CN108846578A - 一种特高压输变电工程的工程量管控方法 - Google Patents
一种特高压输变电工程的工程量管控方法 Download PDFInfo
- Publication number
- CN108846578A CN108846578A CN201810618193.5A CN201810618193A CN108846578A CN 108846578 A CN108846578 A CN 108846578A CN 201810618193 A CN201810618193 A CN 201810618193A CN 108846578 A CN108846578 A CN 108846578A
- Authority
- CN
- China
- Prior art keywords
- project
- engineering
- influence factor
- amount
- high voltage
- 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 101
- 230000005540 biological transmission Effects 0.000 title claims abstract description 20
- 230000009466 transformation Effects 0.000 title claims abstract description 18
- 238000010276 construction Methods 0.000 claims abstract description 39
- 238000007781 pre-processing Methods 0.000 claims abstract description 4
- 238000000513 principal component analysis Methods 0.000 claims description 21
- 238000009826 distribution Methods 0.000 claims description 20
- 238000007689 inspection Methods 0.000 claims description 16
- 230000000694 effects Effects 0.000 claims description 13
- 239000011159 matrix material Substances 0.000 claims description 13
- 238000004458 analytical method Methods 0.000 claims description 12
- 238000004519 manufacturing process Methods 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 12
- 238000012360 testing method Methods 0.000 claims description 12
- 238000004891 communication Methods 0.000 claims description 11
- 230000015572 biosynthetic process Effects 0.000 claims description 9
- 238000003786 synthesis reaction Methods 0.000 claims description 9
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 9
- 238000005259 measurement Methods 0.000 claims description 8
- 239000011435 rock Substances 0.000 claims description 4
- 238000009434 installation Methods 0.000 claims 2
- 230000008859 change Effects 0.000 abstract description 6
- 238000013528 artificial neural network Methods 0.000 description 13
- 239000000463 material Substances 0.000 description 6
- 230000008901 benefit Effects 0.000 description 5
