CN110135716B - 一种电网基建项目动态预警识别方法和系统 - Google Patents
一种电网基建项目动态预警识别方法和系统 Download PDFInfo
- Publication number
- CN110135716B CN110135716B CN201910370363.7A CN201910370363A CN110135716B CN 110135716 B CN110135716 B CN 110135716B CN 201910370363 A CN201910370363 A CN 201910370363A CN 110135716 B CN110135716 B CN 110135716B
- Authority
- CN
- China
- Prior art keywords
- early warning
- power grid
- grid infrastructure
- infrastructure project
- project
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 129
- 238000013507 mapping Methods 0.000 claims abstract description 17
- 230000002146 bilateral effect Effects 0.000 claims abstract description 16
- 230000007246 mechanism Effects 0.000 claims abstract description 16
- 238000010276 construction Methods 0.000 claims description 63
- 230000008569 process Effects 0.000 claims description 37
- 239000011159 matrix material Substances 0.000 claims description 32
- 238000010586 diagram Methods 0.000 claims description 22
- 238000012545 processing Methods 0.000 claims description 17
- 238000005516 engineering process Methods 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000012216 screening Methods 0.000 claims description 9
- 238000013024 troubleshooting Methods 0.000 claims description 7
- 238000011835 investigation Methods 0.000 abstract description 3
- 238000007726 management method Methods 0.000 description 10
- 238000004590 computer program Methods 0.000 description 7
- 230000008859 change Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000003111 delayed effect Effects 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 238000012790 confirmation Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000009423 ventilation Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
-
- 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
Abstract
本发明涉及一种电网基建项目动态预警识别方法和系统,其包括以下步骤:分析电网基建项目动态预警现状,并建立电网基建项目多维目标时序预测模型;建立电网基建项目预警指标库,并利用解释结构模型,构建电网基建项目三级关键预警指标库及指标影响结构图;收集待评估电网基建项目的工程资料,绘制电网基建项目动态预警曲线,确定电网基建项目的动态预警阈值;基于多维目标时序预测模型、动态预警曲线与三级关键预警指标不同层级之间的映射与隶属关系,构建自上而下或自下而上的双侧联动偏差排查机制,对电网基建项目进行动态预警。本发明可以广泛应用于电网基建项目动态预警领域。
Description
技术领域
本发明涉及电网基建项目管理领域,具体涉及一种电网基建项目动态预警识别方法和系统。
背景技术
电网基建项目是指按照一定的项目规则程序和一定量的投资金额,以完成新建、扩建等扩大输配电能力为主要目标的电网建设项目。项目具有投资额巨大、设备费用比重大、投资收益低、征地难度大、技术难度高、参与主体多、组织关系复杂、点多线长、受外界因素干扰多等一系列显著特点,因此决定了电网建设项目实施过程中将受到诸多因素的影响。
