一种电网工程方案的优选方法及系统技术方案

本发明专利技术提供了一种电网工程方案的优选方法及系统，包括：基于获取的所有电网工程方案的信息计算每个电网工程方案的影响指标值；基于每个电网工程方案的信息和预先确定的影响工程造价的关键影响指标结合预先构建的造价评估模型计算所述每个电网工程方案的造价；基于所述每个电网工程方案的影响指标值和所述电网工程方案的造价确定最优电网工程方案；其中，所述造价评估模型是基于预先训练好的PSO

【技术实现步骤摘要】
一种电网工程方案的优选方法及系统


[0001]本专利技术涉及大数据分析及电网工程领域，具体涉及一种电网工程方案的优选方法及系统。

技术介绍

[0002]电网企业作为国民经济的支柱，在经济建设中发挥着基础性的作用。当前，电力行业市场化改革正在不断深化，市场监管模式和企业盈利模式的重大改变使电网企业面临的更大压力。如何在逐渐市场化的竞争环境中充分利用电网行业大数据信息资源优势，开发相应大数据分析方法和工具，从而优化资金使用效率，实现电网企业利润和整体社会效益最大化，已经成为电网企业现阶段亟待研究的重大课题。
[0003]长期以来，电网企业对于电网建设项目的投资管理仍存在较大缺陷，项目可研及初设难以发挥其应有的作用，无法在项目源头上有效控制工程投资，造成大量资金闲置，资金使用效率大大降低。目前，公司投资差异的统计分析方面缺少完善的理论和方法，对造成电网项目阶段性投资状况差异的因素的研究也尚处于定性分析的阶段。同时，电网企业在大数据信息管理平台实现信息互通和数据共享的基础上，开展造价分析与趋势预测的研究对于充分利用大数据优势开展有效的分析工作，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电网工程方案的优选方法，其特征在于，包括：基于获取的所有电网工程方案的信息计算每个电网工程方案的影响指标值；基于每个电网工程方案的信息和预先确定的影响工程造价的关键影响指标结合预先构建的造价评估模型计算所述每个电网工程方案的造价；基于所述每个电网工程方案的影响指标值和所述电网工程方案的造价确定最优电网工程方案；其中，所述造价评估模型是基于预先训练好的PSO
‑
SVM模型和预先训练好的PSO
‑
BP神经网络模型按照预测误差标准差计算得到的权重构建而成。2.如权利要求1所述的方法，其特征在于，所述造价评估模型的构建包括：获取所述关键影响指标和工程静态投资的历史数据；由所述关键影响指标的历史数据和工程静态投资的历史数据构建样本集；将所述样本集划分为训练集和测试集；基于所述训练集分别对PSO
‑
SVM模型和PSO
‑
BP神经网络模型进行训练，得到训练好的PSO
‑
SVM模型和PSO
‑
BP神经网络模型；基于所述测试集计算所述训练好的PSO
‑
SVM模型和PSO
‑
BP神经网络模型的权重；基于所述PSO
‑
SVM模型和PSO
‑
BP神经网络模型结合计算的所述权重，构建所述造价评估模型；其中，关键影响指标是基于灰色关联分析的数据挖掘算法，计算各个影响因素序列与架空线路静态投资之间的灰色关联度确定的。3.如权利要求2所述的方法，其特征在于，所述基于训练集分别对PSO
‑
SVM模型和PSO
‑
BP神经网络模型进行训练，得到训练好的PSO
‑
SVM模型和PSO
‑
BP神经网络模型，包括：将所述训练集中的关键影响指标的历史数据分别作为PSO
‑
SVM模型和PSO
‑
BP神经网络模型的输入，并将所述训练集中的工程静态投资的历史数据分别作为PSO
‑
SVM模型和PSO
‑
BP神经网络模型的输出，对所述PSO
‑
SVM模型和PSO
‑
BP神经网络模型进行训练，得到训练好的PSO
‑
SVM模型和PSO
‑
BP神经网络模型。4.如权利要求2所述的方法，其特征在于，所述基于所述测试集计算所述训练好的PSO
‑
SVM模型和PSO
‑
BP神经网络模型的权重，包括：将所述测试集中的关键影响指标的历史数据分别作为PSO
‑
SVM模型和PSO
‑
BP神经网络模型的输入，分别输出第一工程静态投资预测值和第二工程静态投资预测值，由所述第一工程静态投资预测值和第二工程静态投资预测值与测试集中工程静态...

【专利技术属性】
技术研发人员：沈琦，郑思佳，岑雷扬，牛东晓，林亚男，徐天天，骆佳，杨新益，张莹，顾晔，吴波，金日强，吴庚奇，
申请(专利权)人：华北电力大学，
类型：发明
国别省市：