CN105976077A - 一种输变电工程造价动态控制目标计算***及计算方法 - Google Patents
一种输变电工程造价动态控制目标计算***及计算方法 Download PDFInfo
- Publication number
- CN105976077A CN105976077A CN201610124519.XA CN201610124519A CN105976077A CN 105976077 A CN105976077 A CN 105976077A CN 201610124519 A CN201610124519 A CN 201610124519A CN 105976077 A CN105976077 A CN 105976077A
- Authority
- CN
- China
- Prior art keywords
- cost
- project
- engineering
- transmitting
- component
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 47
- 230000009466 transformation Effects 0.000 title claims abstract description 23
- 230000005540 biological transmission Effects 0.000 title claims abstract description 10
- 238000005516 engineering process Methods 0.000 claims abstract description 10
- 238000004364 calculation method Methods 0.000 claims abstract description 7
- 230000005611 electricity Effects 0.000 claims description 58
- 238000013459 approach Methods 0.000 claims description 25
- 238000000354 decomposition reaction Methods 0.000 claims description 18
- 241001123248 Arma Species 0.000 claims description 16
- 238000010276 construction Methods 0.000 claims description 15
- 230000008569 process Effects 0.000 claims description 15
- 238000005311 autocorrelation function Methods 0.000 claims description 14
- 238000000205 computational method Methods 0.000 claims description 14
- 206010019133 Hangover Diseases 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 8
- 238000012360 testing method Methods 0.000 claims description 7
- 238000003745 diagnosis Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 230000001932 seasonal effect Effects 0.000 claims description 6
- 108010076504 Protein Sorting Signals Proteins 0.000 claims description 3
- 230000015556 catabolic process Effects 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000007689 inspection Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 230000003534 oscillatory effect Effects 0.000 claims description 3
- 238000011524 similarity measure Methods 0.000 claims description 3
- 238000001744 unit root test Methods 0.000 claims description 3
- 238000012407 engineering method Methods 0.000 claims description 2
- 238000004804 winding Methods 0.000 claims 1
- 238000012369 In process control Methods 0.000 abstract 1
- 238000010965 in-process control Methods 0.000 abstract 1
- 238000007781 pre-processing Methods 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000012876 topography Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 241001074710 Eucalyptus populnea Species 0.000 description 1
- 101001095088 Homo sapiens Melanoma antigen preferentially expressed in tumors Proteins 0.000 description 1
- 102100037020 Melanoma antigen preferentially expressed in tumors Human genes 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001125 extrusion Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012731 temporal analysis Methods 0.000 description 1
- 238000000700 time series analysis Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06313—Resource planning in a project environment
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Biodiversity & Conservation Biology (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Educational Administration (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种输变电工程造价动态控制目标计算***及计算方法,其步骤:建立输变电工程造价数据集合,进行数据预处理并明确工程特征向量集合;进行相似工程识别:输入相似工程识别条件;采用模糊识别技术选取相似工程:在计算输变电工程造价动态控制目标前,依据造价控制对象的属性,在历史数据样本中筛选相似工程;采用加权海明距离贴近度公式来计算造价控制的目标工程与历史数据的贴近度;根据样本数量和样本贴近度确定贴近度阈值,并根据贴近度阈值判断相似工程数量是都满足计算要求;通过贴近度阈值和相似工程数量生成相似工程造价序列;对识别的输变电相似工程造价进行分解;确定输变电工程造价控制目标。本发明能实现对输变电工程造价的事先干预、事中控制。
Description
技术领域
本发明涉及一种输变电工程造价计算***及方法,特别是关于一种输变电工程造价动态控制目标计算***及计算方法。
背景技术
输变电工程造价控制多以估算、概算、预算、结算“四算”为基础,以造价管理经验及工程造价历史数据为依据,进行事后控制。目前用于输变电工程造价控制的常用方法有甘特图法、曲线法等。甘特图以图形或表格的形式通过活动列表和时间刻度表示特定工程的活动顺序和持续时间,直观易于理解。曲线法绘制标准造价控制目标相对容易,可直接从造价曲线读取数据,简便快速的反映造价偏差。
但上述方法存在以下不足:(1)方法仅反映了造价管控的三重约束,即时间、成本和范围,在进度和成本之间缺乏科学的关联性,不能对进度和成本进行有效地、科学地综合控制。(2)传统的输变电工程造价分析以电压等级作为主要的分类依据,对于工程间的差异或相似程度,完全依赖于造价管控人员的经验。研究表明,输变电工程造价在同电压等级,由于技术参数、施工条件等差异,依然会引起造价的巨大差异。以此为依据进行造价控制,缺乏客观和准确性,容易出现较大误差。(3)工程造价控制是一个动态过程,需要对特定时段工程的进度和成本情况进行分析判断,采用上述方法,需汇总诸多基础数据,方能得出一个大概的进度、成本发生,对人力和时间的消耗巨大,同时缺乏准确性。(4)上述方法对工程造价的控制相对被动,均以历史数据为基础,进行“事后”分析和控制,缺乏对工程本身的实际指导意义,对工程造价的事前干预以及工程实施过程中造价的动态管控相对缺乏。
自回归滑动平均模型由美国统计学家G.E.P.Box和英国统计学家G.M.Jenkins提出的时序分析模型,以自回归模型(Auto-Regressive,AR)与滑动平均模型(MovingAverage,MA)为基础,混合而成。ARMA模型将预测指标随时间推移而形成的数据序列看作是一个随机序列,这组随机变量所具有的依存关系体现着原始数据在时间上的延续性。自回归滑动平均模型虽然计算速度较快、方法便捷、预测精确度高,但仅适用于处理具有大批量数据的规律性时间序列。
综上所述,输变电工程造价控制***在以下几个方面需要突破:(1)输变电工程造价管控应构建时间与造价之间函数关系,实现造价的动态控制。(2)根据输变电工程特点,设计筛选和识别相似工程的模型或算法。(3)以时间为依据,构建造价动态控制目标函数,并对造价变化趋势进行准确预测,实现对输变电工程造价的“事先”干预、“事中”控制。
发明内容
针对上述问题,本发明的目的是提供一种输变电工程造价动态控制目标计算***及计算方法,其能对输变电工程造价变化趋势进行准确预测,实现对输变电工程造价的“事先”干预、“事中”控制。
为实现上述目的,本发明采取以下技术方案:一种输变电工程造价动态控制目标计算方法,其特征在于,该方法包括以下步骤:1)建立输变电工程造价数据集合,进行数据预处理,并明确工程特征向量集合;2)进行相似工程识别:2.1)输入相似工程识别条件;2.2)采用模糊识别技术选取相似工程:在计算输变电工程造价动态控制目标前,依据造价控制对象的属性,在历史数据样本中筛选相似工程;2.3)采用加权海明距离贴近度公式来计算造价控制的目标工程与历史数据的贴近度;2.4)根据样本数量和样本贴近度确定贴近度阈值,并根据贴近度阈值判断相似工程数量是都满足计算要求,若满足则进入下一步;反之,重新确定贴近度阈值;2.5)通过贴近度阈值和相似工程数量生成相似工程造价序列;3)对识别的输变电相似工程造价进行分解:将造价历史数据作为原始信号输入,通过集合经验模态分解方法,将工程造价的历史数据分解为若干具有特定频率和周期的造价分量,并以此为基础进行输变电工程造价预测;4)确定输变电工程造价控制目标:对非平稳的分量进行平稳化处理后,分别对各IMF分量和残余分量建立ARMA模型,得到各分量的预测值,将各分量的预测值进行叠加,得到最终的造价控制目标。
所述步骤2.2)中,选取相似工程方法如下:a)输变电工程隶属度确定:将各工程视为评判指标模糊集,采用模糊数学中的隶属度概念,对比较层项目的各评判指标或工程特征赋予隶属度_ij,i=1,2,…,m;j=1,2,…,n;其中m是已建工程的比较层项目的个数,n是第i个比较层项目的评判指标个数;b)工程特征权重确定:综合考虑各个评判指标,引入工程特征权重值这一概念,对各个评判指标或工程特征uj赋予一相应的权重值Wj,组成比较层项目的工程特征权重值集合:W={W1,W2,…,Wn};其中,W应满足非负性条件和归一化条件;j=1,2,…,n;c)根据工程特征权重测算结果,在历史数据样本中筛选相似工程。
所述步骤a)中,隶属度_ij的确定标准分为三类:第一类是能够直接给出数值的工程特征,此类指标的隶属度用线性插值的方法确定;第二类是只能定性的工程特征;第三类是不能定量的确定性工程特征,分别赋予不同型式或不同情况赋予以不同的隶属度。
所述步骤2.3)中,设A、B、C是论域U上的模糊集合,则论域U上的模糊集合间的贴近度e具有如下性质:a)e(A,A)=1;b)e(A,B)=e(B,A)≥0;c)若A(u)≥B(u)≥C(u)或A(u)≤B(u)≤C(u),则e(A,C)≤e(B,C);贴近度e(A,B)为A与B的相似程度,且e(A,B)的值越接近于1,模糊集合A与B越接近。
所述步骤3)中,具体方法如下:3.1)基于EEMD进行造价分解;3.2)根据分解值进行造价重构:原信号x(t)经EEMD分解后为:
其中,rn(t)为非振荡趋势项,代表信号的平均趋势或均值;3.3)根据造价分量频率高低将各分量分组叠加为随机价格分量和趋势价格分量两个序列;选取振幅和频率相近的分量进行叠加,叠加依据的指标为波动周期、均值和方差占比,以各IMF分量的波动周期TIMF来反映频率。
所述步骤3.1)中,造价分解方法如下:a)设原信号为x(t),对造价时间序列添加白噪声后,找到原信号x(t)的所有极大值和极小值,分别通过三次样条函数拟合出上包络线e+(t)和下包络线e-(t),将上包络线和下包络线的均值作为原信号x(t)的均值包络m1(t);b)将原信号序列减去m1(t),得到一个去掉低频的新信号c)重复上述过程,假设经过k次,满足IMF的定义,则原信号x(t)的一阶IMF分量为:d)用原信号x(t)减去一阶IMF分量c1(t),得到一个去掉高频成分的新信号r1(t);e)将新信号r1(t)作为下一个原始信号,重复上述过程,直到第n阶IMF分量cn(t)或残余分量rn(t)小于预设值;或当残余分量rn(t)是单调函数或常量时,EEMD分解过程停止。
所述步骤c)中,利用限制标准差SD的值来判断筛选结果是否为IMF分量,SD定义为:
式中T表示迭代次数。
所述步骤3.3)中,波动周期TIMF为:TIMFi=IMFi的数据个数/[极值点个数×0.5],式中,分母计算值进位取整数。
所述步骤4)中,确定输变电工程造价控制目标具体方法如下:4.1)将原始数据进行EEMD分解,并以各IMF分量作为预测的基础数据;4.2)根据时间序列的散点图、自相关函数和偏自相关函数图以ADF单位根检验其方差、趋势及其季节性变化规律,对序列的平稳性进行识别;4.3)当数据序列是非平稳的,并存在一定的增长或下降趋势时,则需要对数据进行差分处理;当数据存在异方差时,则需对数据进行对数转换或开方处理,直到处理后的数据的自相关函数值和偏相关函数值趋近于零;4.4)若平稳序列的偏相关函数是拖尾的,而自相关函数是截尾的,则断定序列适合MA模型;若平稳序列的偏相关函数和自相关函数均是拖尾的,则序列适合ARMA模型;4.5)进行参数估计和假设检验,诊断残差序列是否为白噪声;4.6)利用已通过检验的ARMA模型进行ARMA预测分析;4.7)将各IMF分量的预测值进行叠加,得到造价预测值;4.8)采用平均相对误差、均等系数以及均方根误差作为误差分析的指标,当实际值与预测值之间的拟合度在0.9以上时,定为拟合度较好。
一种输变电工程造价动态控制目标计算***,其特征在于:该***包括相似工程识别模块、输变电工程造价分解模块和造价控制目标确定模块;所述相似工程识别模块采用模糊识别法,通过构建特征向量矩阵、确定隶属度及权重、计算贴近度并设定阈值,进行工程相似度识别,确定相似工程造价数据集合;所述输变电工程造价分解模块利用信号分解技术,将相似工程造价数据集合作为原始信号输入,将原始信号分解为若干具有特定频率和周期的造价分量;所述造价控制目标确定模块是通过工程造价确定未来某时点的造价控制目标,并进行均等系数检验。
本发明由于采取以上技术方案,其具有以下优点:1、本发明将工程造价重要属性为评语集的工程相似度识别方法,通过模糊相似度调整提高了相似工程识别的客观准确性。2、本发明采用“总-分-总”的计算模式,对筛选后的造价时间序列利用信号分解技术进行造价分解,通过自回归滑动平均模型建立时间与造价的逻辑关系,并对各造价分量依次进行预测后拟合,更为准确的把握了输变电工程造价变化规律,有效弥补了自回归滑动平均模型对样本数据规律性要求高的局限。3、本发明的输变电工程造价动态控制目标计算方法有效提升了输变电工程造价控制目标的预测精度,均等系数校验结果更优,同时可进行未来任一时点造价控制目标的计算,有效降低造价实际值与目标值的偏离,对输变电工程造价控制由“事后”管理向“事前”控制、“事中”干预模式的转型意义重大。
附图说明
图1是本发明的整体流程图;
图2a是本发明实施例中阈值为0.95时某类变电工程造价分解的IMF1分量示意图;
图2b是本发明实施例中阈值为0.95时某类变电工程造价分解的IMF2分量;
图2c是本发明实施例中阈值为0.95时某类变电工程造价分解的IMF3分量;
图2d是本发明实施例中阈值为0.95时某类变电工程造价分解的IMF3分量;
图2e是本发明实施例中阈值为0.95时某类变电工程造价分解的余量;
图3是本发明实施例中阈值为0.95时某类变电工程造价控制目标值与实际值对比示意图;
图4是本发明实施例中阈值为0.95时某类变电工程造价控制目标预测精度对比示意图。
具体实施方式
下面结合附图和实施例对本发明进行详细的描述。
本发明提供一种输变电工程造价动态控制目标计算***,其包括相似工程识别模块、输变电工程造价分解模块和造价控制目标确定模块。相似工程识别模块采用模糊识别法,通过构建特征向量矩阵、确定隶属度及权重、计算贴近度并设定阈值,进行工程相似度识别,确定相似工程造价数据集合。输变电工程造价分解模块利用信号分解技术,将相似工程造价数据集合作为原始信号输入,将其分解为若干具有特定频率和周期的造价分量,以满足后续造价控制目标模块关于数据规律性要求。造价控制目标确定模块是通过工程造价确定未来某时点的造价控制目标,并进行均等系数检验。其中,造价控制目标计算结果确认以是否通过均等系数校验为标准。
如图1所示,本发明还提供一种输变电工程造价动态控制目标计算方法,该方法结合模糊识别、自回归滑动平均模型和信号分解方法,可有效提升输变电工程造价控制目标的预测精度,降低造价实际值与目标值的偏离,其包括以下步骤:
1)建立输变电工程造价数据集合,进行数据预处理,并明确工程特征向量集合,例如变电工程可以提炼出工程特征向量R={变电型式,本期台数,单台容量,高压出线回数,中压出线回数,配电型式}。在奇异点剔除时,以标准差为依据,标准差愈大,说明个体的变异度就愈大;反之,说明个体的变异度就愈小,计算公式如下:
其中,σ表示总体标准差,X表示输变电工程造价的数据集,μ表示造价总体均值,N表示样本数。
2)进行相似工程识别,其包括以下步骤:
2.1)输入相似工程识别条件:输变电工程属于技术密集的复杂***,影响造价构成的要素主要包括技术参数、建设条件等。
2.2)采用模糊识别技术选取相似工程:在计算输变电工程造价动态控制目标前,依据造价控制对象的属性,在历史数据样本中筛选相似工程,其方法为:
a)输变电工程隶属度确定:将各工程视为评判指标模糊集,为反映评判指标的不同规格或型式对工程造价的影响,采用模糊数学中的隶属度概念,对比较层项目的各评判指标或工程特征赋予隶属度_ij,i=1,2,…,m;j=1,2,…,n。其中m是已建工程的比较层项目的个数,n是第i个比较层项目的评判指标个数。
隶属度_ij的确定标准可以分为三类:第一类是能够直接给出数值的工程特征,如线路工程长度,变电站本期台数,工程量等,此类指标的隶属度用线性插值的方法确定;第二类是只能定性的工程特征,如地形分布划分为七级,分别赋予不同的隶属度,地形分布越复杂则其隶属度越接近于1;第三类是不能定量的确定性工程特征,如线路工程的地质条件,变电工程的配电装置形式等,分别赋予不同型式或不同情况赋予以不同的隶属度。
b)工程特征权重确定:综合考虑各个评判指标,为反映各工程特征对工程造价的重要程度,引入工程特征权重值这一概念,对各个评判指标或工程特征uj(j=1,2,…,n)赋予一相应的权重值Wj,组成比较层项目的工程特征权重值集合:W={W1,W2,…,Wn}。其中,W应满足非负性条件和归一化条件。
c)根据工程特征权重测算结果,在历史数据样本中筛选相似工程。
2.3)采用加权海明距离贴近度公式来计算造价控制的目标工程与历史数据的贴近度,贴近度是用来表示两个模糊集接近程度的定量指标。
设A、B、C是论域U上的模糊集合,则论域U上的模糊集合间的贴近度e具有如下性质:
a)e(A,A)=1;
b)e(A,B)=e(B,A)≥0;
c)若A(u)≥B(u)≥C(u)或A(u)≤B(u)≤C(u),则e(A,C)≤e(B,C)。
显然,贴近度e(A,B)为A与B的相似程度,且e(A,B)的值越接近于1,模糊集合A与B越接近。
2.4)根据样本数量和样本贴近度确定贴近度阈值,并根据贴近度阈值判断相似工程数量是都满足计算要求,若满足则进入下一步;反之,重新确定贴近度阈值。
2.5)通过贴近度阈值和相似工程数量生成相似工程造价序列。
3)对识别的输变电相似工程造价进行分解:将造价历史数据作为原始信号输入,通过集合经验模态分解方法,将工程造价的历史数据分解为若干具有特定频率和周期的造价分量,并以此为基础进行输变电工程造价预测,以提高预测精度。其具体方法如下:
3.1)基于EEMD进行造价分解。其方法为:
a)设原信号为x(t),对造价时间序列添加白噪声后,找到原信号x(t)的所有极大值和极小值,分别通过三次样条函数拟合出上包络线e+(t)和下包络线e-(t),将上包络线和下包络线的均值作为原信号x(t)的均值包络m1(t),则:
b)将原信号序列减去m1(t),得到一个去掉低频的新信号
c)重复上述过程,假设经过k次,满足IMF的定义,则原信号x(t)的一阶IMF分量为:其中,本实施例中利用限制标准差SD的值来判断筛选结果是否为IMF分量,SD定义为:
式中T表示迭代次数。
d)用原信号x(t)减去一阶IMF分量c1(t),得到一个去掉高频成分的新信号r1(t),则:
r1(t)=x(t)-c1(t), (4)
e)将新信号r1(t)作为下一个原始信号,重复上述过程,直到第n阶IMF分量cn(t)或残余分量rn(t)小于预设值;或当残余分量rn(t)是单调函数或常量时,EEMD分解过程停止。
3.2)根据步骤3.1)得到的分解值进行造价重构:原信号x(t)经EEMD分解后为:
其中,rn(t)为非振荡趋势项,代表信号的平均趋势或均值。
3.3)根据造价分量频率高低将各分量分组叠加为随机价格分量和趋势价格分量两个序列。选取振幅和频率相近的分量进行叠加,叠加依据的指标为波动周期、均值和方差占比。以各IMF分量的波动周期TIMF来反映频率,计算方式如下:
TIMFi=IMFi的数据个数/[极值点个数×0.5], (5)
式中,分母计算值进位取整数,如7.1,分母则取8。
4)确定输变电工程造价控制目标:对非平稳的分量进行平稳化处理后,分别对各IMF分量和残余分量建立ARMA模型(自由回归模型),得到各分量的预测值,将各分量的预测值进行叠加,得到最终的造价控制目标;其具体步骤如下:
4.1)将原始数据进行EEMD分解,并以各IMF分量作为预测的基础数据;
4.2)根据时间序列的散点图、自相关函数和偏自相关函数图以ADF单位根检验其方差、趋势及其季节性变化规律,对序列的平稳性进行识别;
4.3)当数据序列是非平稳的,并存在一定的增长或下降趋势时,则需要对数据进行差分处理;当数据存在异方差时,则需对数据进行对数转换或开方处理,直到处理后的数据的自相关函数值和偏相关函数值趋近于零;
4.4)ARMA的适应性分析判断:若平稳序列的偏相关函数是拖尾的,而自相关函数是截尾的,则可断定序列适合MA模型;若平稳序列的偏相关函数和自相关函数均是拖尾的,则序列适合ARMA模型;
4.5)进行参数估计和假设检验,诊断残差序列是否为白噪声;
4.6)利用已通过检验的ARMA模型进行ARMA预测分析;
4.7)将各IMF分量的预测值进行叠加,得到造价预测值;
4.8)采用平均相对误差(MAPE)、均等系数(EC)以及均方根误差(RMSE)作为误差分析的指标。当实际值与预测值之间的拟合度(EC值)在0.9以上时,定为拟合度较好。其计算公式分别如下:
式中,Pk为k时刻的历史数据,为k时刻的预测值,N为总时段数。
实施例:
本实施例以某电压等级的变电工程为例,确定特征元素集合T={变电型式,本期台数,单台容量,高压出线回数}。其各特征向量取值如下:变电型式—户外站,本期台数—2台,单台容量—180MVA,高压侧出现回路—2回。为满足后续预测对基础数据的需求量,并兼顾工程间较高的相似度,当阈值为0.95时确定的样本工程可满足后续造价控制目标计算,因而确定模糊识别的阈值为0.95,选取样本工程共136例。
对上述样本工程进行造价分解,如图2所示,通过造价分解出的各分量呈现明显的规律性和周期性。图2(a)~图2(d)为IMF分量,图2(e)为残余分量。可以看出,图2(a)中所示的IMF分量频率很高,且没有明显周期性,可判断它为原序列的高频分量,即是造价序列的随机分量;图2(b)、图2(c)和图2(d)所示的IMF分量具有一定的周期性,幅值较大,故判断它们为原序列的趋势分量。图2(e)所示的曲线则为剩余分量。以各分量的波动周期来反映频率,计算结果如下:
TIMF1=数据个数/[极值点个数×0.5]=48/[28×0.5]=3.4,
TIMF2=数据个数/[极值点个数×0.5]=48/[9×0.5]=10.7,
TIMF3=数据个数/[极值点个数×0.5]=48/[5×0.5]=19.2,
TIMF4=数据个数/[极值点个数×0.5]=48/[3×0.5]=32,
TIMF5=数据个数/[极值点个数×0.5]=48/[1×0.5]=96。
从周期看,第一分量的周期小,频率较其他分量差异明显,故将后四个分量进行重构,形成趋势分量,第一分量由于差异显著,作为随机分量保留。
对重构后的造价分量进行预测,对序列的平稳性及拖尾情况进行检验,以判断是否适用ARMA模型。由IMF2~IMF5分量的自相关和偏自相关图可知,各分量的自相关系数基本都在95%置信区间内,因而可判断为平稳的时间序列。此外,自相关系数和偏自相关系数均通过逐渐衰减而落入置信区间内,具有拖尾的特性,因而可采用ARMA模型。
对造价分量进行检验,如图3所示,历史造价趋势与预测造价趋势的误差较小,拟合精度较高。如图4所示,与其他现有方法对比,本发明的EC值更接近于1,预测效果更优。
上述各实施例仅用于说明本发明,各个步骤都是可以有所变化的,在本发明技术方案的基础上,凡根据本发明原理对个别步骤进行的改进和等同变换,均不应排除在本发明的保护范围之外。
Claims (10)
1.一种输变电工程造价动态控制目标计算方法,其特征在于,该方法包括以下步骤:
1)建立输变电工程造价数据集合,进行数据预处理,并明确工程特征向量集合;
2)进行相似工程识别:
2.1)输入相似工程识别条件;
2.2)采用模糊识别技术选取相似工程:在计算输变电工程造价动态控制目标前,依据造价控制对象的属性,在历史数据样本中筛选相似工程;
2.3)采用加权海明距离贴近度公式来计算造价控制的目标工程与历史数据的贴近度;
2.4)根据样本数量和样本贴近度确定贴近度阈值,并根据贴近度阈值判断相似工程数量是都满足计算要求,若满足则进入下一步;反之,重新确定贴近度阈值;
2.5)通过贴近度阈值和相似工程数量生成相似工程造价序列;
3)对识别的输变电相似工程造价进行分解:将造价历史数据作为原始信号输入,通过集合经验模态分解方法,将工程造价的历史数据分解为若干具有特定频率和周期的造价分量,并以此为基础进行输变电工程造价预测;
4)确定输变电工程造价控制目标:对非平稳的分量进行平稳化处理后,分别对各IMF分量和残余分量建立ARMA模型,得到各分量的预测值,将各分量的预测值进行叠加,得到最终的造价控制目标。
2.如权利要求1所述的一种输变电工程造价动态控制目标计算方法,其特征在于:所述步骤2.2)中,选取相似工程方法如下:
a)输变电工程隶属度确定:将各工程视为评判指标模糊集,采用模糊数学中的隶属度概念,对比较层项目的各评判指标或工程特征赋予隶属度_ij,i=1,2,…,m;j=1,2,…,n;其中m是已建工程的比较层项目的个数,n是第i个比较层项目的评判指标个数;
b)工程特征权重确定:综合考虑各个评判指标,引入工程特征权重值这一概念,对各个评判指标或工程特征uj赋予一相应的权重值Wj,组成比较层项目的工程特征权重值集合:W={W1,W2,…,Wn};其中,W应满足非负性条件和归一化条件;j=1,2,…,n;
c)根据工程特征权重测算结果,在历史数据样本中筛选相似工程。
3.如权利要求2所述的一种输变电工程造价动态控制目标计算方法,其特征在于:所述步骤a)中,隶属度_ij的确定标准分为三类:第一类是能够直接给出数值的工程特征,此类指标的隶属度用线性插值的方法确定;第二类是只能定性的工程特征;第三类是不能定量的确定性工程特征,分别赋予不同型式或不同情况赋予以不同的隶属度。
4.如权利要求1所述的一种输变电工程造价动态控制目标计算方法,其特征在于:所述步骤2.3)中,设A、B、C是论域U上的模糊集合,则论域U上的模糊集合间的贴近度e具有如下性质:
a)e(A,A)=1;
b)e(A,B)=e(B,A)≥0;
c)若A(u)≥B(u)≥C(u)或A(u)≤B(u)≤C(u),则e(A,C)≤e(B,C);
贴近度e(A,B)为A与B的相似程度,且e(A,B)的值越接近于1,模糊集合A与B越接近。
5.如权利要求1所述的一种输变电工程造价动态控制目标计算方法,其特征在于:所述步骤3)中,具体方法如下:
3.1)基于EEMD进行造价分解;
3.2)根据分解值进行造价重构:原信号x(t)经EEMD分解后为:
其中,rn(t)为非振荡趋势项,代表信号的平均趋势或均值;
3.3)根据造价分量频率高低将各分量分组叠加为随机价格分量和趋势价格分量两个序列;选取振幅和频率相近的分量进行叠加,叠加依据的指标为波动周期、均值和方差占比,以各IMF分量的波动周期TIMF来反映频率。
6.如权利要求5所述的一种输变电工程造价动态控制目标计算方法,其特征在于:所述步骤3.1)中,造价分解方法如下:
a)设原信号为x(t),对造价时间序列添加白噪声后,找到原信号x(t)的所有极大值和极小值,分别通过三次样条函数拟合出上包络线e+(t)和下包络线e-(t),将上包络线和下包络线的均值作为原信号x(t)的均值包络m1(t);
b)将原信号序列减去m1(t),得到一个去掉低频的新信号
c)重复上述过程,假设经过k次,满足IMF的定义,则原信号x(t)的一阶IMF分量为:
d)用原信号x(t)减去一阶IMF分量c1(t),得到一个去掉高频成分的新信号r1(t);
e)将新信号r1(t)作为下一个原始信号,重复上述过程,直到第n阶IMF分量cn(t)或残余分量rn(t)小于预设值;或当残余分量rn(t)是单调函数或常量时,EEMD分解过程停止。
7.如权利要求6所述的一种输变电工程造价动态控制目标计算方法,其特征在于:所述步骤c)中,利用限制标准差SD的值来判断筛选结果是否为IMF分量,SD定义为:
式中T表示迭代次数。
8.如权利要求5所述的一种输变电工程造价动态控制目标计算方法,其特征在于:所述步骤3.3)中,波动周期TIMF为:
TIMFi=IMFi的数据个数/[极值点个数×0.5],
式中,分母计算值进位取整数。
9.如权利要求1所述的一种输变电工程造价动态控制目标计算方法,其特征在于:所述步骤4)中,确定输变电工程造价控制目标具体方法如下:
4.1)将原始数据进行EEMD分解,并以各IMF分量作为预测的基础数据;
4.2)根据时间序列的散点图、自相关函数和偏自相关函数图以ADF单位根检验其方差、趋势及其季节性变化规律,对序列的平稳性进行识别;
4.3)当数据序列是非平稳的,并存在一定的增长或下降趋势时,则需要对数据进行差分处理;当数据存在异方差时,则需对数据进行对数转换或开方处理,直到处理后的数据的自相关函数值和偏相关函数值趋近于零;
4.4)若平稳序列的偏相关函数是拖尾的,而自相关函数是截尾的,则断定序列适合MA模型;若平稳序列的偏相关函数和自相关函数均是拖尾的,则序列适合ARMA模型;
4.5)进行参数估计和假设检验,诊断残差序列是否为白噪声;
4.6)利用已通过检验的ARMA模型进行ARMA预测分析;
4.7)将各IMF分量的预测值进行叠加,得到造价预测值;
4.8)采用平均相对误差、均等系数以及均方根误差作为误差分析的指标,当实际值与预测值之间的拟合度在0.9以上时,定为拟合度较好。
10.一种输变电工程造价动态控制目标计算***,其特征在于:该***包括相似工程识别模块、输变电工程造价分解模块和造价控制目标确定模块;所述相似工程识别模块采用模糊识别法,通过构建特征向量矩阵、确定隶属度及权重、计算贴近度并设定阈值,进行工程相似度识别,确定相似工程造价数据集合;所述输变电工程造价分解模块利用信号分解技术,将相似工程造价数据集合作为原始信号输入,将原始信号分解为若干具有特定频率和周期的造价分量;所述造价控制目标确定模块是通过工程造价确定未来某时点的造价控制目标,并进行均等系数检验。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610124519.XA CN105976077A (zh) | 2016-03-04 | 2016-03-04 | 一种输变电工程造价动态控制目标计算***及计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610124519.XA CN105976077A (zh) | 2016-03-04 | 2016-03-04 | 一种输变电工程造价动态控制目标计算***及计算方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105976077A true CN105976077A (zh) | 2016-09-28 |
Family
ID=56988964
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610124519.XA Pending CN105976077A (zh) | 2016-03-04 | 2016-03-04 | 一种输变电工程造价动态控制目标计算***及计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105976077A (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108197845A (zh) * | 2018-02-28 | 2018-06-22 | 四川新网银行股份有限公司 | 一种基于深度学习模型lstm的交易指标异常的监测方法 |
CN108921334A (zh) * | 2018-06-15 | 2018-11-30 | 国家电网公司 | 一种特高压输变电工程的工程量控制目标确定方法及装置 |
WO2018233256A1 (zh) * | 2017-06-22 | 2018-12-27 | 武汉斗鱼网络科技有限公司 | 直播视频监控方法、存储介质、电子设备及*** |
CN109359952A (zh) * | 2018-11-13 | 2019-02-19 | 国网四川省电力公司经济技术研究院 | 一种输变电工程工程量清单审查方法及*** |
CN109902888A (zh) * | 2017-12-07 | 2019-06-18 | 株洲中车时代电气股份有限公司 | 一种工程造价方法及*** |
CN109978676A (zh) * | 2019-03-21 | 2019-07-05 | 广州翔实工程咨询有限公司 | 一种自动结算方法、***以及存储介质 |
CN111160625A (zh) * | 2019-12-10 | 2020-05-15 | 中铁电气化局集团有限公司 | 电力负荷预测方法、装置、计算机设备及存储介质 |
CN112906717A (zh) * | 2021-03-04 | 2021-06-04 | 广联达科技股份有限公司 | 一种工程文件内容的识别方法及*** |
CN113762791A (zh) * | 2021-09-13 | 2021-12-07 | 郑州铁路职业技术学院 | 一种铁路工程造价管理*** |
CN114638658A (zh) * | 2022-05-07 | 2022-06-17 | 广东飞腾工程咨询有限公司 | 一种基于bim技术数据共享的工程造价方法及*** |
CN115796932A (zh) * | 2022-11-10 | 2023-03-14 | 永道工程咨询有限公司 | 一种工程造价预测方法、装置、电子设备及存储介质 |
CN116308569A (zh) * | 2022-12-01 | 2023-06-23 | 深圳市智筑工程咨询有限公司 | 工程造价辅助指标管理*** |
CN117454225A (zh) * | 2023-11-13 | 2024-01-26 | 承德市工程建设造价管理站 | 一种工程造价数据管理*** |
-
2016
- 2016-03-04 CN CN201610124519.XA patent/CN105976077A/zh active Pending
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018233256A1 (zh) * | 2017-06-22 | 2018-12-27 | 武汉斗鱼网络科技有限公司 | 直播视频监控方法、存储介质、电子设备及*** |
CN109902888A (zh) * | 2017-12-07 | 2019-06-18 | 株洲中车时代电气股份有限公司 | 一种工程造价方法及*** |
CN108197845B (zh) * | 2018-02-28 | 2022-03-18 | 四川新网银行股份有限公司 | 一种基于深度学习模型lstm的交易指标异常的监测方法 |
CN108197845A (zh) * | 2018-02-28 | 2018-06-22 | 四川新网银行股份有限公司 | 一种基于深度学习模型lstm的交易指标异常的监测方法 |
CN108921334A (zh) * | 2018-06-15 | 2018-11-30 | 国家电网公司 | 一种特高压输变电工程的工程量控制目标确定方法及装置 |
CN109359952A (zh) * | 2018-11-13 | 2019-02-19 | 国网四川省电力公司经济技术研究院 | 一种输变电工程工程量清单审查方法及*** |
CN109978676A (zh) * | 2019-03-21 | 2019-07-05 | 广州翔实工程咨询有限公司 | 一种自动结算方法、***以及存储介质 |
CN111160625A (zh) * | 2019-12-10 | 2020-05-15 | 中铁电气化局集团有限公司 | 电力负荷预测方法、装置、计算机设备及存储介质 |
CN111160625B (zh) * | 2019-12-10 | 2020-10-27 | 中铁电气化局集团有限公司 | 电力负荷预测方法、装置、计算机设备及存储介质 |
CN112906717A (zh) * | 2021-03-04 | 2021-06-04 | 广联达科技股份有限公司 | 一种工程文件内容的识别方法及*** |
CN112906717B (zh) * | 2021-03-04 | 2024-05-28 | 广联达科技股份有限公司 | 一种工程文件内容的识别方法及*** |
CN113762791A (zh) * | 2021-09-13 | 2021-12-07 | 郑州铁路职业技术学院 | 一种铁路工程造价管理*** |
CN114638658A (zh) * | 2022-05-07 | 2022-06-17 | 广东飞腾工程咨询有限公司 | 一种基于bim技术数据共享的工程造价方法及*** |
CN114638658B (zh) * | 2022-05-07 | 2022-09-02 | 广东飞腾工程咨询有限公司 | 一种基于bim技术数据共享的工程造价方法及*** |
CN115796932A (zh) * | 2022-11-10 | 2023-03-14 | 永道工程咨询有限公司 | 一种工程造价预测方法、装置、电子设备及存储介质 |
CN115796932B (zh) * | 2022-11-10 | 2023-10-03 | 永道工程咨询有限公司 | 一种工程造价预测方法、装置、电子设备及存储介质 |
CN116308569A (zh) * | 2022-12-01 | 2023-06-23 | 深圳市智筑工程咨询有限公司 | 工程造价辅助指标管理*** |
CN117454225A (zh) * | 2023-11-13 | 2024-01-26 | 承德市工程建设造价管理站 | 一种工程造价数据管理*** |
CN117454225B (zh) * | 2023-11-13 | 2024-05-14 | 承德市工程建设造价管理站 | 一种工程造价数据管理*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105976077A (zh) | 一种输变电工程造价动态控制目标计算***及计算方法 | |
CN103226741B (zh) | 城市供水管网爆管预测方法 | |
CN105487526B (zh) | 一种Fast RVM污水处理故障诊断方法 | |
CN108877223A (zh) | 一种基于时空相关性的短时交通流预测方法 | |
CN108985965A (zh) | 一种结合神经网络和参数估计的光伏功率区间预测方法 | |
CN107704953A (zh) | Ewt分位数回归森林的短期风电功率概率密度预测方法 | |
CN102411729B (zh) | 基于自适应线性逻辑网络的风电功率预测方法 | |
CN109558975A (zh) | 一种电力负荷概率密度多种预测结果的集成方法 | |
CN106781489A (zh) | 一种基于递归神经网络的路网状态预测方法 | |
CN104992244A (zh) | 一种基于sarima和rbf神经网络集成组合模型的机场货运量预测分析方法 | |
CN107292534A (zh) | 城市配电网中长期动态投资的标尺竞争评价方法及装置 | |
CN110826237B (zh) | 基于贝叶斯信念网络的风电设备可靠性分析方法及装置 | |
CN112232561A (zh) | 基于约束并行lstm分位数回归的电力负荷概率预测方法 | |
Nagaraja et al. | A survey on wind energy, load and price forecasting:(Forecasting methods) | |
CN116187835A (zh) | 一种基于数据驱动的台区理论线损区间估算方法及*** | |
Izadikhah et al. | Fuzzy data envelopment analysis with ordinal and interval data | |
CN103208036B (zh) | 一种基于电力用户数据的短期负荷预测方法 | |
CN105825290A (zh) | 一种基于产业链产品产量的电量预测方法 | |
CN105354644A (zh) | 一种基于集成经验模态分解和1-范数支持向量机分位数回归的金融时间序列预测方法 | |
Gorbatiuk et al. | Application of fuzzy time series forecasting approach for predicting an enterprise net income level | |
Zhang et al. | Hybrid model for renewable energy and load forecasting based on data mining and EWT | |
CN113570414A (zh) | 基于改进Adam算法优化深度神经网络的电价预测方法 | |
CN104463683A (zh) | 一种含多源电网中长期负荷预测装置及方法 | |
CN103678953A (zh) | 基于贝叶斯组合神经网络的生物发酵产量在线预报方法 | |
Niu et al. | WPFSAD: Wind Power Forecasting System Integrating Dual-Stage Attention and Deep Learning |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160928 |
|
RJ01 | Rejection of invention patent application after publication |