电网实物资产更换分析方法及装置制造方法及图纸

本发明专利技术提供了一种电网实物资产更换分析方法及装置，包括：获取电网设备的时序数据列，所述初始时序数据列为电网设备第k年至第n年的经济寿命数据；将所述时序数据列输入预先创建的灰色预测模型，得到第一预测数据，所述第一预测数据包括残差值序列；将所述第一预测数据输入预先创建的神经网络模型，得到第二预测数据；进行迭代操作，将所述第二预测数据及部分所述时序数据列输入所述灰色预测模型，得到多个第二预测数据，作为多年预测数据。本发明专利技术能够吸收新的预测信息，能够较好解决投资时间价值、运行成本不准确及事后决策的问题，可为电网规划、电网投资提供决策参考。

【技术实现步骤摘要】
电网实物资产更换分析方法及装置
本专利技术涉及电网资产分析技术，特别涉及一种电网实物资产更换分析方法及装置。
技术介绍
目前，电网公司对电网设备的更新还没有统一的决策方法，往往以在役时间长短或者设备状态评价结果作为更新的依据，较少考虑其经济成本，导致一部分良好的设备提前退役或较差设备延长退役，给电网公司带来一些经济损失。由于推行电力体制改革，加强成本约束和收入监管是大势所趋，不得不推动电网企业向“降成本、提效益”的内部运营模式的转变。在有效资产管制的情况下，电网企业实际发生的资产更换数量无论高于还是低于管制机构核定或者准许的资产更换的数量，都会产生一定的损失。显然，电网企业需要选择适当的方法，对资产更换做出合理的预测与决策，使其尽可能与管制机构准许的评估数量相一致。
技术实现思路
本专利技术实施例提供了一种电网实物资产更换分析方法及装置，较好解决投资时间价值、运行成本不准确及事后决策的问题，为电网规划、电网投资提供决策参考。为了实现上述目的，本专利技术实施例提供了一种电网实物资产更换分析方法，包括：获取电网设备的时序数据列，所述初始时序数据列为电网设备第k年至第n年的经济寿命数据；将所述时序数据列输入预先创建的灰色预测模型，得到第一预测数据，所述第一预测数据包括残差值序列；将所述第一预测数据输入预先创建的神经网络模型，得到第二预测数据；进行迭代操作，将所述第二预测数据及部分所述时序数据列输入所述灰色预测模型，得到多个第二预测数据，作为多年预测数据。一实施例中，网实物资产更换分析方法还包括：获取电网设备的初始时序数据列，所述初始时序数据列为电网设备第1年至第n年的经济寿命数据；对所述时序数据列进行一次累加，得到累加数据列；对所述累加数据列建立白化方程；基于所述白化方程建立基于累加数据列的中间灰色预测模型；对基于累加数据列的中间灰色预测模型进行累减还原，得到所述灰色预测模型。一实施例中，将所述第一预测数据输入预先创建的神经网络模型，得到第二预测数据，包括：将所述第一预测数据输入所述神经网络模型得到第(n+1)年的残差数据；利用所述第一预测数据及所述第(n+1)的年残差数据计算组合预测值，作为所述第二预测数据。一实施例中，将所述第二预测数据及部分所述时序数据列输入所述灰色预测模型，得到多个第二预测数据，作为多年预测数据，包括：用所述第二预测数据替换所述时序数据列的最小年份的经济寿命数据，得到修改后的时序数据列；将修改后的时序数据列输入至所述灰色预测模型，得到多个第二预测数据，作为多年预测数据。一实施例中，网实物资产更换分析方法还包括：根据所述初始时序数据列及所述残差值序列进行分组；以连续s年的实际值作为输入，以下一年的灰色预测残差至作为输出，分为k组，得到矩阵，其中，s+k-1＝n；根据所述矩阵建立所述神经网络模型。为了实现上述目的，本专利技术实施例提供了一种电网实物资产更换分析装置，包括：数据获取单元，用于获取电网设备的时序数据列，所述初始时序数据列为电网设备第k年至第n年的经济寿命数据；第一数据生成单元，用于将所述时序数据列输入预先创建的灰色预测模型，得到第一预测数据，所述第一预测数据包括残差值序列；第二数据生成单元，用于将所述第一预测数据输入预先创建的神经网络模型，得到第二预测数据；迭代单元，进行迭代操作，将所述第二预测数据及部分所述时序数据列输入所述灰色预测模型，得到多个第二预测数据，作为多年预测数据。一实施例中，网实物资产更换分析装置还包括：初始数据获取单元，用于获取电网设备的初始时序数据列，所述初始时序数据列为电网设备第1年至第n年的经济寿命数据；累加单元，用于对所述时序数据列进行一次累加，得到累加数据列；方程建立单元，用于对所述累加数据列建立白化方程；中间模型创建单元，用于基于所述白化方程建立基于累加数据列的中间灰色预测模型；灰色预测模型创建单元，用于对基于累加数据列的中间灰色预测模型进行累减还原，得到所述灰色预测模型。一实施例中，所述第二数据生成单元包括：残差计算单元，用于将所述第一预测数据输入所述神经网络模型得到第(n+1)年的残差数据；第二数据生成模块，用于利用所述第一预测数据及所述第(n+1)的年残差数据计算组合预测值，作为所述第二预测数据。一实施例中，所述迭代单元包括：替换模块，用于用所述第二预测数据替换所述时序数据列的最小年份的经济寿命数据，得到修改后的时序数据列；预测模块，用于将修改后的时序数据列输入至所述灰色预测模型，得到多个第二预测数据，作为多年预测数据。一实施例中，网实物资产更换分析装置还包括：分组单元，根据所述初始时序数据列及所述残差值序列进行费用分组；矩阵生成单元，用于根据所述分组生成矩阵；模型创建单元，用于根据所述矩阵建立所述神经网络模型。本专利技术能够吸收新的预测信息，而且可以为神经网络提供训练样本，有效地解决神经网络训练样本不足的问题。能够较好解决投资时间价值、运行成本不准确及事后决策的问题，可为电网规划、电网投资提供决策参考。本专利技术对原始数据列进行分组，充分利用了历史数据对未来数据的作用，弥补了灰色新陈代谢理论对历史数据利用的不足，解决了神经网络训练样本少的缺点；同时又用神经网络对灰色预测模型的残差进行修正，避免了再次使用灰色预测模型进行残差修正的不足。本专利技术不仅可以对断路器的运行与维护提供指导作用，也可为变压器、GIS、电抗器等其他电力设备的经济寿命测算提供参考。通过测算可较准确地确定设备更换时间，实现电网设备的精细化管理，在电力改革的背景下实现较大收益。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例的最小费用曲线图；图2为本专利技术实施例的电网实物资产更换分析方法流程图；图3为本专利技术实施例的电网实物资产更换分析方法流程图二；图4为本专利技术实施例的BP神经网络误差的反向传播示意图；图5为本专利技术实施例的电网实物资产更换分析方法流程图三；图6为本专利技术实施例的电网实物资产更换分析方法流程图四；图7为本专利技术实施例的电网实物资产更换分析方法流程图五；图8为本专利技术实施例的灰色神经网络组合模型结构图；图9为本专利技术实施例220kV断路器各年年金费用示意图；图10为本专利技术实施例的电网实物资产更换分析装置的结构框图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。随着电网设备使用年限的增加，运行成本也会逐渐递增，这种运行成本的逐年递增称为设备的劣化。为了简化计算，现有技术中通常设定每年运行成本的劣化增量是均值的，但通过对以往电网设备运行费用的统计数据显示，各年劣化值差异较大，不能简单设定。按照以往运行管理经验，电网设备更新决策一般都会运行几年后才需要进行决策，从而可以获得前几年的实际运行成本费用，其他年度运行费用虽然可以用概率统计、时间序列等方本文档来自技高网...