由于电网基建项目需要累积投资资金额庞大、建设周期持续时间长久以及项目管理复杂等特点,在实际的建设和管理过程中受到了多方因素的影响,导致电网基建项目的工期延误、资源浪费以及费用增加。
发明内容
针对上述问题,本发明的目的是提供一种基于电网基建项目管理特点的电网基建项目动态预警识别方法和系统,“自上而下”寻找电网基建项目预警偏差点,“自下而上”反映电网基建项目施工效率,有助于避免预警项目或者告警项目的发生。
为实现上述目的,本发明采取以下技术方案:
一种电网基建项目动态预警识别方法,其包括以下步骤:分析电网基建项目动态预警现状,并建立电网基建项目多维目标时序预测模型;建立电网基建项目预警指标库,并利用解释结构模型,构建电网基建项目三级关键预警指标库;收集电网基建项目的工程资料,绘制电网基建项目动态预警曲线,确定电网基建项目的动态预警阈值;基于得到的多维目标时序预测模型、三级关键预警指标与动态预警曲线不同层级之间的映射与隶属关系,构建自上而下或自下而上的双侧联动偏差排查机制,对电网基建项目进行动态预警。
进一步的,所述建立电网基建项目预警指标库,并利用解释结构模型,构建电网基建项目三级关键预警指标库的方法为:建立电网基建项目预警指标库;利用解释结构模型,从电网基建项目预警指标库中选取关键预警指标,构建电网基建项目三级关键预警指标库。
进一步的,所述利用解释结构模型,从电网基建项目预警指标库中选取关键预警指标,构建电网基建项目三级关键预警指标库的方法为:
①将建立的电网基建项目预警指标库作为输入数据,输入到解释结构模型中,形成n×m阶数据矩阵A0,其中,n为预警指标个数,m为数据组数;
②对上述数据矩阵A0进行处理,计算数据矩阵A0中n项预警指标两两之间的关联系数,得到n×n阶系数矩阵A1;
③根据预设阈值χ对系数矩阵A1进行处理,得到n×n阶邻接矩阵A2;
④对邻接矩阵A2进行处理,得到n×n阶可达矩阵A3;
⑤对可达矩阵A3进行处理,找出可达矩阵A3中各个元素相对应的可达集P、先行集Q以及两者的交集S,得到各个元素相对应的PQS集合;
⑥在得到的PQS集合的基础上进行关键预警指标筛选与优化,从预警指标最高层开始筛选指标,选择前n1项指标作为成果指标群;从最底层开始筛选指标,选择前n2项指标作为驱动指标群,输出成果指标群和驱动指标群,筛选出电网基建项目三级关键预警指标,形成电网基建项目三级预警指标库。
进一步的,所述收集待评估电网基建项目的工程资料,绘制电网基建项目动态预警曲线,确定电网基建项目的动态预警阈值的方法,包括以下步骤:①根据预先收集的工程资料数据,确定各工序之间的逻辑关系和各工序的时间参数;②根据确定的各工序之间的逻辑关系和各工序的时间参数,形成项目进度计划网络图;③根据项目进度计划网络图中的项目进度计划和实际计划,采用时差理论计算电网基建项目中各工序的机动时间;④基于得到的电网基建项目各工序的时间参数和机动时间,采用关键路径技术确定电网基建项目关键路径和工序,并绘制电网基建项目动态预警曲线,对比分析电网基建项目实际工期和计划工期,确定电网基建项目的动态预警阈值。
进一步的,所述步骤①中,所述各工序的时间参数包括最早开始时间、最早结束时间、最迟开始时间和最迟结束时间;
工序(i,j)的最早开始时间ESij为:
式中,EShi表示工序(h,i)的最早开始时间;Thi表示紧前工序(h,i)的工期;pij表示工序(i,j)的紧前工序集合;
工序(i,j)的最早结束时间EFij为:
EFij=ESij+Tij,
式中,Tij为工序(i,j)的工期;
工序(i,j)的最迟开始时间LSij为:
LSij=LFij-Tij,
式中,LFij表示工序(i,j)的最迟结束时间;
工序(i,j)的最迟结束时间LFij为:
LFij=LSij+Tij。
进一步的,所述步骤②中,所述各工序的机动时间包括总时差、安全时差、自由时差、干扰时差及节点时差;
所述工序(i,j)的总时差TFij为:
式中,dij表示工序(i,j)的持续时间;LTj表示节点(j)的最迟时间;、ETi表示节点(i)的最早时间;
所述工序(i,j)的安全时差SFij为:
式中,LFhi表示工序(h,i)的最迟结束时间;LTj表示节点(j)的最迟时间;、LTi表示节点(i)的最迟时间;
所述工序(i,j)的自由时差FFij为:
式中,ESjk表示工序(j,k)的最早开始时间;ETj表示节点(j)的最早时间;ETi表示节点(i)的最早时间;
所述工序(i,j)的干扰时差IFij为:
所述节点(i)的时差TFi为:
进一步的,所述基于得到的多维目标时序预测模型、动态预警曲线与三级关键预警指标不同层级之间的映射与隶属关系,构建自上而下或自下而上的双侧联动偏差排查机制,对电网基建项目进行动态预警的方法,包括以下步骤:确定不同层级之间的映射关系与隶属关系,构建自上而下或自下而上的双侧联动偏差排查机制;绘制电网基建项目基本目标偏离图,并结合双侧联动偏差排查机制,对影响电网基建项目进度、成本、投资的预警影响进行识别。
一种电网基建项目动态预警识别系统,其包括:预测模型构建模块,用于分析电网基建项目动态预警现状,并建立电网基建项目多维目标时序预测模型;关键预警指标库构建模块,用于建立电网基建项目预警指标库,并利用解释结构模型,构建电网基建项目三级关键预警指标库;动态预警曲线绘制模块,用于基于收集的电网基建项目的工程资料,绘制电网基建项目动态预警曲线,确定电网基建项目的动态预警阈值;动态预警模块,用于基于所述多维目标时序预测模型、动态预警曲线与三级关键预警指标不同层级之间的映射与隶属关系,构建自上而下或自下而上的双侧联动偏差排查机制,对电网基建项目进行动态预警。