- 238000013461 design Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 239000004020 conductor Substances 0.000 description 3
- 230000005611 electricity Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 239000012212 insulator Substances 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000000611 regression analysis Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 230000000052 comparative effect Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 239000003990 capacitor Substances 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 229910052573 porcelain Inorganic materials 0.000 description 1
- 239000000843 powder Substances 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000011524 similarity measure Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 125000006850 spacer group Chemical group 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 230000003313 weakening effect 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种特高压输变电工程的工程量管控方法,其步骤:对特高压输变电工程的工程量影响因素进行识别;收集识别后的影响因素,并对其进行预处理后得到工程数据库;对工程数据库中的工程量影响因素进行度量;采用组合预测法确定各工程相应工程量的取值及其变动范围,得到拟建工程的工程量;寻找拟建工程的相似工程,并获取模块单价变化趋势及规律;确定拟建工程的模块综合单价;根据获得的拟建工程的工程量和模块综合单价,确定拟建工程造价;判断拟建工程造价是否满足预先设定的工程造价管控目标,满足则确认工程量控制目标,反之,则根据偏差优化调整拟建工程的模块综合单价。本发明能提高工程量动态管控的效率。
Description
技术领域
本发明涉及一种输变电工程管控方法,特别是关于一种特高压输变电工程的工程量管控方法。
背景技术
当前以特高压工程量为主题的研究相对较少,主要是针对输电线路某一方面的研究。而在工程管理方面,国外工程建设对工程量的管控主要是通过制度管控方式来实现的,重视的是功能的实现及效益的提升,相对弱化了工程量“量化”的概念。
建设方的管控措施重点体现在:(1)重视工程建设参与方的选择。如选择有经验的参与方,可以增强对项目设计和项目全阶段全过程的把控能力,从项目的立项阶段就能为建设方提供良好的意见及建议。而且他们容易聚集一流的设计人才、拥有一流的设计技术、运用一流的信息化服务手段,也更加有实力和信心采用新技术、新工艺、新材料,从而为项目的建设提供一个最根本、最可靠的保证。 (2)招投标过程中更加突出投标方的施工图深化设计能力。例如在招投标中允许采用多方案报价法、增加建议方案等,鼓励投标方运用自己的经验提出更有利于项目建设的方式方法,双方共享投资节省所带来的利益的同时,也激励投标方不断总结和提高自身的能力和水平。(3)采用工程监理制度对项目实施过程进行严格把控,降低工程变更率,杜绝恶意更改设计标准、降低使用功能等现象。(4) 加大考核力度及采用深化合作方式。对建设项目进行后评估,通过对质量、效率、效益方面的考核分析,建立工程建设的各参与方的考评机制。通过研究国内外优秀的管理经验,我国在近几年的超高压及以下电网工程建设中通过运用标准化设计、指标化控制的管理方式,取得了工程量管控方面的成效,积累了一些实战经验,为研究特高压输变电工程的工程量管控提供参考依据。
