CN115809822A - 一种配电网工程量区间的确定方法 - Google Patents

Abstract

本申请涉及本申请涉及配电网项目造价管理技术领域，具体而言，涉及一种配电网工程量区间的确定方法，一定程度上可以解决使用粗略估计的方式得到的工作量区间的精准度较低的问题。所述方法包括识别工程量影响因素，工程量影响因素包括地理环境、气象条件、项目类型等；对工程量影响因素对应的数据进行收集与整理，输出整理后的工程量样本数据；基于整理后的工程量样本数据构建数据集合，对工程量样本数据进行预处理，并输出不同类型工程所对应的工程量数据；运用模糊聚类分析法，对不同类型工程进一步聚类，计算获得不同类型工程的划分矩阵和聚类原型；基于切比雪夫不等式，计算并输出不同类型工程所对应的工程量区间。

Description

一种配电网工程量区间的确定方法

技术领域

本申请涉及配电网项目造价管理技术领域，具体而言，涉及一种配电网工程量区间的确定方法。

背景技术

配电网投资规模逐步提升是当前企业发展的客观趋势，为了应对当前复杂的内外部经营形势，电网企业必须更加强化造价精准管控。通过筛选典型项目，结合科学方法，合理确定工程量区间，能够优化电网投资决策机制，提高电网投资安全性。