进一步的,所述动态预警曲线绘制模块包括:逻辑关系和时间参数确定模块,用于根据预先收集的工程资料数据,确定各工序之间的逻辑关系和各工序的时间参数;项目进度计划绘制模块,用于根据确定的各工序之间的逻辑关系和各工序的时间参数,形成项目进度计划网络图;机动时间计算模块,用于根据项目进度计划网络图中的项目进度计划和实际计划,采用时差理论计算电网基建项目中各工序的机动时间;动态预警曲线绘制模块,用于基于得到的电网基建项目各工序的时间参数和机动时间,采用关键路径技术确定电网基建项目关键路径和工序,并绘制电网基建项目动态预警曲线,对比分析电网基建项目实际工期和计划工期,确定电网基建项目的动态预警阈值。
进一步的,所述关键预警指标库构建模块包括:预警指标库构建模块,用于建立电网基建项目预警指标库;关键预警指标库构建模块,用于利用解释结构模型,从所述电网基建项目预警指标库中选取关键预警指标,构建电网基建项目三级关键预警指标库。
本发明由于采取以上技术方案,其具有以下优点:1、本发明从电网基建项目整体出发,考虑项目可能遇到的所有告警项目或预警项目,与传统的基建项目预警方法相比,更加注重各种不同预警风险之间相互影响,把预警风险视为一个整体衡量考虑,强调了电网基建项目预警风险的双侧性,能够有效对基建工程的偏差进行动态预警,有助于电网基建项目目标的达成。2、本发明从考虑电网基建项目“建设—成本—投资”多维目标的动态预测模型构建、曲线绘制、指标筛选入手,确定不同层级间的映射关系和隶属关系,提出“一级模型—二级曲线—三级指标”的多维目标偏差预警方法,能够准确定位项目实际进度偏差发生点以及提出有效解决方案。因此,本发明可以广泛应用于电网基建项目管理领域。
附图说明
图1为本发明的电网基建项目动态预警方法工作流程图;
图2为本发明的电网基建项目选取关键指标图;
图3为本发明的电网基建项目动态预警曲线图;
图4为本发明的电网基建项目上下联动偏差排查流程图;
图5为本发明电网基建项目基本目标偏离图。
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。
如图1所示,本发明提供的一种电网基建项目动态预警识别方法,基于电网基建项目相关技术,从考虑电网基建项目“建设—成本—投资”多维目标的动态预测模型构建、曲线绘制、指标筛选入手,确定不同层级间的映射关系和隶属关系,提出“一级模型—二级曲线—三级指标”的多维目标偏差预警方法,能够准确定位项目实际进度偏差发生点以及提出有效解决方案。具体的,包括以下步骤:
(1)分析电网基建项目动态预警现状,分别从实物量、财务入账成本和投资目标三个维度,建立电网基建项目多维目标时序预测模型,全面预测和把控项目建设全过程实物量和价值量的进展情况,具体包括以下步骤:
(1.1)综合考虑不同地区、不同气候条件下电网基建项目建设时序特征以及同时考虑特高压、交直流等不同类型项目建设进度特点,采用聚类分析和模糊识别等方法,依据基建项目建设进度精细化分类特征识别原则,构建差异化基建项目实物量目标时序预测模型,实现项目实物量时序精准预测。
(1.2)考虑项目成本要素入账和建安费入账对项目建设进度的影响因素,采用非线性回归和主成分分析等技术,剖析项目成本入账和地区季节差异性,明确其价值确认规律,构建电网基建项目成本目标时序预测模型,为电网基建项目成本精细化管控提供参考。
(1.3)考虑投资完成以基建部“建设进度”为依据,研究建设进度通过传导量化投资进度的方法,类比成本时序预测模型价值单元价值确认规律,构建基于传导效应的投资目标时序预测模型。
(2)建立电网基建项目预警指标库,并利用解释结构模型,构建电网基建项目三级关键预警指标库。具体的,包括以下步骤:
(2.1)分析国内外相关电网工程项目管理研究现状,建立电网基建项目预警指标库。
深入分析国内外相关电网工程项目管理研究现状,并分析其所存在的问题。统筹兼顾各类不确定风险事件对工程项目建设、成本、投资等的影响,遵循选取影响指标原则,形成了影响电网基建项目建设进度、工程成本、投资完成等多维度的预警影响指标库。
通过收集资料对影响电网基建项目进度的指标进行整理分类,根据指标选取原则构建进度、成本、质量三个维度的预警指标库。其中,进度预警指标包括社会环境变化,项目计划制定,工程变更,征地迁移,资金支持,物资供给,自然环境变化共7个指标;成本预警指标包括建筑工程费,主变设备费,一次设备费,二次设备费,电缆及附件费,安装费,调试费,场地征用及清理费,工程监理费,勘查设计费,其他费用共11个指标;质量预警指标包括绘制图纸技术,人员作业技术,人员决策能力,组织管理能力,人员作业资格,激励机制,施工设备质量,设备先进性,操作简便性,设备稳定性,施工技术工艺,调试方法,检测技术,照明通风,安全卫生,灾害控制,政策配合,地方关系,质量预控技术,过程控制技术,质量跟踪共21个指标,如下表1所示。
表1电网基建项目预警指标表
(2.2)如图2所示,利用解释结构模型,从电网基建项目预警指标库中选取关键预警指标,构建电网基建项目三级关键预警指标库。
具体包括以下步骤:
(2.2.1)将步骤(2.1)建立的电网基建项目预警指标库作为输入数据,输入到解释结构模型中,形成n×m阶数据矩阵A0,以适当减少影响指标筛选范围,即
式中,xnm表示第m组数据第n个指标的值,n为预警指标个数,m为数据组数。
(2.2.2)对数据矩阵A0进行处理,计算数据矩阵A0中n项预警指标两两之间的关联系数,得到n×n阶系数矩阵A1。
