样本构建极限学习机ELM神经网络预测模型；

获取所述ELM神经网络预测模型的初始参数，并采用粒子群算法PSO对所述初始参数进行优化，得到优化参数；

采用所述优化参数替换所述初始参数，得到优化ELM神经网络预测模型；

采用所述训练样本训练所述优化ELM神经网络预测模型，得到已训练的预测模型；

从所述输电项目提取维修预算数据；

将所述维修预算数据输入所述已训练的预测模型，得到修理成本。

2.根据权利要求1所述的方法，其特征在于，所述根据所述历史维修预算数据生成特征向量的步骤，包括：

对所述历史维修预算数据进行预处理，得到线缆维修长度、线缆年限、维修结算金额以及环境数据；

采用所述线缆维修长度、所述线缆年限、所述维修结算金额以及所述环境数据生成特征向量。

3.根据权利要求1所述的方法，其特征在于，所述ELM神经网络预测模型具有输入层、隐含层和输出层，所述初始参数包括所述输入层到所述隐含层的输入权值、所述隐含层到所述输出层的输出权值、所述隐含层的阈值。

4.根据权利要求1所述的方法，其特征在于，所述获取所述ELM神经网络预测模型的初始参数，并采用粒子群算法PSO对所述初始参数进行优化，得到优化参数的步骤，包括：

以所述初始参数的平均绝对误差、均方根误差以及平均绝对百分比误差的和最小为目标建立目标函数；

确定所述初始参数的上下限区间，并基于所述上下限区间生成初始种群；其中，所述初始种群中具有多个粒子；

获取每个粒子的速度和位置；

计算每个粒子的适应度值；

计算每个个体的个体最优位置和整个种群的全局最优位置；

判断所述适应度值是否大于所述个体最优位置，若是，则采用所述适应度值更新所述个体最优位置；

判断所述适应度值是否大于所述全局最优位置，若是，则采用所述适应度值更新所述全局最优位置；

根据所述个体最优位置、所述全局最优位置和每个粒子的速度，计算每个粒子的更新速度；

根据每个粒子的更新速度，计算每个粒子的更新位置；

判断当前迭代次数是否小于预设迭代次数；

若否，返回获取每个粒子的适应度值的步骤；

若是，根据每个粒子的更新位置和更新速度确定目标种群，并将所述目标种群的参数作为优化参数。

5.一种输电项目修理成本测算装置，其特征在于，包括：

历史维修预设数据采集模块，用于采集预设输电项目的历史维修预算数据；

特征向量生成模块，用于根据所述历史维修预算数据生成特征向量；

ELM神经网络预测模型构建模块，用于基于所述特征向量生成训练样本，并基于所述训练样本构建极限学习机ELM神经网络预测模型；

优化参数获取模块，用于获取所述ELM神经网络预测模型的初始参数，并采用粒子群算法PSO对所述初始参数进行优化，得到优化参数；

优化ELM神经网络预测模型获取模块，用于采用所述优化参数替换所述初始参数，得到优化ELM神经网络预测模型；

训练模块，用于采用所述训练样本训练所述优化ELM神经网络预测模型，得到已训练的预测模型；

提取模块，用于从所述输电项目提取维修预算数据；

修理成本获取模块，用于将所述维修预算数据输入所述已训练的预测模型，得到修理成本。

6.根据权利要求5所述的装置，其特征在于，所述特征向量生成模块，包括：

预处理子模块，用于对所述历史维修预算数据进行预处理，得到线缆维修长度、线缆年限、维修结算金额以及环境数据；

特征向量生成子模块，用于采用所述线缆维修长度、所述线缆年限、所述维修结算金额以及所述环境数据生成特征向量。