在一些配电网项目造价管理的统计分析过程中，对工程量区间的研究资料较少，相关的研究项目集中在造价区间确定方面，统计分析过程中仅对工程量区间进行简略的估计。

然而，由于配电网施工中过程中对工程量区间统计研究不够深入，进而导致使用粗略估计的方式获得的工作量区间的精准度较低。

发明内容

为了解决使用粗略估计的方式得到的工作量区间的精准度较低的问题，本申请提供了一种配电网工程量区间的确定方法。

本申请的实施例是这样实现的：

本申请实施例的提供一种配电网工程量区间的确定方法，所述方法包括：

识别工程量影响因素，工程量影响因素包括地理环境、气象条件、项目类型等；

对工程量影响因素对应的数据进行收集与整理，输出整理后的工程量样本数据；

基于整理后的工程量样本数据构建数据集合，对工程量样本数据进行预处理，并输出不同类型工程所对应的工程量数据；

运用模糊聚类分析法，对不同类型工程进一步聚类，计算获得不同类型工程的划分矩阵和聚类原型；

基于切比雪夫不等式，计算并输出不同类型工程所对应的工程量区间。

在一些实施例中，在基于整理后的工程量数据构建数据集合，对工程量样本数据进行预处理的过程中，所述方法包括：

使用NACEM D法对每个数据集合对应的工程量样本数据按照不同的时频特性进行分解，得到不同时频范围内的IMF分量。

在一些实施例中，使用NACEMD法对每个数据集合对应的工程量样本数据按照不同的时频特性进行分解，得到不同时频范围内的IMF分量，所述方法包括：

对工程量数据进行多次初始化CEMD，并从工程量数据中获取得到变压器设备故障率原始数据序列；

对变压器设备故障率原始数据序列添加白噪声，以组成复信号；

将复信号进行投影，获得复信号在各个投影方向上的边界包络；

计算边界包络的平均值，并求取复信号在各个投影方向的分量信号，并获取得到IMF分量以及余量的均值；

对多次CEMD获得的每个IMF分量进行均值计算，并将结果作为输出量输出。

在一些实施例中，在运用模糊聚类分析法，对不同类型工程进一步聚类，计算获得不同类型工程的划分矩阵和聚类原型的步骤中，所述方法包括：

使用粒子群改进算法对工程量样本数据进行聚类，获取并输出初始聚类中心以及聚类数量；

使用模糊聚类算法对得到的初始聚类中心进行聚类并获得不同类型工程的最佳划分矩阵和最佳聚类原型。

在一些实施例中，在使用模糊聚类算法对得到的初始聚类中心进行聚类并获得不同类型工程的类别的步骤中，所述方法包括：

使用模糊聚类算法对初始聚类中心对应的工程量样本数据对应的聚类原型矢量和模糊矩阵进行迭代；

设定聚类类别数和迭代停止阈值，同时输出每次获得的划分矩阵和最终聚类原型；

对每类聚类原型对应的工程量样本数据的精密度和类间分离度进行计算并比较；

其中，当工程量样本数据的精密度和类间分离度之间差值最大时，认定所对应的聚类类别数量为最佳分类数量，并输出对应的最佳划分矩阵和最佳聚类原型。

在一些实施例中，在基于切比雪夫不等式，计算并输出不同类型工程所对应的工程量区间的步骤中，所述方法包括：

通过切比雪夫不等式对每个最佳聚类类型对应的工程量样本数据进行区间划分；

对工程样本数据在区间内的百分比例进行判断；

其中，当超过80％的工程量样本数据在区间内，对区间进行调整，并使得区间内的工程量样本数据的百分比在80％左右，输出最终获得的区间作为工程量区间。

本申请的有益效果，通过将工程量样本数据进行统计和整理，并将统计获得的工程量样本数据进行预处理，将工程量数据中的杂点进行剔除，减少工程量样本数据中的异常值；同时，通过使用模糊聚类分析法将工程量样本数据进行分类聚合，获取不同工程类别对应的聚类原型和划分矩阵；通过使用切比雪夫不等式对得到的聚类原型对应的工程量样本数据进行分区，从而对工程量数据的分类区间进行检测，以提高确定配电网工程量区间的宽度的精度。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本申请一实施例的配电网工程量区间的确定方法的流程图；

图2为本申请另一实施例的配电网工程量区间的确定方法的过程示意图；

图3为本申请另一实施例的配电网工程量区间的确定方法用于对工程量样本数据进行预处理的过程示意图；

图4为本申请另一实施例的配电网工程量区间的确定方法用于展示模糊聚类分析法对工程量样本数据进行处理的过程示意图。

具体实施方式

为使本申请的目的、实施方式和优点更加清楚，下面将结合本申请示例性实施例中的附图，对本申请示例性实施方式进行清楚、完整地描述，显然，所描述的示例性实施例仅是本申请一部分实施例，而不是全部的实施例。

需要说明的是，本申请中对于术语的简要说明，仅是为了方便理解接下来描述的实施方式，而不是意图限定本申请的实施方式。除非另有说明，这些术语应当按照其普通和通常的含义理解。

本申请中说明书和权利要求书及上述附图中的术语″第一″、″第二″、″第三″等是用于区别类似或同类的对象或实体，而不必然意味着限定特定的顺序或先后次序，除非另外注明。应该理解这样使用的用语在适当情况下可以互换。

术语″包括″和″具有″以及他们的任何变形，意图在于覆盖但不排他的包含，例如，包含了一系列组件的产品或设备不必限于清楚地列出的所有组件，而是可包括没有清楚地列出的或对于这些产品或设备固有的其它组件。

如图1-2所示。图1为本申请一实施例的配电网工程量区间的确定方法的流程图；图2为本申请另一实施例的配电网工程量区间的确定方法的过程示意图。

在一些实施例中，本申请所提供的一种配电网工程量区间的确定方法，其包括：

步骤210，识别工程量影响因素，工程量影响因素通过实际踏勘或者从当地往年变电站的使用负荷统计数据中获得，工程量影响因素包括地理环境、气象条件、项目类型等；

步骤220，对工程量影响因素对应的数据进行收集与整理，输出整理后的工程量样本数据；

步骤230，基于整理后的工程量样本数据构建数据集合，对工程量样本数据进行预处理，并输出不同类型工程所对应的工程量数据；

步骤240，运用模糊聚类分析法，对不同类型工程进一步聚类，计算获得不同类型工程的划分矩阵和聚类原型；

步骤250，基于切比雪夫不等式，计算并输出不同类型工程所对应的工程量区间。

通过将工程量样本数据进行统计和整理，并将统计获得的工程量样本数据进行预处理，将工程量数据中的杂点进行剔除，减少工程量样本数据中的异常值；同时，通过使用模糊聚类分析法将工程量样本数据进行分类聚合，获取不同工程类别对应的聚类原型和划分矩阵；通过使用切比雪夫不等式对得到的聚类原型对应的工程量样本数据进行分区，从而对工程量数据的分类区间进行检测，以提高确定配电网工程量区间的宽度的精度。

在一些实施例中，在基于整理后的工程量数据构建数据集合，对工程量样本数据进行预处理的过程中，本申请提供的配电网工程量区间的确认方法包括：使用NACEMD法对每个数据集合对应的工程量样本数据按照不同的时频特性进行分解，得到不同时频范围内的IMF分量。

通过对工程量样本数据进行收集与整理，减少在工程量样本数据在处理过程中产生缺陷，通过将工程量样本数据进行划分，从而获得工程量样本数据对应的参数，减少工程量样本数据在后续处理过程中参与计算的值中间误差，同时也可以获得工程量样本数据对应不同类型工程的数据集合和均值，减少提高后续处理工程量样本数据的效率，进而可以实现降低在对配电网工程量区间的分类过程中花费的时间的目的。