以A0的第一列和第二列为例,两个指标的关联系数的计算公式为:
得到n×n阶系数矩阵A1:
式中,rnn为关联系数。
(2.2.3)根据预设阈值χ对系数矩阵A1进行处理,得到n×n阶邻接矩阵A2。
处理方式如下:若rij>χ,则令rij=1,否则令rij=0,其中,χ取值可以进行定义,一般取值为0.85,得到的n×n阶邻接矩阵A2为:
(2.2.4)对邻接矩阵A2进行处理,得到n×n阶可达矩阵A3,其中邻接矩阵A2和可达矩阵A3满足下列运算规则:
(A2+I)k-1≠(A2+I)k=(A2+I)k+1=A3 (5)
(2.2.5)对可达矩阵A3进行处理,找出A3中各个元素相对应的可达集P、先行集Q以及两者的交集S。其中,求解可达集P是找出每一行中元素为1对应的列;求解先行集Q是找出每一列中元素为1对应的行。
(2.2.6)通过处理得到各个元素相对应的可达集P、先行集Q以及两者的交集S,从而形成PQS集合。
(2.2.7)在得到的PQS集合的基础上,进行关键预警指标筛选与优化,从预警指标最高层开始筛选指标,选择前n1项指标作为成果指标群;从最底层开始筛选指标,选择前n2项指标作为驱动指标群,输出成果指标群和驱动指标群,筛选出电网基建项目三级关键预警指标,形成电网基建项目预警指标库。
(3)收集待评估电网基建项目的工程资料,绘制电网基建项目动态预警曲线,确定电网基建项目的动态预警阈值。
具体的,包括以下步骤:
(3.1)分解项目结构:根据收集的工程资料数据,确定各工序之间的逻辑关系,并计算各道工序的时间参数。
收集和整理工程资料:主要包括工程项目背景、项目实施条件及限制、项目实施单位及人员数量和技术水平等。
根据电网基建项目各专业质量验评对工程资料数据进行分解,不仅需要考虑各工序之间的逻辑关系,还要根据此基建项目或工序的重要程度归入相应的计划级别中,具体包括以下步骤:
(3.1.1)根据电网基建项目工程资料,确定各工序之间的逻辑关系,一是加强日期形式,以工序之间的前后关系来限制各项活动的进度;二是关键工序或者是里程碑形式,以里程碑事件作为时间进度的决定性因素,制定相应的时间计划。
(3.1.2)计算电网基建项目各工序的时间参数,包括:最早开始时间、最早结束时间、最迟开始时间和最迟结束时间。
电网基建项目中,工序(i,j)必须等它所有的紧前工序完成后才能开始,在这之前该工序是不具备开始条件的,这个时间通常称为工序(i,j)的最早开始时间,以ESij表示,具体计算表达式为:
式中,EShi表示紧前工序(h,i)的最早开始时间;Thi表示紧前工序(h,i)的工期;pij表示工序(i,j)的紧前工序集合。
电网基建项目中,工序(i,j)的最早结束时间就是它的最早开始时间加上该工序的工期,以EFij表示,具体计算表达式为:
EFij=ESij+Tij (7)
式中,Tij为工序(i,j)的工期。
电网基建项目中,工序(i,j)紧接着其后也有一个或几个工序,在不影响整个电网基建项目按期完成的条件下,本工序有一个最迟必须开始时间,该时间称为该工序(i,j)的最迟开始时间,以LSij表示,具体计算表达式为:
LSij=LFij-Tij (8)
式中,LFij表示箭头节点j的最迟结束时间。
电网基建项目中,工序的最迟结束时间就是它的最迟开始时间加上该工序的工期,以LFij表示,具体计算表达式为:
LFij=LSij+Tij (9)
(3.2)根据电网基建项目各工序之间的逻辑关系和各工序时间参数,编制电网基建项目进度计划图。
(3.3)根据项目进度计划网络图中的项目进度计划和实际计划,基于时差理论,计算电网基建项目中每道工序的机动时间,包括各工序的总时差、安全时差、自由时差、干扰时差及节点时差。
基于电网基建项目进度计划和实际计划,计算每道电网基建项目的机动时间,即工序的总时差(TF)、安全时差(SF)、自由时差(FF)、干扰时差(IF)以及节点时差(TF)。
在不影响电网基建项目总工期的条件下,工序(i,j)可以使用的最大机动时间,称为它的总时差,记为TFij,具体计算公式为:
式中,dij表示工序(i,j)的持续时间;LTj表示节点(j)的最迟时间;ETi表示节点(j)的最早时间。
在电网基建项目中工序(i,j),当它的紧前工序在最迟结束时间结束时,它仍可以使用而不影响项目总工期的最大机动时间,称为它的安全时差,记为SFij,具体计算公式为:
式中,LFhi表示工序(h,i)的最迟结束时间;LTj表示节点(j)的最迟时间;LTj表示节点(i)的最迟时间LTi。
在不影响其紧后工序最早开始时间的前提下,它可以使用的最大机动时间,称为它的自由时差,记为FFij,具体计算公式为:
式中,ESjk表示工序(j,k)的最早开始时间;ETj表示节点(j)的最早时间;ETi表示节点(i)的最早时间。
在电网基建项目中,工序(i,j)的干扰时差,记为IFij。当该工序的紧前工序在最迟结束时间结束,紧后工序在最早开始时间开始时,如果IFij>0,则它最大可能推迟,或其工期最大可能延长IFij;而如果IFij<0,则它的工期必须至少缩短IFij,具体计算公式为:
在电网基建项目中,节点(i)的时差是该节点的紧前工序和紧后工序的总时差交叉部分,可以记为TFi,具体计算公式为:
(3.4)如图3所示,基于得到的电网基建项目各工序的时间参数和机动时间,采用关键路径技术确定电网基建项目关键路径和工序,并绘制电网基建项目动态预警曲线,对比分析电网基建项目实际工期和计划工期,确定电网基建项目的动态预警阈值。