【技术保护点】
1.一种电网实物资产更换分析方法，其特征在于，包括：获取电网设备的时序数据列，所述时序数据列为电网设备第k年至第n年的经济寿命数据；将所述时序数据列输入预先创建的灰色预测模型，得到第一预测数据，所述第一预测数据包括残差值序列；将所述第一预测数据输入预先创建的神经网络模型，得到第二预测数据；进行迭代操作，将所述第二预测数据及部分所述时序数据列输入所述灰色预测模型，得到多个第二预测数据，作为多年预测数据。

【技术特征摘要】
1.一种电网实物资产更换分析方法，其特征在于，包括：获取电网设备的时序数据列，所述时序数据列为电网设备第k年至第n年的经济寿命数据；将所述时序数据列输入预先创建的灰色预测模型，得到第一预测数据，所述第一预测数据包括残差值序列；将所述第一预测数据输入预先创建的神经网络模型，得到第二预测数据；进行迭代操作，将所述第二预测数据及部分所述时序数据列输入所述灰色预测模型，得到多个第二预测数据，作为多年预测数据。2.根据权利要求1所述的电网实物资产更换分析方法，其特征在于，还包括：获取电网设备的初始时序数据列，所述初始时序数据列为电网设备第1年至第n年的经济寿命数据；对所述时序数据列进行一次累加，得到累加数据列；对所述累加数据列建立白化方程；基于所述白化方程建立基于累加数据列的中间灰色预测模型；对基于累加数据列的中间灰色预测模型进行累减还原，得到所述灰色预测模型。3.根据权利要求1所述的电网实物资产更换分析方法，其特征在于，将所述第一预测数据输入预先创建的神经网络模型，得到第二预测数据，包括：将所述第一预测数据输入所述神经网络模型得到第(n+1)年的残差数据；利用所述第一预测数据及所述第(n+1)的年残差数据计算组合预测值，作为所述第二预测数据。4.根据权利要求1所述的电网实物资产更换分析方法，其特征在于，将所述第二预测数据及部分所述时序数据列输入所述灰色预测模型，得到多个第二预测数据，作为多年预测数据，包括：用所述第二预测数据替换所述时序数据列的最小年份的经济寿命数据，得到修改后的时序数据列；将修改后的时序数据列输入至所述灰色预测模型，得到多个第二预测数据，作为多年预测数据。5.根据权利要求2所述的电网实物资产更换分析方法，其特征在于，还包括：根据所述初始时序数据列及所述残差值序列进行分组；以连续s年的实际值作为输入，以下一年的灰色预测残差至作为输出，分为k组，得到矩阵，其中，s+k-1＝n；根据所述矩阵建立所述神经网络模型。6.一种电网实物资产更换分析装置，其特征...

【专利技术属性】
技术研发人员：张妍，王绵斌，安磊，耿鹏云，齐霞，陈太平，张晓曼，谢品杰，穆卓文，王朝，何慧，运晨超，吴小明，赵微，肖巍，
申请(专利权)人：国网冀北电力有限公司经济技术研究院，国网冀北电力有限公司，国家电网有限公司，
类型：发明
国别省市：北京,11