参照图3，图3为本申请另一实施例的配电网工程量区间的确认方法用于对工程量样本数据进行预处理的过程示意图。

在一些实施例中，使用NACEMD法对每个数据集合对应的工程量样本数据按照不同的时频特性进行分解，得到不同时频范围内的IMF分量，所述方法包括：

步骤310，对工程量数据进行多次初始化CEMD，并从工程量数据中获取得到变压器设备故障率原始数据序列；

步骤320，对变压器设备故障率原始数据序列添加白噪声，以组成复信号；

步骤330，将复信号进行投影，获得复信号在各个投影方向上的边界包络；

步骤340，计算边界包络的平均值，并求取复信号在各个投影方向的分量信号，并获取得到IMF分量以及余量的均值；

步骤350，对多次CEMD获得的每个IMF分量进行均值计算，并将结果作为输出量输出。

以下实施例为将变压器设备故障率原始数据作为工程量数据时的详细说明：

执行M次初始化CEMD，计次添加幅值为k的白噪声；

将白噪声x_n(z)加入变压器设备故障率原始数据序列x₀(z)，组成复信号x_c(z)，z为时序变量，获得以下公式：

x_c(z)＝x₀(z)+ix_n(z)

将复信号x_c(z)投影到

(

为投影方向，

其中1≤k≤N)上，即：

将欧拉公式带入上式，可得：

当sinφk≠0时，原有极值选取方向改变，求解

的极大值点，并对其进行三次样条插值，得到各投影方向上的边界包络；

计算边界包络线平均值m(z)，再依此求取各分量信号h(z)，h(z)＝x(z)-m(z)(x(z)为故障率序列)；

得到IMF分量及余量的均值；

对M次CEMD过程后得到的每个IMF计算均值作为输出量。

在一些实施例中，在运用模糊聚类分析法，对不同类型工程进一步聚类，计算获得不同类型工程的划分矩阵和聚类原型的步骤中，所述方法包括：

使用粒子群改进算法对工程量样本数据进行聚类，获取并输出初始聚类中心以及聚类数量；

使用模糊聚类算法对得到的初始聚类中心进行聚类并获得不同类型工程的最佳划分矩阵和最佳聚类原型。

参照图4，图4为本申请另一实施例的配电网工程量区间的确定方法用于展示模糊聚类分析法对工程量样本数据进行处理的过程示意图。

在一些实施例中，在使用模糊聚类算法对得到的初始聚类中心进行聚类并获得不同类型工程的类别的步骤中，所述方法包括：

步骤410，使用模糊聚类算法对初始聚类中心对应的工程量样本数据对应的聚类原型矢量和模糊矩阵进行迭代；

步骤420，设定聚类类别数和迭代停止阈值，同时输出每次获得的划分矩阵和最终聚类原型；

步骤430，对每类聚类原型对应的工程量样本数据的精密度和类间分离度进行计算并比较；

步骤440，其中，当工程量样本数据的精密度和类间分离度之间差值最大时，认定所对应的聚类类别数量为最佳分类数量，并输出对应的最佳划分矩阵和最佳聚类原型。

以下为通过模糊聚类算法对初始聚类中心进行聚类的具体过程：

改进模糊聚类算法的目标函数为：

max{J(U，V)}

s.t.J＝J_com-J_sep

其中

其中，c是聚类数量，n是数据个数，

是特征空间的矢量集合，v₁(i＝1，2，...，c)表示第i类的聚类原型矢量，μ_ik∈U，U是一个c×n的模糊矩阵，所述模糊矩阵满足以下条件：

在迭代过程中计算每类数据的紧密度J_com和类间分离度J_sep，然后求得J＝J_com-J_sep，然后以取得最大值的J得到最佳聚类数量、聚类原型以及样本数据所属类型。