(4)基于多维目标时序预测模型、动态预警曲线与三级影响关键预警指标不同层级之间的映射与隶属关系,构建“自上而下”或“自下而上”的双侧联动偏差排查机制,对电网基建项目进行动态预警。
包括以下步骤:
(4.1)确定不同层级之间的映射关系与隶属关系,构建“自上而下”或“自下而上”的双侧联动偏差排查机制。
如图4所示,本发明将电网基建项目的建设进度、成本、投资的多维目标时序预测模型作为第一级,将电网基建项目动态预警曲线作为第二级,将电网基建项目三级影响关键预警指标作为第三级,在三级之间建立“自上而下”的映射关系和“自下而上”的隶属关系。其中,“自上而下”的映射关系是指将由于电网基建项目产生的损失或进度拖延对多维目标时序预测模型造成的偏差,映射到电网基建项目动态预警曲线上,根据电网基建项目动态预警曲线的波动,对电网基建项目三级影响关键预警指标进行风险排查,得到风险源。“自下而上”的隶属关系是指当电网基建项目三级影响关键指标发生变动时,对电网基建项目的动态预警曲线和多维目标时序预测模型的波动范围进行确定,并根据动态预警曲线和多维目标时序预测模型的波动范围进行风险预警。
(4.2)绘制电网基建项目基本目标偏离图,并结合双侧联动偏差排查机制,对影响电网基建项目进度、成本、投资的预警影响进行识别。
如图5所示,基于电网基建项目基本目标偏离图,分析其偏差类型,即正偏差和负偏差,其中引起电网基建项目的费用增加(成本)、工期延误(时间)为正偏差;引起电网基建项目的资源浪费(质量)为负偏差。
基于电网基建项目基本目标偏离图和“自上而下”映射关系,考虑当整体电网基建项目由于影响电网基建项目进度、成本、投资等不确定事件造成损失或进度拖延时,从模型端偏差开始向下映射细化,有效排查影响项目进度或造成损失的关键预警指标,准确定位风险源。
基于电网基建项目基本目标偏离图和“自下而上”隶属关系,针对未告警的隐患项目,考虑当电网基建项目三级指标关键因素变动时,二级动态预警曲线及一级多维目标时序模型端的波动范围,规避超出预警阈值的风险,避免造成电网基建项目的损失,实现项目全局管控。
因此,本发明所提出的电网基建项目动态预警识别方法,从“模型-曲线-指标”多层之间联动偏差排查,可以有效规避各类风险事件的发生和提高基建项目的施工效率。
基于上述电网基建项目动态预警识别方法,本发明还提供一种电网基建项目动态预警识别系统,其包括:预测模型构建模块,用于分析电网基建项目动态预警现状,并建立电网基建项目多维目标时序预测模型;关键预警指标库构建模块,用于建立电网基建项目预警指标库,并利用解释结构模型,构建电网基建项目三级关键预警指标库;动态预警曲线绘制模块,用于基于收集的电网基建项目的工程资料,绘制电网基建项目动态预警曲线,确定电网基建项目的动态预警阈值;动态预警模块,用于基于上述多维目标时序预测模型、动态预警曲线与关键预警指标不同层级之间的映射与隶属关系,构建“自上而下”或“自下而上”的双侧联动偏差排查机制,对电网基建项目进行动态预警。
优选的,关键预警指标库构建模块包括:预警指标库构建模块,用于建立电网基建项目预警指标库;关键预警指标库构建模块,用于利用解释结构模型,从所述电网基建项目预警指标库中选取关键预警指标,构建电网基建项目三级关键预警指标库。
优选的,动态预警曲线绘制模块包括:逻辑关系和时间参数确定模块,用于根据预先收集的工程资料数据,确定各工序之间的逻辑关系和各工序的时间参数;项目进度计划绘制模块,用于根据确定的各工序之间的逻辑关系和各工序的时间参数,形成项目进度计划网络图;机动时间计算模块,用于根据项目进度计划网络图中的项目进度计划和实际计划,采用时差理论计算电网基建项目中各工序的机动时间;动态预警曲线绘制模块,用于基于得到的电网基建项目各工序的时间参数和机动时间,采用关键路径技术确定电网基建项目关键路径和工序,并绘制电网基建项目动态预警曲线,对比分析电网基建项目实际工期和计划工期,确定电网基建项目的动态预警阈值。
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,本申请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。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。上述各实施例仅用于说明本发明,其中各部件的结构、连接方式和制作工艺等都是可以有所变化的,凡是在本发明技术方案的基础上进行的等同变换和改进,均不应排除在本发明的保护范围之外。
Claims (7)
1.一种电网基建项目动态预警识别方法,其特征在于包括以下步骤:
分析电网基建项目动态预警现状,并建立电网基建项目多维目标时序预测模型;
建立电网基建项目预警指标库,并利用解释结构模型,构建电网基建项目三级关键预警指标库;方法为:
建立电网基建项目预警指标库;
利用解释结构模型,从电网基建项目预警指标库中选取关键预警指标,构建电网基建项目三级关键预警指标库,具体包括:
①将建立的电网基建项目预警指标库作为输入数据,输入到解释结构模型中,形成n×m阶数据矩阵A0,其中,n为预警指标个数,m为数据组数;
②对上述数据矩阵A0进行处理,计算数据矩阵A0中n项预警指标两两之间的关联系数,得到n×n阶系数矩阵A1;
③根据预设阈值χ对系数矩阵A1进行处理,得到n×n阶邻接矩阵A2;
④对邻接矩阵A2进行处理,得到n×n阶可达矩阵A3;
⑤对可达矩阵A3进行处理,找出可达矩阵A3中各个元素相对应的可达集P、先行集Q以及两者的交集S,得到各个元素相对应的PQS集合;
