【技术实现步骤摘要】
本专利技术属于工程成本智能预测，特别是涉及到一种电网工程设备材料价格预测方法。
技术介绍
1、电网工程项目的成本与企业的经济发展密切相关，如何在同时保证生产成本、市场环境、政策环境等因素的情况下降低电网工程造价对保证电网紧急性、可持续性具有十分重要的意义。电网工程项目的成本费用包括设备材料费用、安装费用、建筑费用以及其他费用，其中占比最大的为电力设备材料费用。
2、目前电网工程建设中，投资估算、概算、预算中设备材料费用占电网工程总造价的一半以上，对电网工程造价的影响不断增强，并且设备材料价格随市场波动频繁，工程成本控制难度不断增大。现有技术中，在电力工程项目前期，电力企业相关部门需要根据电网工程设备材料历史信息，定期颁布设备材料信息价，然而颁布的信息价通常与实际价格相差很多，不合理的信息价使得现有工程结余率普遍较高。信息价确定的不合理主要是因为设备材料价格变化情况复杂，受到很多影响因素干扰，使得项目风险提高，目前没有针对设备材料价格的影响因素进行分析和关联从而进行电网工程设备材料价格预测的方法。
3、因此现有技术当中亟需要一种新型的技术方案来解决这一问题。
技术实现思路
1、本专利技术所要解决的技术问题是：提供一种电网工程设备材料价格预测方法用于解决现有技术中的电力工程成本预测是通过颁布的信息价，工程结余率普遍较高，工程成本控制精度低，目前没有针对设备材料价格的影响因素进行分析和关联从而进行电网工程设备材料价格预测的技术问题。
2、一种电网工程设
3、s1：获取电网工程主要设备或材料的价格历史数据；
4、其中，所述主要设备或材料的价格历史数据为人工选定的、价格占比大而且对于工程造价影响大的设备和材料在相应时段的价格；
5、s2：获取电网工程设备材料价格的主要影响因素；
6、s3：对各设备或材料构建基于历史数据的价格预测模型；
7、利用历史数据使用灰色关联分析法分别分析并获得各主要影响因素之间的关联程度，灰色关联分析法通过灰色关联度来度量两个因素间关联性大小，描述因素间相对变化的情况；两个因素的相对变化态势基本一致，则说明两者关联性大，灰色关联度大；反之灰色关联度小；
8、选取关联性最大的前设定个数的影响因素作为各设备或材料的价格预测的基础，构建各设备或材料的基于历史数据的价格预测模型，
9、并且同一个设备或材料的价格预测模型利用不同的方法同时建立多个预测模型，并存储后构建基于价格历史数据的预测模型库；
10、通过各设备或材料的价格历史数据预测模型预测并获得相应价格的发展趋势，其本质是时间序列预测；
11、s4：对各设备或材料构建基于影响因素的价格预测模型；
12、对同一个设备或材料构建多种基于影响因素的价格预测模型，并利用历史数据进行训练，分别获得训练后的基于影响因素的价格预测模型；
13、s5：价格预测模型优选；
14、以s3获得的各预测结果为输入，选择最优的价格预测模型进行电网工程各设备或材料的价格成本预测；
15、s501：基于价格波动特性的模型初选
16、采用回望型波动率描述各设备或材料的历史价格波动特性，进而选取合适的价格预测模型，波动率公式为：
17、
18、其中，ui为价格比率；pi为第i个价格样本，u为样本价格均值，s为价格比率的标准差，n为价格比率个数，δ为波动率，τ为样本个数；
19、1)确定预测的设备或材料并通过该设备或材料的价格历史数据，并通过波动率公式获得其波动率；
20、2)通过波动率确定该设备或材料的价格预测模型
21、波动率大于设定阈值，选择基于影响因素的价格预测模型进行下一步预测，波动率小于或等于设定阈值，则选择基于历史数据的价格预测模型；
22、3)根据各输出预测结果
23、基于影响因素的价格预测模型和基于历史数据的价格预测模型均包括多个预测模型，分别获得并输出各预测结果；
24、s502：基于预测效果的模型终选
25、1)基于投影寻踪的模型对各预测结果进行寻优并获得最优投影值，取最优投影值对应的价格预测模型作为该设备或材料的最终选定预测模型，得到该设备或材料的最终预测结果；
26、在最优投影值对应的价格预测模型有两个以上的情况下，将最佳的几种模型得到的预测结果，选取权重进行加权平均，得到该设备或材料的最终预测结果。
