基于PSOELM算法的输变电工程造价预测分析
合集下载
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
摘 要： 为了提高输变电工程造价预测的准确度，降低以后输变电工程建设的结余率，文中将 筛选出的主要影响因素作为 ELM 模型的输入自变量，并利用粒子群优化算法（ PSO） 来优化 ELM 模型中权值和阈值，从而建立 PSO-ELM（ MIV） 的输变电工程造价预测模型。以宁夏某电力公司 2012 － 2013 年的 97 组输变电工程造价样本数据为实例，分别使用 PSO-ELM（ MIV） 、ELM（ MIV） 、 PSO-ELM 和 ELM 预测模型对实例数据进行验证，实验结果表明，相比于其他几种预测模型，PSOELM（ MIV） 预测精度高，实用型更强，可以为日后的输变电工程造价预测提供一种新的思路。 关键词： 输变电工程； 极限学习机； MIV； PSO 中图分类号： TM72 文献标识码： A
文章编号： 1009 － 2552（ 2019） 04 － 0148 － 04 DOI： 10. 13274 / j. cnki. hdzj. 2019. 04. 033
基于 PSO-ELM 算法的输变电工程造价预测分析
于 波，肖艳利，刘尚科，刘小敏，尤 菲
（ 国网宁夏电力有限公司经济技术研究院，银川 750011）
Abstract： In order to improve the cost forecast accuracy，decrease the rate of the construction of the balance in power transmission and transformation project，a PSO-ELM （ MIV） power transmission and transformation project cost prediction model is proposed by selecting the main influencing factors as the input independent variables of ELM model，and using the particle swarm optimization algorithm （ PSO） to optimize the weights and thresholds． Using PSO-ELM （ MIV ） ，ELM （ MIV ） ，PSO-ELM and ELM prediction model to test and verify the 97 sample of Ningxia power transmission and transformation project cost data in 2012 － 2013，the experimental results show that compared with other several kinds of prediction model，PSO-ELM （ MIV） has higher prediction accuracy and is more practical，what can be a new train of thought for project cost prediction． Key words： transmission and transformation engineering； extreme learning machine； MIV； PSO
收稿日期： 2018 － 10 － 20 作者简介： 于波（ 1982 － ） ，男，本科，高级工程师，从事输变电工程
造价管理方面研究。
1 输变电工程造价数据
把主控面积、主变器容量、高压断路器台数、高压回
本文选取宁夏某电力公司 2012 － 2013 年间建 好的 220Kv 变 电 站 中 的 97 组 工 程 造 价 样 本 数 据 （ 如表 1 所示） 用于模型的训练和验证。把单位容 量的工程造价作为 ELM 模型中输出层的输出变量，
0 引言
近年来，随着我国经济和电力系统的发展，输变 电工程建设不断增加［1 － 5］。输变电工程建设是一项 非常复杂的工程，它具有建设周期长、投资大和受到 外界环境因素等特性，导致对输变电工程造价预测 偏差比较大［6 － 8］。对输变电工程造价的准确预测可 以避免过多或过少的工程预算，大大提高电网企业 的效益。为此，构建一种预测精度高的输变电工程 造价预测模型显得尤为重要［9 － 12］。本文以宁夏某
高压 回数
电缆材料 造价 / 万元
高压断路器 主变压器
单价 /
单价 /
（ 万元 /台） （ 万元 /台）
— 148 —
电力公司数据为例，构建出一种 PSO-ELM（ MIV） 的 输变电工程造价预测模型，先通过 MIV 算法选出影 响工造造价的主要因素，即达到一种数据降维的目 的，然后将筛选出来的主要因素作为 ELM 模型的输 入层的输入变量，为了提高 ELM 模型的预测精度， 使用 PSO 算法来优化 ELM 模型中的权值和阈值。
Cost prediction model of transmission and transformation engineering based on PSO-ELM Algorithm
YU Bo，XIAO Yan-li，LIU Shang-ke，LIU Xiao-min，YOU Fei