⑥在得到的PQS集合的基础上进行关键预警指标筛选与优化,从预警指标最高层开始筛选指标,选择前n1项指标作为成果指标群;从最底层开始筛选指标,选择前n2项指标作为驱动指标群,输出成果指标群和驱动指标群,筛选出电网基建项目三级关键预警指标,形成电网基建项目三级预警指标库;
收集电网基建项目的工程资料,绘制电网基建项目动态预警曲线,确定电网基建项目的动态预警阈值;
包括以下步骤:
①根据预先收集的工程资料数据,确定各工序之间的逻辑关系和各工序的时间参数;
②根据确定的各工序之间的逻辑关系和各工序的时间参数,形成项目进度计划网络图;
③根据项目进度计划网络图中的项目进度计划和实际计划,采用时差理论计算电网基建项目中各工序的机动时间;
④基于得到的电网基建项目各工序的时间参数和机动时间,采用关键路径技术确定电网基建项目关键路径和工序,并绘制电网基建项目动态预警曲线,对比分析电网基建项目实际工期和计划工期,确定电网基建项目的动态预警阈值;
基于得到的多维目标时序预测模型、三级关键预警指标与动态预警曲线不同层级之间的映射与隶属关系,构建自上而下或自下而上的双侧联动偏差排查机制,对电网基建项目进行动态预警。
2.如权利要求1所述的一种电网基建项目动态预警识别方法,其特征在于:所述步骤①中,所述各工序的时间参数包括最早开始时间、最早结束时间、最迟开始时间和最迟结束时间;
工序(i,j)的最早开始时间ESij为:
式中,EShi表示工序(h,i)的最早开始时间;Thi表示紧前工序(h,i)的工期;pij表示工序(i,j)的紧前工序集合;
工序(i,j)的最早结束时间EFij为:
EFij=ESij+Tij,
式中,Tij为工序(i,j)的工期;
工序(i,j)的最迟开始时间LSij为:
LSij=LFij-Tij,
式中,LFij表示工序(i,j)的最迟结束时间;
工序(i,j)的最迟结束时间LFij为:
LFij=LSij+Tij。
3.如权利要求2所述的一种电网基建项目动态预警识别方法,其特征在于:所述步骤②中,所述各工序的机动时间包括总时差、安全时差、自由时差、干扰时差及节点时差;
所述工序(i,j)的总时差TFij为:
式中,dij表示工序(i,j)的持续时间;LTj表示节点(j)的最迟时间;、ETi表示节点(i)的最早时间;
所述工序(i,j)的安全时差SFij为:
式中,LFhi表示工序(h,i)的最迟结束时间;LTj表示节点(j)的最迟时间;、LTi表示节点(i)的最迟时间;
所述工序(i,j)的自由时差FFij为:
式中,ESjk表示工序(j,k)的最早开始时间;ETj表示节点(j)的最早时间;ETi表示节点(i)的最早时间;
所述工序(i,j)的干扰时差IFij为:
所述节点(i)的时差TFi为:
4.如权利要求1所述的一种电网基建项目动态预警识别方法,其特征在于:所述基于得到的多维目标时序预测模型、动态预警曲线与三级关键预警指标不同层级之间的映射与隶属关系,构建自上而下或自下而上的双侧联动偏差排查机制,对电网基建项目进行动态预警的方法,包括以下步骤:
确定不同层级之间的映射关系与隶属关系,构建自上而下或自下而上的双侧联动偏差排查机制;
绘制电网基建项目基本目标偏离图,并结合双侧联动偏差排查机制,对影响电网基建项目进度、成本、投资的预警影响进行识别。
5.一种适用于如权利要求1~4任一项所述方法的电网基建项目动态预警识别系统,其特征在于其包括:
预测模型构建模块,用于分析电网基建项目动态预警现状,并建立电网基建项目多维目标时序预测模型;
关键预警指标库构建模块,用于建立电网基建项目预警指标库,并利用解释结构模型,构建电网基建项目三级关键预警指标库;
动态预警曲线绘制模块,用于基于收集的电网基建项目的工程资料,绘制电网基建项目动态预警曲线,确定电网基建项目的动态预警阈值;
动态预警模块,用于基于所述多维目标时序预测模型、动态预警曲线与三级关键预警指标不同层级之间的映射与隶属关系,构建自上而下或自下而上的双侧联动偏差排查机制,对电网基建项目进行动态预警。
6.如权利要求5所述的一种电网基建项目动态预警识别系统,其特征在于:所述动态预警曲线绘制模块包括:
逻辑关系和时间参数确定模块,用于根据预先收集的工程资料数据,确定各工序之间的逻辑关系和各工序的时间参数;
项目进度计划绘制模块,用于根据确定的各工序之间的逻辑关系和各工序的时间参数,形成项目进度计划网络图;
机动时间计算模块,用于根据项目进度计划网络图中的项目进度计划和实际计划,采用时差理论计算电网基建项目中各工序的机动时间;
动态预警曲线绘制模块,用于基于得到的电网基建项目各工序的时间参数和机动时间,采用关键路径技术确定电网基建项目关键路径和工序,并绘制电网基建项目动态预警曲线,对比分析电网基建项目实际工期和计划工期,确定电网基建项目的动态预警阈值。
7.如权利要求5所述的一种电网基建项目动态预警识别系统,其特征在于:所述关键预警指标库构建模块包括:
预警指标库构建模块,用于建立电网基建项目预警指标库;
关键预警指标库构建模块,用于利用解释结构模型,从所述电网基建项目预警指标库中选取关键预警指标,构建电网基建项目三级关键预警指标库。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910370363.7A CN110135716B (zh) | 2019-05-06 | 2019-05-06 | 一种电网基建项目动态预警识别方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910370363.7A CN110135716B (zh) | 2019-05-06 | 2019-05-06 | 一种电网基建项目动态预警识别方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110135716A CN110135716A (zh) | 2019-08-16 |
