【技术实现步骤摘要】
本说明书涉及电网投资预测，具体涉及一种电网技改维修规模预测方法及装置。
技术介绍
1、近年来，随着经济和社会的快速发展，电网企业投资不断增大，电网实物资产规模持续上升，面临的电网运行维护、更新改造任务加重。由于电网大规模投资引发的集中改造对电网企业的健康发展造成了很大的风险，因此，对电网实物资产技改维修资金规模进行科学预测和合理规划，对解决和缓解电网集中改造资金缺口、确保电网公司科学规划电网规模、提高公司实物资产运维和管理水平、保障电网安全可靠运行具有重要意义。“资产墙”是近年来电网企业资产管理的重要方法之一，是一种固定资产投资预测工具，然而传统的资产墙模型只是通过机械平移外推来推测未来的资产技改数量，其忽略了电网资产规模预测问题中存在影响因素复杂、数据非线性等特点，导致预测结果准确率低的问题，因此亟需一种电网技改维修规模预测方法及装置，解决技改维修规模预测准确率低的问题。
技术实现思路
1、本说明书实施例的目的在于提供一种电网技改维修规模预测方法及装置，涉及电网投资预测
，以解决技改维修规模预测准确率低的问题，进而提高电网资产运维和管理水平，保障电网安全可靠地运行。
2、为达到上述目的，一方面，本说明书实施例提供了一种电网技改维修规模预测方法，所述方法包括：
3、接收目标电网在指定历史时段的电网资产数据，其中所述电网资产数据包括：多个子类电网资产的资产原值数据、资产报废数据和技改维修规模数据；
4、将所述电网资产数据输入预训练的bp神经网
5、基于所述技改维修规模预测值调整当前时段的技改维修方案，以保障所述目标电网的安全可靠运行并降低其维修成本。
6、优选的，所述将所述电网资产数据输入预训练的bp神经网络模型以获得所述目标电网在指定未来时段的技改维修规模预测值前，还包括：
7、删除所述指定历史时段的电网资产数据中的无关数据和重复数据，得到第一处理数据；
8、检测所述第一处理数据是否存在异常数据，若存在异常数据，则计算除异常数据外其余数据的平均值，并用所述平均值替代所述异常数据，得到第二处理数据；
9、对所述第二处理数据进行归一化处理，获得归一化电网资产数据。
10、优选的，所述预训练的bp神经网络模型包括一个输入层、一个输出层和若干个隐含层；
11、其中输入层用于接收所述归一化电网资产数据，获取其中的特征信息，并将所述特征信息传递至隐含层；
12、隐含层用于接收所述特征信息，利用预设的输入层至隐含层映射函数计算隐含层输出值，以提取更高维度的特征，并将所述输出值传递至下一层；
13、输出层用于接收最后一层隐含层的输出值，利用预设的隐含层至输出层映射函数计算并输出最终技改维修规模预测值。
14、优选的，所述将所述电网资产数据输入预训练的bp神经网络模型以获得所述目标电网在指定未来时段的技改维修规模预测值，包括：
15、将所述多个子类电网资产的资产原值数据输入至各自对应的bp神经网络模型中，得到各子类电网资产的技改维修规模预测值；
16、将所述各子类电网资产的技改维修规模预测值进行累加，得到指定未来时段的整体技改维修规模预测值。
17、优选的，所述基于所述技改维修规模预测值调整当前时段的技改维修方案，包括：
18、根据所述指定未来时段的技改维修规模预测值计算指定未来时段的技改维修占比系数；
19、判断所述指定未来时段的技改维修占比系数是否大于预设基准比例系数；
20、若所述指定未来时段的技改维修占比系数大于预设基准比例系数，则为异常波动，则将所述技改维修规模预测值大于预设阈值的时段工作分摊至技改维修规模预测值小于预设阈值的时段。
21、优选的，所述根据所述指定未来时段的技改维修规模预测值计算指定未来时段的技改维修占比系数，包括：
22、根据所述多个子类电网资产的资产报废数据得到各子类电网资产的平均报废年限；
23、基于所述多个子类电网资产的资产原值数据建立各子类电网资产的资产墙；
24、以所述各子类电网资产的平均报废年限作为平移周期，将所述资产墙向后平移，得到各子类的资产原值预测值；
25、计算所述各子类电网资产指定未来时段的技改维修规模预测值与各子类电网资产资产原值预测值的比值，得到各子类电网资产指定未来时段的技改维修占比系数。
26、另一方面，本说明书的一些实施例提供了一种电网技改维修规模预测装置，所述装置包括：
27、接收模块，用于接收目标电网在指定历史时段的电网资产数据，其中所述电网资产数据包括：多个子类电网资产的资产原值数据、资产报废数据和技改维修规模数据；