工程量的分析主要为工程造价而服务,通过定额法和工程量计价清单来得以实现。孟华、申林豪(2013)认为工程量计算的作用就在于根据设计图、预算定额划分的工程和定额所规定的工程量计算规则,根据不同的工程项目列举不同的计算公式,计算出结果,这也是在工程造价中最常用的工程量处理方式。1962年,英国的“工程造价信息服务部”提出了造价估算数学模型中用相似来分析工程量, 如果拟建工程与已有工程两者之间的相似程度越高,其工程量就越相似,相应的工程造价就相似。这种方法虽然简单方面,但是不够灵活,其准确性主要依赖相似度的选择,这种相似度也是模糊数学造价预测的关键所在。对此英国的 Kouskoulas和Koehn指出,在实际的工程建设中不可能存在完全相似的两个工程,仅仅通过相似度的参考以某一个已建工程的数据作为参考对象是不准确的,相应的提出了回归方程模型。回归分析主要基于数据统计的方法找出隐藏在数据背后的规律,但是这种方法的预测结果较差,尤其是针对小样本预测而言,难以运用。我国学者也有类似的造价研究,史亮,周钧,杨亚辉(2005)在工程造价中采用模糊数学的方法处理工程量,运用相似度找出与拟建工程相似的已建工程,相似度越大意味着工程在建设施工方面就越相似,相应的工程造价在相似造价的基础之上进行调整;龙丽(2008)在工程造价中采用模糊类比法,在不考虑价格的影响因素之上,找出工程量的主要特征指标进行相似度量得到最相似的三个工程,然后通过相对应的价格调整系数进行工程造价估算。随着计算机技术的发展,Naylor(1967)等提出将计算机仿真预测技术应用到经济领域上,指出仿真分析的预测精度较高,应用较为广泛。这种计算机语言经过不断地演化,在工程造价分析上得到了很大的体现,最为典型的就是神经网络预测技术。神经网络的方法在国外是比较成熟的,M.E.GEORGY等人(2005)运用BP神经网络对项目造价估算,在具体操作中在MATLAB中运用BP神经网络进行样本预测,其结果表明相对于传统的回归分析,BP神经网络的预测精度更高。任宏,周其明(2005)运用神经网络对工程造价和主要工程量进行快速估算;吴子燕,胡秦(2006)以基于西安地区高校的建设案例,分别釆用BP神经网络、RBF径向基函数和FNN模糊神经网络进行了高校建筑工程的造价预测,通过比较发现BP神经网络模型的预测精度最好。赵平,孙树栋等(2005)运用模糊神经网络,张登文(2010),杨锦越(2015)等运行BP神经网络分析进行了建筑工程造价预测的研究,都得到了比较理想的结果,这说明神经网络在工程造价预测研究中运行的比较成熟。
综上所述,工程量分析主要是为工程管理和工程造价服务。在工程造价之中,对工程量的确定主要是采用定额原则,根据工程量计算准则确定,重点在于造价的预测,弱化了工程量的预测。通过文献分析可知,在工程造价预测中回归分析、模糊数学、神经网络都是比较常用的预测方法,而这些方法同样适用于工程量预测分析。如何对特高压输变电工程工程量进行预测管控成为目前亟需解决的技术问题。
发明内容
针对上述问题,本发明的目的是提供一种特高压输变电工程的工程量管控方法,其能实现特高压输变电工程的造价控制目标,大大提高工程量动态管控的效率。
为实现上述目的,本发明采取以下技术方案:一种特高压输变电工程的工程量管控方法,其特征在于,包括以下步骤:1)对特高压输变电工程的工程量影响因素进行识别;2)收集识别后的影响因素,并对其进行预处理后得到工程数据库; 3)对工程数据库中的工程量影响因素进行度量:判断各个工程量及其影响因素之间是否存在显著的线性相关关系,若存在则采用主成分分析法确定各影响因素的权重,完成影响因素度量;4)根据度量后的影响因素,采用组合预测法确定各工程相应工程量的取值及其变动范围,进而得到拟建工程的工程量;5)根据工程数据库寻找拟建工程的相似工程,并获取模块单价变化趋势及规律;6)根据模块单价变化趋势及规律确定拟建工程的模块综合单价;7)根据步骤4)获得的拟建工程的工程量和步骤6)获得的模块综合单价,确定拟建工程造价;8)判断拟建工程造价是否满足预先设定的工程造价管控目标,满足则确认工程量控制目标,反之,则分析与预先设定的工程造价管控目标的偏差,并根据偏差优化调整拟建工程的模块综合单价。
进一步,所述步骤1)中,工程量影响因素识别包括:1.1)特高压输变电线路工程影响因素包括土石方工程、基础工程、杆塔工程、架线工程和附件工程; 1.2)特高压变电站建筑工程量影响因素包括主要生产建筑、特殊构筑物、供水系统、配电装置、所区兴建筑、所区绿化、消防系统和地基处理;1.3)特高压变电站安装工程量影响因素包括站用电系统、辅助生产工程、无功补偿、配电装置、全站电缆及接地、主变压器系统、通信及远动系统和控制及直流系统;1.4)特高压换流站建筑工程量影响因素包括主要生产建筑、站区电缆沟道、直流屋外配电装置、交流屋外配电装置、站区性建筑、特殊构筑物、操作地坪和地基处理;1.5)特高压换流站安装工程量影响因素包括阀厅设备、换流变压器系统、配电装置、全站电缆及接地、站用电系统、供水系统、通信及远动系统和控制及直流系统。
进一步,所述步骤2)中,工程数据库包括:2.1)特高压线路工程数据库结构包括项目基本情况的介绍、工程量数据、每个工程量对应的影响因素数据和价的指标;2.2)特高压变电站工程数据库结构包括安装工程数据库和建筑工程数据库;2.3)特高压换流站工程数据库结构包括安装工程数据库和建筑工程数据库。