CN110135716B true CN110135716B (zh) | 2021-02-09 |
Family
ID=67576274
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910370363.7A Active CN110135716B (zh) | 2019-05-06 | 2019-05-06 | 一种电网基建项目动态预警识别方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110135716B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110941646A (zh) * | 2019-11-11 | 2020-03-31 | 国网浙江武义县供电有限公司 | 基于10kv工程三率数据挖掘的项目进度管控系统 |
CN110942204A (zh) * | 2019-12-04 | 2020-03-31 | 国网安徽省电力有限公司合肥供电公司 | 新开电网基建项目年度计划编制模型构建方法及系统 |
CN111260183B (zh) * | 2020-01-07 | 2023-10-10 | 国网湖北省电力有限公司 | 一种电网基建项目投资计划执行风险评估系统 |
CN111582664A (zh) * | 2020-04-20 | 2020-08-25 | 上海聚米信息科技有限公司 | 一种基于toc关键链的项目管理方法 |
CN112182499B (zh) * | 2020-10-23 | 2022-10-14 | 国网天津市电力公司 | 一种基于时序电量数据的低压配电网拓扑结构辨识方法 |
CN112465011B (zh) * | 2020-11-25 | 2022-08-02 | 深圳平安医疗健康科技服务有限公司 | 基于项目研发过程的项目风险预测方法和系统 |
CN113537941A (zh) * | 2021-07-22 | 2021-10-22 | 重庆电子工程职业学院 | 一种工程管理的实时动态进度控制方法及装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108416477A (zh) * | 2018-03-15 | 2018-08-17 | 国家电网公司 | 一种基于改进挣值法的配电网工程实施多维优化方法 |
CN109409676A (zh) * | 2018-09-27 | 2019-03-01 | 国网经济技术研究院有限公司 | 一种基于双向风险识别模型的电网项目管理方法及系统 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101872446A (zh) * | 2010-06-09 | 2010-10-27 | 中国科学院深圳先进技术研究院 | 基于三维数字城市的消防应急处置方法 |
CN106058857B (zh) * | 2016-06-30 | 2019-04-09 | 上海电力学院 | 计及负荷转移与切负荷的主动配电网可靠性评估方法 |
CN107784612A (zh) * | 2016-08-29 | 2018-03-09 | 华北电力大学 | 一种城市电能绿色新政评价的方法 |
CN106355924B (zh) * | 2016-09-06 | 2019-08-09 | 江苏智通交通科技有限公司 | 交通数据质量监控系统 |
US10733901B2 (en) * | 2016-10-03 | 2020-08-04 | General Electric Technology Gmbh | Dynamic dispatcher training simulator |
KR101852801B1 (ko) * | 2017-01-25 | 2018-04-27 | 선박안전기술공단 | 선박용 전복경보 시스템 |
CN108052576B (zh) * | 2017-12-08 | 2021-04-23 | 国家计算机网络与信息安全管理中心 | 一种事理知识图谱构建方法及系统 |
CN108322334B (zh) * | 2018-01-04 | 2020-12-29 | 浙江大学 | 一种电力通讯系统可靠性评估方法 |
CN109255408A (zh) * | 2018-06-27 | 2019-01-22 | 华中科技大学 | 一种基于电子信标定位和拍照的建筑工程安全隐患排查方法 |
CN109299851A (zh) * | 2018-08-21 | 2019-02-01 | 内蒙古康远工程建设监理有限责任公司 | 一种智能进度动态控制系统 |
CN109636616B (zh) * | 2018-11-21 | 2021-09-14 | 周剑毅 | 一种实现项目群进度总控管理的方法 |
CN109685452A (zh) * | 2018-12-04 | 2019-04-26 | 国网河北省电力有限公司石家庄供电分公司 | 一种供电公司项目数据管理平台 |