（ Economic and Technological Ｒesearch Institute，State Grid Ningxia Electric Power Co． Ltd． ，Yinchuan 750011，China）
数、电缆材料 造 价、高 压 断 路 器 单 价、主 变 压 器 单 价、保护测控等二次设备、项目建设技术服务费、征 地补偿等 10 项因素作为模型中输入层的输入自 变量。
表 1 输变电工程样本集
工程 编号
单位容量 造价 /（ 元 /
（ kVAVA）
高压 断路 器台数
文章编号： 1009 － 2552（ 2019） 04 － 0148 － 04 DOI： 10. 13274 / j. cnki. hdzj. 2019. 04. 033
基于 PSO-ELM 算法的输变电工程造价预测分析
于 波，肖艳利，刘尚科，刘小敏，尤 菲
（ 国网宁夏电力有限公司经济技术研究院，银川 750011）
Abstract： In order to improve the cost forecast accuracy，decrease the rate of the construction of the balance in power transmission and transformation project，a PSO-ELM （ MIV） power transmission and transformation project cost prediction model is proposed by selecting the main influencing factors as the input independent variables of ELM model，and using the particle swarm optimization algorithm （ PSO） to optimize the weights and thresholds． Using PSO-ELM （ MIV ） ，ELM （ MIV ） ，PSO-ELM and ELM prediction model to test and verify the 97 sample of Ningxia power transmission and transformation project cost data in 2012 － 2013，the experimental results show that compared with other several kinds of prediction model，PSO-ELM （ MIV） has higher prediction accuracy and is more practical，what can be a new train of thought for project cost prediction． Key words： transmission and transformation engineering； extreme learning machine； MIV； PSO
收稿日期： 2018 － 10 － 20 作者简介： 于波（ 1982 － ） ，男，本科，高级工程师，从事输变电工程
造价管理方面研究。
1 输变电工程造价数据
把主控面积、主变器容量、高压断路器台数、高压回
本文选取宁夏某电力公司 2012 － 2013 年间建 好的 220Kv 变 电 站 中 的 97 组 工 程 造 价 样 本 数 据 （ 如表 1 所示） 用于模型的训练和验证。把单位容 量的工程造价作为 ELM 模型中输出层的输出变量，
0 引言
近年来，随着我国经济和电力系统的发展，输变 电工程建设不断增加［1 － 5］。输变电工程建设是一项 非常复杂的工程，它具有建设周期长、投资大和受到 外界环境因素等特性，导致对输变电工程造价预测 偏差比较大［6 － 8］。对输变电工程造价的准确预测可 以避免过多或过少的工程预算，大大提高电网企业 的效益。为此，构建一种预测精度高的输变电工程 造价预测模型显得尤为重要［9 － 12］。本文以宁夏某
高压 回数
电缆材料 造价 / 万元
高压断路器 主变压器
单价 /
单价 /
（ 万元 /台） （ 万元 /台）
— 148 —
电力公司数据为例，构建出一种 PSO-ELM（ MIV） 的 输变电工程造价预测模型，先通过 MIV 算法选出影 响工造造价的主要因素，即达到一种数据降维的目 的，然后将筛选出来的主要因素作为 ELM 模型的输 入层的输入变量，为了提高 ELM 模型的预测精度， 使用 PSO 算法来优化 ELM 模型中的权值和阈值。
Cost prediction model of transmission and transformation engineering based on PSO-ELM Algorithm
YU Bo，XIAO Yan-li，LIU Shang-ke，LIU Xiao-min，YOU Fei
（ Economic and Technological Ｒesearch Institute，State Grid Ningxia Electric Power Co． Ltd． ，Yinchuan 750011，China）
数、电缆材料 造 价、高 压 断 路 器 单 价、主 变 压 器 单 价、保护测控等二次设备、项目建设技术服务费、征 地补偿等 10 项因素作为模型中输入层的输入自 变量。
表 1 输变电工程样本集
工程 编号
单位容量 造价 /（ 元 /
（ kVAVA）
高压 断路 器台数