进一步,所述安装工程数据库结构包括项目基本情况的介绍、工程量数据和可收集的影响因素数据;所述建筑工程数据库结构包括项目基本情况的介绍、工程量数据、可收集的影响因素数据和价的指标。
进一步,所述步骤3)中,采用巴特利特球度检验方法和KMO检验方法确定是否存在显著的线性相关关系:
3.1)巴特利特球度检验方法:如果变量的相关系数矩阵是单位阵,那么零假设成立,说明这个数据的原始变量时间不存在相关性,因此不合适进行主成分分析,反之,如果变量的相关系数矩阵不是单位矩阵,此时应该拒绝零假设,说明此数据样本适合进行主成分分析;
3.2)KMO检验方法的公式为:
式中,rjk是j元素与k元素的简单相关系数,pjk是j元素和k元素的偏相关系数;
KMO值在[0,1]区间内,当所有变量间的rjk平方和远远大于pjk平方和时,KMO 值趋近于1,代表变量之间存在着强相关性,原有变量适合做主成分分析;当所有变量间的rjk平方和接近0时,KMO值趋近于0,代表变量之间存在弱相关性,原有变量不适合做主成分分析。
进一步,所述巴特利特球度检验方法中,将0.1作为显著水平值Sig.的临界点,Sig.值大于0.1就表示该数据样本不适合进行主成分分析。
进一步,所述KMO检验方法中,如果KMO测度值低于0.5,则说明该数据样本总量偏小,不合适做主成分分析。
进一步,所述步骤4)中,在进行工程量组合预测时首先确定组合权重,根据确定的权重值大小确定选择拟合效果较好的预测方法,权重值越大则拟合效果越好;将相对误差和绝对误差作为预测精度的衡量指标,则采用以下两种方法计算组合权重:
(1)均方差倒数确定组合权重:首先计算不同预测方法得到的测试样本的相对误差r:
式中,y为工程量实际值,为预测值;
其次计算不同预测方法下相对误差的均值E(Rj):
式中,m为测试样本数,n为预测方法数量;
求出相对预测误差的均方差σ(Rj)的倒数:
根据均方差的倒数求出不同预测方法的权系数:
(2)误差平方和倒数确定组合权重:
首先计算不同预测方法下的绝对误差e:
其次计算不同预测方法下的误差平方和Eij:
式中,m为测试样本数,n为预测方法数量;
根据误差平方和计算不同预测方法的权重系数li:
进一步,所述步骤4)中,根据组合预测的相对误差确定工程量的区间估计值:
进一步,所述步骤4)中,采用内插法确定拟建工程的工程量:输入预测工程影响因素b,并在工程数据库中查找是否存在某一影响因素bi与该预测工程影响因素b相等;若相等,则取该影响因素bi所对应的样本工程量区间估计值为预测工程量x;若不相等,则在工程数据库中查找b1=max{bi|bi<b,bi∈W}和b2=min{bi|bi>x,bi∈W},W为影响因素集合;并根据影响因素b1和b2计算得到预测工程量x:
式中,x1表示影响因素b1对应的工程量,x2表示影响因素b2对应的工程量。
本发明由于采取以上技术方案,其具有以下优点:本发明可以有效改善造价管理事后控制的局面,实时监测影响因素的变化并与目标进行比对,可以分析判断工程造价是否超过了限定额度,并着重从工程量的角度进行调整控制,改变造价管控重价不重量的管理现状。
具体实施方式
下面结合实施例对本发明进行详细的描述。
本发明提供一种特高压输变电工程的工程量管控方法,其包括以下步骤:
1)对特高压输变电工程的工程量影响因素进行识别;
1.1)特高压输变电线路工程影响因素包括土石方工程、基础工程、杆塔工程、架线工程和附件工程;
土石方工程包括地质、地形和基础混凝土;
基础工程的工程量包括基础混凝土、基础钢材、挡土墙、排水沟和地脚螺栓;
杆塔工程的主要工程量即塔材,影响塔材的因素主要有导线截面、风速、覆冰、耐张比例、杆塔使用量和地形;
架线工程主要分为导线和地线两部分,导线工程量主要影响因素包括导线截面、风速、覆冰及地形;地线工程量主要影响因素包括地线截面、风速、覆冰及地形;
附件工程包括合成绝缘子、瓷(盘式)绝缘子、金具、防震锤和间隔棒。
1.2)特高压变电站建筑工程量影响因素包括主要生产建筑、特殊构筑物、供水系统、配电装置、所区兴建筑、所区绿化、消防系统和地基处理;
主要生产建筑包括继电室、开关柜室和主控通信室;
特殊构筑物包括挡土墙和护坡;
供水系统包括供水管道和深井泵池;
配电装置包括主变系统、高抗系统、1000kv构支架、5000kv构支架、110kv 构支架和无功补偿基础;
所区兴建筑包括场地平整、围墙及大门、排水管道和所区管道;
所区绿化包括场区面积;
消防系统消防小室和消防管道;
地基处理包括灌注桩和碎石换算。
1.3)特高压变电站安装工程量影响因素包括站用电系统、辅助生产工程、无功补偿、配电装置、全站电缆及接地、主变压器系统、通信及远动系统和控制及直流系统;
站用电系统包括站用照明和站用变压器;
辅助生产工程包括试验室设备、修配检修设备和油及SF6处理设备;
无功补偿包括110kv电容、110kv电抗器和1000kv高压并联电抗器;
配电装置包括110kv配电装置、1000kv常规设备和GIS设备;