28、预测模块，用于将所述电网资产数据输入预训练的bp神经网络模型以获得所述目标电网在指定未来时段的技改维修规模预测值；
29、调整模块，用于基于所述技改维修规模预测值调整当前时段的技改维修方案，以保障所述目标电网的安全可靠运行并降低其维修成本。
30、又一方面，本说明书的一些实施例还提供了一种计算机设备，包括存储器、处理器、以及存储在所述存储器上的计算机程序，所述计算机程序被所述处理器运行时，执行根据上述任意一项所述方法的指令。
31、又一方面，本说明书的一些实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被计算机设备的处理器运行时，执行根据上述任意一项所述方法的指令。
32、又一方面，本说明书的一些实施例还提供了一种计算机程序产品，所述计算机程序产品被计算机设备的处理器运行时，执行上述任意一项所述方法的指令。
33、本说明书的一些实施例提供的一个或多个技术方案，至少具有如下的技术效果：
34、本说明书的实施例通过引入bp神经网络模型，解决了电网实物资产规模预测问题中影响因素复杂、数据非线性等问题，经过多神经元自主学习分析挖掘出数据间内在耦合性联系，综合考虑了电网中不同子类资产寿命差异、资金时间价值等因素，按照不同子类资产类型分别构建技改维修规模预测模型，由此预测出的技改维修规模预测准确率更高。同时，基于预测值进一步分析未来时段技改维修规模有无异常波动，从而调整当前时段的技改维修方案，以保障目标电网的安全可靠运行并降低其维修成本。
35、为让本说明书的上述和其他目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附图式，作详细说明如下。
本文档来自技高网...【技术保护点】
1.一种电网技改维修规模预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述将所述电网资产数据输入预训练的BP神经网络模型以获得所述目标电网在指定未来时段的技改维修规模预测值前，还包括：
3.根据权利要求2所述的方法，其特征在于，所述预训练的BP神经网络模型包括一个输入层、一个输出层和若干个隐含层；
4.根据权利要求1所述的方法，其特征在于，所述将所述电网资产数据输入预训练的BP神经网络模型以获得所述目标电网在指定未来时段的技改维修规模预测值，包括：
5.根据权利要求1所述的方法，其特征在于，所述基于所述技改维修规模预测值调整当前时段的技改维修方案，包括：
6.根据权利要求5所述的方法，其特征在于，所述根据所述指定未来时段的技改维修规模预测值计算指定未来时段的技改维修占比系数，包括：
7.一种电网技改维修规模预测装置，其特征在于，所述装置包括：
8.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机
9.一种计算机存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被计算机设备的处理器执行时实现权利要求1至6任意一项所述方法。
10.一种计算机程序产品，其特征在于，所述计算机程序产品包括计算机程序，所述计算机程序被计算机设备的处理器执行时实现权利要求1至6任意一项所述方法。
...【技术特征摘要】
1.一种电网技改维修规模预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述将所述电网资产数据输入预训练的bp神经网络模型以获得所述目标电网在指定未来时段的技改维修规模预测值前，还包括：
3.根据权利要求2所述的方法，其特征在于，所述预训练的bp神经网络模型包括一个输入层、一个输出层和若干个隐含层；
4.根据权利要求1所述的方法，其特征在于，所述将所述电网资产数据输入预训练的bp神经网络模型以获得所述目标电网在指定未来时段的技改维修规模预测值，包括：
5.根据权利要求1所述的方法，其特征在于，所述基于所述技改维修规模预测值调整当前时段的技改维修方案，包括：
6.根据权利要求5...
【专利技术属性】
技术研发人员：张晓曼，程序，齐霞，安磊，耿鹏云，张妍，路妍，刘宣，相静，张萌萌，
申请(专利权)人：国网冀北电力有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。