27、所述s1中主要设备为变压器、断路器、gis组合电器和隔离开关；所述材料为铁塔、导线和电缆。
28、所述s2中主要影响因素包括生产成本因素、宏观经济因素和政策因素；所述生产成本因素包括原材料成本和人工成本；所述宏观经济因素包括区域经济发展水平、通货膨胀程度、供需关系和行业垄断程度；所述政策因素包括产业政策和货币政策。
29、所述s3中基于历史数据的价格预测模型包括差分自回归华东平均模型、指数平滑模型以及灰色预测模型。
30、所述s4中基于影响因素的价格预测模型包括多元线性回归模型、遗传算法优化的bp神经网络模型以及粒子群优化的支持向量机模型pso-svm。
31、所述s5中基于投影寻踪的模型对预测结果进行评价并获得最优投影值步骤如下：
32、a.数据的预处理
33、对指标数据x(i,j),(i＝1,2,…,n；j＝1,2,…,m)进行极值归一化处理，其中x(i,j)表示第i个评价对象的第j个评价指标，n为评价对象的个数，m为评价指标个数，极值归一化处理公式为：
34、
35、
36、公式(1)是针对极小型指标的，即数据越小越优的指标，公式(2)是针对极大型指标的，即数据越大越优的指标；式中，x*(i,j)表示极值归一化之后的指标数据，xmax(j),xmin(j)分别表示第j个最大值、第j个最小值；
37、b.投影指标函数的构建
38、数据x(i,j)含有m维，将其拟合成以w＝[w(1),w(2),…,w(m)]为影射方向的一位投影值z(i)：
39、
40、该公式中，w为单位长度向量，即评价指标的权重向量；
41、将投影指标函数设定为以下形式：
42、f(w)＝szdz
43、式中，投影值z(i)的标准差表示为sz，局部密度表示为dz，两参数具体计算公式如下：
44、
45、
46、式中，e(z)为序列{z(i)}的平均值；r为局部密度的窗口半径；rij为样本之间的距离；rij＝|z(i)-z(j)|,u(h)为单位阶跃函数；并且r<rij时，u(r-rij)＝0；r≥rij时，u(r-rij)＝1；
47、c.投影指标函数的优化...
【技术保护点】
1.一种电网工程设备材料价格预测方法，其特征是：包括以下步骤，并且以下步骤顺次进行：
2.根据权利要求1所述的一种电网工程设备材料价格预测方法，其特征是：所述S1中主要设备为变压器、断路器、GIS组合电器和隔离开关；所述材料为铁塔、导线和电缆。
3.根据权利要求1所述的一种电网工程设备材料价格预测方法，其特征是：所述S2中主要影响因素包括生产成本因素、宏观经济因素和政策因素；所述生产成本因素包括原材料成本和人工成本；所述宏观经济因素包括区域经济发展水平、通货膨胀程度、供需关系和行业垄断程度；所述政策因素包括产业政策和货币政策。
4.根据权利要求1所述的一种电网工程设备材料价格预测方法，其特征是：所述S3中基于历史数据的价格预测模型包括差分自回归华东平均模型、指数平滑模型以及灰色预测模型。
5.根据权利要求1所述的一种电网工程设备材料价格预测方法，其特征是：所述S4中基于影响因素的价格预测模型包括多元线性回归模型、遗传算法优化的BP神经网络模型以及粒子群优化的支持向量机模型PSO-SVM。
6.根据权利要求1所述的一种电网
...【技术特征摘要】
1.一种电网工程设备材料价格预测方法，其特征是：包括以下步骤，并且以下步骤顺次进行：
2.根据权利要求1所述的一种电网工程设备材料价格预测方法，其特征是：所述s1中主要设备为变压器、断路器、gis组合电器和隔离开关；所述材料为铁塔、导线和电缆。
3.根据权利要求1所述的一种电网工程设备材料价格预测方法，其特征是：所述s2中主要影响因素包括生产成本因素、宏观经济因素和政策因素；所述生产成本因素包括原材料成本和人工成本；所述宏观经济因素包括区域经济发展水平、通货膨胀程度、供需关系和行业垄断程度；所述政策因素包括产业政策和货币政...
【专利技术属性】
技术研发人员：李帅，吴学锋，林俊儒，刘靖波，张鸥，于兴成，贾磊，吕为鹏，蔡姝妹，高洪峰，陈阳，薛弘，邱峰，
申请(专利权)人：国网辽宁省电力有限公司经济技术研究院，
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。