全站电缆及接地包括电缆辅助设施、全站电缆、电缆防火和接地材料;
主变压器系统包括主变压器和主变设备材料;
通信及远动系统包括远动及计费系统和通信系统。
1.4)特高压换流站建筑工程量影响因素包括主要生产建筑、站区电缆沟道、直流屋外配电装置、交流屋外配电装置、站区性建筑、特殊构筑物、操作地坪和地基处理;
主要生产建筑包括主控制楼、阀厅和GIS室;
站区电缆沟道包括沟道和钢筋混凝土;
直流屋外配电装置包括直流滤波器、直流场构架和换流变基础及构架;
交流屋外配电装置包括交流场构架、交流滤波器和GIS基础及支架;
站区性建筑包括场地凭证、排水管道和围墙及大门;
特殊构筑物包括挡土墙和护坡;
操作地坪包括出线回数、输送功率和场地面积;
地基处理灌注桩和碎石换填。
1.5)特高压换流站安装工程量影响因素包括阀厅设备、换流变压器系统、配电装置、全站电缆及接地、站用电系统、供水系统、通信及远动系统和控制及直流系统;
阀厅设备包括阀冷却设备和阀厅设备;
换流变压器系统包括变压器台数、500kv避雷器和支柱绝缘子;
配电装置包括交流敞开式设备、交流滤波器设备、直流场设备和GIS串内设备;
全站电缆及接地包括电缆防火、接地材料、电缆使用量和电缆辅助设施;
站用电系统包括照明灯具和站用变压器;
供水系统包括综合水泵房;
通信及远动系统包括通信系统和远动及计费系统;
控制及直流系统包括继电保护和直流系统。
2)收集识别后的影响因素,并对其进行预处理后得到工程数据库;
2.1)特高压线路工程数据库结构包括项目基本情况的介绍、工程量数据、每个工程量对应的影响因素数据和价的指标;
其中,价的指标是指每一个细分的工程量模块相对应的模块单价。
2.2)特高压变电站工程数据库结构包括安装工程数据库和建筑工程数据库;
安装工程数据库结构包括项目基本情况的介绍、工程量数据和可收集的影响因素数据;
建筑工程数据库结构包括项目基本情况的介绍、工程量数据、可收集的影响因素数据和价的指标。
2.3)特高压换流站工程数据库结构包括安装工程数据库和建筑工程数据库;
安装工程数据库结构包括项目基本情况的介绍、工程量数据和可收集的影响因素数据;
建筑工程数据库结构包括项目基本情况的介绍、工程量数据、可收集的影响因素数据和价的指标。
3)对工程数据库中的工程量影响因素进行度量:判断各个工程量及其影响因素之间是否存在显著的线性相关关系,若存在则采用主成分分析法确定各影响因素的权重,完成影响因素度量;
其中,采用巴特利特球度检验方法和KMO检验方法确定是否存在显著的线性相关关系:
3.1)巴特利特球度检验方法是以变量的相关系数矩阵为检验出发点,如果变量的相关系数矩阵是单位阵,那么零假设成立,说明这个数据的原始变量时间不存在相关性,因此不合适进行主成分分析,反之,如果变量的相关系数矩阵不是单位矩阵,此时应该拒绝零假设,说明此数据样本适合进行主成分分析。在本实施例中,将0.1作为显著水平值Sig.的临界点,Sig.值大于0.1就表示该数据样本不适合进行主成分分析。
3.2)KMO检验方法是一个解释样本选取适当性的指标,其公式为:
式中,rjk是j元素与k元素的简单相关系数,pjk是j元素和k元素的偏相关系数。KMO值在[0,1]区间内,当所有变量间的rjk平方和远远大于pjk平方和时, KMO值趋近于1,代表变量之间存在着强相关性,原有变量适合做主成分分析;当所有变量间的rjk平方和接近0时,KMO值趋近于0,代表变量之间存在弱相关性,原有变量不适合做主成分分析。在本实施例中,如果KMO测度值低于0.5,则说明该数据样本总量偏小,不合适做主成分分析。
对存在多个影响因素的工程量,通过主成分分析法来确定各个影响因素的权重。例如,将地形(包括平地、丘陵、河网、泥沼、山地、高山和沙漠)划分为5 个等级,平地为第一等级,丘陵为第二等级,河网、泥沼和沙漠合并为第三等级,山地和高山分别为第四和第五等级,这5个地形等级分别以1、2、3、4、5表示,如果一段线路包含多种地形,需要根据不同地形所占比例对所含地形进行加权平均处理,求得对应的权重,根据权重值大小将影响因素进行排序,权重值越大则重要程度越大。
4)根据度量后的影响因素,采用组合预测法确定各工程相应工程量的取值及其变动范围,进而得到拟建工程的工程量;
4.1)确定组合预测法中采用的预测方法:
组合预测法是针对同一个问题,采用两种以上不同预测方法(例如距离确定法、BP神经网络确定和支持向量机确定法等)的预测。它既可以是几种定量方法的组合,也可以是几种定性的方法的组合。每一种单一预测方法都只是从某一个侧面去刻画数据序列的规律,都只反映序列的部分信息,都有其局限性。如果综合运用多种预测的理论进行组合预测,优势互补,最大程度地利用现有信息,就有望获得更好的预测效果。组合预测的核心问题在于如何求出加权平均系数,使得组合预测模型更加有效地提高预测精度。
在进行工程量组合预测时首先确定组合权重,根据确定的权重值大小确定选择拟合效果较好的预测方法,权重值越大则拟合效果越好。