-
2019
- 2019-05-06 CN CN201910370363.7A patent/CN110135716B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108416477A (zh) * | 2018-03-15 | 2018-08-17 | 国家电网公司 | 一种基于改进挣值法的配电网工程实施多维优化方法 |
CN109409676A (zh) * | 2018-09-27 | 2019-03-01 | 国网经济技术研究院有限公司 | 一种基于双向风险识别模型的电网项目管理方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110135716A (zh) | 2019-08-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110135716B (zh) | 一种电网基建项目动态预警识别方法和系统 | |
Debrah et al. | Artificial intelligence in green building | |
CN104820716A (zh) | 基于数据挖掘的装备可靠性评估方法 | |
CN106202665B (zh) | 基于域映射与加权关联规则的早期故障根原因识别方法 | |
KR102042318B1 (ko) | 스마트 팩토리 레이아웃 설계 방법 및 시스템 | |
CN105471659A (zh) | 一种故障根因分析方法和分析设备 | |
CN106649479A (zh) | 一种基于概率图的变压器状态关联规则挖掘方法 | |
CN115063056B (zh) | 基于图拓扑分析改进的建造行为安全风险动态分析方法 | |
CN105975797A (zh) | 一种基于模糊数据处理的产品早期故障根原因识别方法 | |
Qiang et al. | Building automation systems for energy and comfort management in green buildings: A critical review and future directions | |
Alizadeh et al. | Using data mining for learning and clustering FCM | |
CN115953252A (zh) | 一种建工安责险保费的确定方法 | |
CN108446841A (zh) | 一种利用灰色关联确定事故因素层次结构的系统方法 | |
CN110543615A (zh) | 基于spss解释结构模型的风险因子交互作用分析方法 | |
Guo et al. | Automatic design for shop scheduling strategies based on hyper-heuristics: A systematic review | |
JAVIDI et al. | Research in random parameters of genetic algorithm and its application on TSP and optimization problems | |
CN111697579B (zh) | 一种电力系统关键输电断面的确定方法、系统及介质 | |
Jasiulewicz-Kaczmarek et al. | Modeling a hierarchical structure of factors influencing exploitation policy for water distribution systems using ISM approach | |
Sharma et al. | Stochastic behavior analysis of the feeding system in a paper mill using NGABLT technique | |
Giráldez et al. | An evolutionary algorithm and acceleration approach for topological design of distributed resource islands | |
CN113111523B (zh) | 求解多约束双层过道智能布局的元启发方法 | |
Tripathi et al. | Analyzing Cross-impact Matrices for Managerial Decision-making Problems with the DEMATEL Approach. | |
CN112070415B (zh) | 基于软件定量管理过程构建的场景化基线与模型实现方法 | |
Rani et al. | A Novel Approach for Analyzing the Behavior of Industrial Systems Using Uncertain Data | |
Thakre et al. | An Advanced Method to Solve Fuzzy Linear Programming Problem |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |