基于大数据技术的抽水蓄能电站工期预测分析方法技术

本发明专利技术公开了一种基于大数据技术的抽水蓄能电站工期预测分析方法，根据抽水蓄能电站的建筑物组成部分，分析影响抽水蓄能电站工期的因素；收集已建

【技术实现步骤摘要】
基于大数据技术的抽水蓄能电站工期预测分析方法


[0001]本专利技术涉及水利水电工程领域，尤其是涉及基于大数据技术的抽水蓄能电站工期预测分析方法
。

技术介绍

[0002]抽水蓄能电站是构建新型电力系统的关键支撑，是当前技术最成熟
、
经济性最优
、
最具大规模开发条件的绿色低碳清洁可调节电源的电力系统
。
同时抽水蓄能电站具有运行灵活
、
反应快速的特点，承担着电力系统中调峰
、
填谷
、
储能
、
调频
、
调相
、
备用和黑启动等多种功能
。
作为水电工程重要指标之一的工期指标，是施工进度设计的主要成果
。
科学合理的施工进度设计对合理选择水工方案
、
提高施工组织水平有着举足轻重的作用，同时还对工程投资
、
施工质量和安全等都产生直接影响
。
现阶段施工总进度编制主要根据工程建设特点/>、
各单本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于大数据技术的抽水蓄能电站工期预测分析方法，其特征在于，包括以下步骤：
S1
，根据抽水蓄能电站的建筑物组成部分，分析影响抽水蓄能电站工期的因素；
S2
，收集已建
、
在建和规划中的抽水蓄能电站中所述因素的参数，构建抽水蓄能电站工期指标预测数据库；
S3
，基于样本选择和参数运算法对所述因素进行敏感性分析，按照对工期影响程度将所述因素划分为若干个敏感性分析级别；
S4
，从所述抽水蓄能电站工期指标预测数据库中抽取数据形成初始训练集，利用机器学习算法，以多元影响因子为自变量，工期指标为因变量，建立工期模型；
S5
，对所述工期模型的预测结果进行验证，并进行优化调整，获得最优工期预测模型；
S6
，输入新建工程的多元影响因子，通过所述最优工期预测模型得到待建工程的工期指标目标值
。2.
根据权利要求1所述的一种基于大数据技术的抽水蓄能电站工期预测分析方法，其特征在于：所述影响抽水蓄能电站工期的因素包括工程海拔
、
地质条件
、
装机规模
、
主厂房尺寸
、
通风兼安全洞尺寸
、
进场交通洞尺寸；所述影响抽水蓄能电站工期的因素根据工程特征能够实时调整
。3.
根据权利要求2所述的一种基于大数据技术的抽水蓄能电站工期预测分析方法，其特征在于：所述地质条件包括围岩类别和地层岩性；所述装机规模包括装机数量和单机容量；所述尺寸包括长
、
宽
、
高
。4.
根据权利要求1所述的一种基于大数据技术的抽水蓄能电站工期预测分析方法，其特征在于：所述敏感性分析级别为非常重要
、
比较重要和一般重要三类
。5.
根据权利要求4所述的一种基于大数据技术的抽水蓄能电站工期预测分析方法，其特征在于：所述自变量为所述敏感性分析级别为所述非常重要和所述比较重要的因素
。6.
根据权利要求4所述的一种基于大数据技术的抽水蓄能电站工期预测分析方法，其特征在于：所述非常重要包括围岩类别和装机规模；所述比较重要包括工程海拔
、
地层岩性
、
主厂房尺寸；所述一般重要包括主变室尺寸
、
进场交通洞尺寸
、
通风安全洞尺寸
。7.
根据权利要求1所述的一种基于大数据技术的抽水蓄能电站工期预测分析方法，其特征在于：所述工期指标包括工程总工期
、
工程筹备期
、
工程准备期
、
主体工程施工期
、
工程完建期
。8.
根据权利要求1所述的一种基于大数据技术的抽水蓄能电站工期预测分析方法，其特征在于：
S4
步中所述建立工期模型具体包括：
...

【专利技术属性】
技术研发人员：杨顺群，蓝祖秀，穆立超，胡夏恺，杨应军，魏建鹏，郑宇，董映，
申请(专利权)人：黄河勘测规划设计研究院有限公司，
类型：发明
国别省市：