将相对误差和绝对误差作为预测精度的衡量指标,则采用以下两种方法计算组合权重:
(1)均方差倒数确定组合权重:
首先计算不同预测方法得到的测试样本的相对误差r:
式中,y为工程量实际值,为预测值。
其次计算不同预测方法下相对误差的均值E(Rj):
式中,m为测试样本数,n为预测方法数量。
求出相对预测误差的均方差σ(Rj)的倒数:
根据均方差的倒数求出不同预测方法的权系数:
(2)误差平方和倒数确定组合权重:
首先计算不同预测方法下的绝对误差e:
其次计算不同预测方法下的误差平方和Eij:
式中,m为测试样本数,n为预测方法数量;
根据误差平方和计算不同预测方法的权重系数li:
在进行工程量预测时首先使用两种权重确定方法进行计算,根据计算结果选择拟合效果较好的方法。
4.2)根据组合预测的相对误差确定工程量的区间估计值:
区间估计时,如果总体分布未知,但是为大样本(m≥30),则可以计算总体均值μ在1-α置信水平下的置信区间。
如果将工程量测试样本预测的相对误差作为随机变量,则为相对误差均值, zα/2为标准正态分布右侧面积为α/2时的z值,s是测试样本相对误差的标准差。
根据相对误差平均值的置信区间,可以得到在以平均误差作为工程量预测误差前提下的区间估计值,以置信上限为最大范围。
相应的工程量的区间估计值为:
对于测试样本数小于30的工程量需采用t分布来建立总体均值的置信区间。
4.3)采用内插法确定拟建工程的工程量:
输入预测工程影响因素b,并在工程数据库中查找是否存在某一影响因素bi与该预测工程影响因素b相等;
若相等,则取该影响因素bi所对应的样本工程量区间估计值为预测工程量x;
若不相等,则在工程数据库中查找和 b2=min{bi|bi>x,bi∈W},W为影响因素集合;并根据影响因素b1和b2计算得到预测工程量x:
式中,x1表示影响因素b1对应的工程量,x2表示影响因素b2对应的工程量。
5)根据工程数据库寻找拟建工程的相似工程,并获取模块单价变化趋势及规律;
6)根据模块单价变化趋势及规律确定拟建工程的模块综合单价;
7)根据步骤4)获得的拟建工程的工程量和步骤6)获得的模块综合单价,确定拟建工程造价;
8)判断拟建工程造价是否满足预先设定的工程造价管控目标,满足则确认工程量控制目标,反之,则分析与预先设定的工程造价管控目标的偏差,并根据偏差优化调整拟建工程的模块综合单价。
上述各实施例仅用于说明本发明,各步骤都是可以有所变化的,本领域内的技术人员应明白,本申请的实施例可提供为方法、系统或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
Claims (10)
1.一种特高压输变电工程的工程量管控方法,其特征在于,包括以下步骤:
1)对特高压输变电工程的工程量影响因素进行识别;
2)收集识别后的影响因素,并对其进行预处理后得到工程数据库;
3)对工程数据库中的工程量影响因素进行度量:判断各个工程量及其影响因素之间是否存在显著的线性相关关系,若存在则采用主成分分析法确定各影响因素的权重,完成影响因素度量;
4)根据度量后的影响因素,采用组合预测法确定各工程相应工程量的取值及其变动范围,进而得到拟建工程的工程量;
5)根据工程数据库寻找拟建工程的相似工程,并获取模块单价变化趋势及规律;
6)根据模块单价变化趋势及规律确定拟建工程的模块综合单价;
7)根据步骤4)获得的拟建工程的工程量和步骤6)获得的模块综合单价,确定拟建工程造价;
8)判断拟建工程造价是否满足预先设定的工程造价管控目标,满足则确认工程量控制目标,反之,则分析与预先设定的工程造价管控目标的偏差,并根据偏差优化调整拟建工程的模块综合单价。
2.如权利要求1所述方法,其特征在于:所述步骤1)中,工程量影响因素识别包括:
1.1)特高压输变电线路工程影响因素包括土石方工程、基础工程、杆塔工程、架线工程和附件工程;
1.2)特高压变电站建筑工程量影响因素包括主要生产建筑、特殊构筑物、供水系统、配电装置、所区兴建筑、所区绿化、消防系统和地基处理;
1.3)特高压变电站安装工程量影响因素包括站用电系统、辅助生产工程、无功补偿、配电装置、全站电缆及接地、主变压器系统、通信及远动系统和控制及直流系统;
1.4)特高压换流站建筑工程量影响因素包括主要生产建筑、站区电缆沟道、直流屋外配电装置、交流屋外配电装置、站区性建筑、特殊构筑物、操作地坪和地基处理;
1.5)特高压换流站安装工程量影响因素包括阀厅设备、换流变压器系统、配电装置、全站电缆及接地、站用电系统、供水系统、通信及远动系统和控制及直流系统。
3.如权利要求1所述方法,其特征在于:所述步骤2)中,工程数据库包括:
2.1)特高压线路工程数据库结构包括项目基本情况的介绍、工程量数据、每个工程量对应的影响因素数据和价的指标;
2.2)特高压变电站工程数据库结构包括安装工程数据库和建筑工程数据库;
2.3)特高压换流站工程数据库结构包括安装工程数据库和建筑工程数据库。
4.如权利要求3所述方法,其特征在于:所述安装工程数据库结构包括项目基本情况的介绍、工程量数据和可收集的影响因素数据;所述建筑工程数据库结构包括项目基本情况的介绍、工程量数据、可收集的影响因素数据和价的指标。
5.如权利要求1所述方法,其特征在于:所述步骤3)中,采用巴特利特球度检验方法和KMO检验方法确定是否存在显著的线性相关关系:
3.1)巴特利特球度检验方法:如果变量的相关系数矩阵是单位阵,那么零假设成立,说明这个数据的原始变量时间不存在相关性,因此不合适进行主成分分析,反之,如果变量的相关系数矩阵不是单位矩阵,此时应该拒绝零假设,说明此数据样本适合进行主成分分析;
3.2)KMO检验方法的公式为:
式中,rjk是j元素与k元素的简单相关系数,pjk是j元素和k元素的偏相关系数;
KMO值在[0,1]区间内,当所有变量间的rjk平方和远远大于pjk平方和时,KMO值趋近于1,代表变量之间存在着强相关性,原有变量适合做主成分分析;当所有变量间的rjk平方和接近0时,KMO值趋近于0,代表变量之间存在弱相关性,原有变量不适合做主成分分析。
6.如权利要求5所述方法,其特征在于:所述巴特利特球度检验方法中,将0.1作为显著水平值Sig.的临界点,Sig.值大于0.1就表示该数据样本不适合进行主成分分析。
7.如权利要求5所述方法,其特征在于:所述KMO检验方法中,如果KMO测度值低于0.5,则说明该数据样本总量偏小,不合适做主成分分析。
8.如权利要求1所述方法,其特征在于:所述步骤4)中,在进行工程量组合预测时首先确定组合权重,根据确定的权重值大小确定选择拟合效果较好的预测方法,权重值越大则拟合效果越好;将相对误差和绝对误差作为预测精度的衡量指标,则采用以下两种方法计算组合权重:
(1)均方差倒数确定组合权重:
首先计算不同预测方法得到的测试样本的相对误差r:
式中,y为工程量实际值,为预测值;
其次计算不同预测方法下相对误差的均值E(Rj):
式中,m为测试样本数,n为预测方法数量;
求出相对预测误差的均方差σ(Rj)的倒数:
根据均方差的倒数求出不同预测方法的权系数:
(2)误差平方和倒数确定组合权重:
首先计算不同预测方法下的绝对误差e:
其次计算不同预测方法下的误差平方和Eij:
式中,m为测试样本数,n为预测方法数量;
根据误差平方和计算不同预测方法的权重系数li:
9.如权利要求8所述方法,其特征在于:所述步骤4)中,根据组合预测的相对误差确定工程量的区间估计值:
10.如权利要求8或9所述方法,其特征在于:所述步骤4)中,采用内插法确定拟建工程的工程量:
输入预测工程影响因素b,并在工程数据库中查找是否存在某一影响因素bi与该预测工程影响因素b相等;
若相等,则取该影响因素bi所对应的样本工程量区间估计值为预测工程量x;
若不相等,则在工程数据库中查找和b2=min{bi|bi>x,bi∈W},W为影响因素集合;并根据影响因素b1和b2计算得到预测工程量x:
式中,x1表示影响因素b1对应的工程量,x2表示影响因素b2对应的工程量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810618193.5A CN108846578A (zh) | 2018-06-15 | 2018-06-15 | 一种特高压输变电工程的工程量管控方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810618193.5A CN108846578A (zh) | 2018-06-15 | 2018-06-15 | 一种特高压输变电工程的工程量管控方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108846578A true CN108846578A (zh) | 2018-11-20 |
Family
ID=64202616
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810618193.5A Pending CN108846578A (zh) | 2018-06-15 | 2018-06-15 | 一种特高压输变电工程的工程量管控方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108846578A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110288141A (zh) * | 2019-06-18 | 2019-09-27 | 国网上海市电力公司 | 一种基于神经网络的工程投资转资率预测方法 |
CN113128125A (zh) * | 2021-04-23 | 2021-07-16 | 广东电网有限责任公司 | 输变电工程材料量预测方法和装置 |
CN113791924A (zh) * | 2021-08-13 | 2021-12-14 | 济南浪潮数据技术有限公司 | 一种基于gra的服务器故障诊断规则筛选方法 |
-
2018
- 2018-06-15 CN CN201810618193.5A patent/CN108846578A/zh active Pending
Non-Patent Citations (2)
Title |
---|
徐莉 等: "特高压输电线路工程造价预测模型研究", 《工业技术经济》 * |
罗福多 等: "特高压线路工程的工程量组合预测研究", 《湖北电力》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110288141A (zh) * | 2019-06-18 | 2019-09-27 | 国网上海市电力公司 | 一种基于神经网络的工程投资转资率预测方法 |
CN113128125A (zh) * | 2021-04-23 | 2021-07-16 | 广东电网有限责任公司 | 输变电工程材料量预测方法和装置 |
CN113791924A (zh) * | 2021-08-13 | 2021-12-14 | 济南浪潮数据技术有限公司 | 一种基于gra的服务器故障诊断规则筛选方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106373025B (zh) | 基于离群点检测的用电信息采集系统实时防窃电监测方法 | |
CN112070286B (zh) | 复杂地形流域的降水预报预警系统 | |
CN109492950B (zh) | 一种基于gis技术可满足大区域范围空间饱和负荷预测方法 | |
CN108846578A (zh) | 一种特高压输变电工程的工程量管控方法 | |
CN105573997A (zh) | 一种确定窃电嫌疑用户的方法及装置 | |
CN107748968A (zh) | 一种配电网工程造价数据分析模型的构建方法 | |
CN110489783A (zh) | 一种基于qrnn的低压台区线损率合理范围估计方法 | |
CN109858732A (zh) | 一种城镇供水管网健康状态评价方法 | |
CN115879821B (zh) | 一种基于多源异构数据的基坑工程施工质量评估方法 | |
CN116012189A (zh) | 一种电力设施洪涝受灾空间异质性分析方法和系统 | |
Guo et al. | A review of European low-voltage distribution networks | |
CN113269435B (zh) | 一种新能源场站运行状态耦合监测评估系统 | |
CN113987727A (zh) | 一种基于大数据的斜坡环境下的电缆敷设规划系统及方法 | |
CN117767283A (zh) | 一种基于多策略融合的电网资源趋势预警分析方法及系统 | |
CN112886581A (zh) | 一种基于用户分支电压相关性的台区拓扑识别的方法 | |
Xu et al. | Evaluation of fault level of sensitive equipment caused by voltage sag via data mining | |
CN115511543A (zh) | 一种输变电工程造价测算方法 | |
CN116611785A (zh) | 一种基于大数据的输变电工程造价模型构建方法、系统、设备及介质 | |
CN105787814A (zh) | 一种用于确定配电网降损潜力大小的方法以及装置 | |
CN115544624A (zh) | 一种基于bim技术进行装配式变电站数据交互的方法 | |
Wu et al. | Survey on negative line loss rate of transformer region: rectification measures and challenges | |
CN110927480B (zh) | 一种针对hplc应用环境的低压台区降损方法 | |
CN114168662A (zh) | 一种基于多数据源的配电网问题梳理分析方法及系统 | |
CN101950324A (zh) | 一种河流健康智能诊断的方法和设备 | |
Maji et al. | A co-optimized approach for state estimation based micro phasor measurement unit allocation in power distribution infrastructure |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181120 |