给定聚类类别数c，2≤c≤n，n为数据个数，设定迭代停止阈值ε以及模糊指数m，初始化聚类原型模式v(0)，设定迭代计数器n＝0，

如果存在i，k使得

则有

如果存在i，k使得

则有

且j≠i，

若

则算法停止，并且输出划分矩阵U和最终聚类原型V，否则令b＝b+1，并转到上一步骤；

确定最佳分类数量C_m，计算J(C)的值，当满足条件：J(C_m)＝max{J(C)}，则认为C_m为最佳分类数量，并得到输出划分矩阵U和聚类原型V。

在一些实施例中，在基于切比雪夫不等式，计算并输出不同类型工程所对应的工程量区间的步骤中，所述方法包括：

通过切比雪夫不等式对每个最佳聚类类型对应的工程量样本数据进行区间划分；

对工程样本数据在区间内的百分比例进行判断；

其中，当超过80％的工程量样本数据在区间内，对区间进行调整，并使得区间内的工程量样本数据的百分比在80％左右，输出最终获得的区间作为工程量区间。

以下为基于切比雪夫不等式对每个最佳聚类类型对应的工程量样本数据进行区间划分的实施过程：

由切比雪夫不等式得工程量合理区间为，要使得至少80％的统计数据落在区间Φ中：

Φ＝{x|μ-kσ≤x≤μ-kσ}

其中，μ为样本数据的平均值，σ为样本数据的标准差，k为区间系数。

取k＝2.24作为系数初值，并利用进退法迭代k的最优值，从而求出合理区间。

由切比雪夫不等式可得任意分布数据在k个标准差之内至少有C组数据。切比雪夫不等式在数据分布未知情况下，能够确定数据在均值k倍标准差内百分比例C，数据在均值k倍标准差内百分比例C表示为下列公式：

当至少有80％的样本点在区间内时，k＝0.24。若多于80％的样本点落在区间时，可调整k使得区间包括80％左右的样本点，即得到配电网工程较为精确且合理的工程量区间，工程量区间可用下列公式表示：

μ-k_i+1σ≤x≤μ+k_i+1σ

通过基于切比雪夫不等式对工程量样本数据进行区间划分，从而获得相较于估算方法更加精确的工程量区间，方便对后续的施工过程进行参考。

本部分实施例的有益效果在于，通过将工程量样本数据进行统计和整理，并将统计获得的工程量样本数据进行预处理，将工程量数据中的杂点进行剔除，减少工程量样本数据中的异常值；同时，通过使用模糊聚类分析法将工程量样本数据进行分类聚合，获取不同工程类别对应的聚类原型和划分矩阵；通过使用切比雪夫不等式对得到的聚类原型对应的工程量样本数据进行分区，从而对工程量数据的分类区间进行检测，以提高确定配电网工程量区间的宽度的精度。

为了方便解释，已经结合具体的实施方式进行了上述说明。但是，上述在一些实施例中讨论不是意图穷尽或者将实施方式限定到上述公开的具体形式。根据上述的教导，可以得到多种修改和变形。上述实施方式的选择和描述是为了更好的解释原理以及实际的应用，从而使得本领域技术人员更好的使用实施方式以及适于具体使用考虑的各种不同的变形的实施方式。

Claims (6)

1.一种配电网工程量区间的确定方法，其特征在于，所述方法包括：

识别工程量影响因素，工程量影响因素包括地理环境、气象条件、项目类型等；

对工程量影响因素对应的数据进行收集与整理，输出整理后的工程量样本数据；

基于整理后的工程量样本数据构建数据集合，对工程量样本数据进行预处理，并输出不同类型工程所对应的工程量数据；

运用模糊聚类分析法，对不同类型工程进一步聚类，计算获得不同类型工程的划分矩阵和聚类原型；

基于切比雪夫不等式，计算并输出不同类型工程所对应的工程量区间。

2.如权利要求1所述配电网工程量区间的确定方法，其特征在于，在基于整理后的工程量数据构建数据集合，对工程量样本数据进行预处理的过程中，所述方法包括：

使用NACEMD法对每个数据集合对应的工程量样本数据按照不同的时频特性进行分解，得到不同时频范围内的IMF分量。

3.如权利要求2所述配电网工程量区间的确定方法，其特征在于，使用NACEMD法对每个数据集合对应的工程量样本数据按照不同的时频特性进行分解，得到不同时频范围内的IMF分量，所述方法包括：

对工程量数据进行多次初始化CEMD，并从工程量数据中获取得到变压器设备故障率原始数据序列；

对变压器设备故障率原始数据序列添加白噪声，以组成复信号；

将复信号进行投影，获得复信号在各个投影方向上的边界包络；

计算边界包络的平均值，并求取复信号在各个投影方向的分量信号，并获取得到IMF分量以及余量的均值；

对多次CEMD获得的每个IMF分量进行均值计算，并将结果作为输出量输出。

4.如权利要求1所述配电网工程量区间的确定方法，其特征在于，在运用模糊聚类分析法，对不同类型工程进一步聚类，计算获得不同类型工程的划分矩阵和聚类原型的步骤中，所述方法包括：

使用粒子群改进算法对工程量样本数据进行聚类，获取并输出初始聚类中心以及聚类数量；

使用模糊聚类算法对得到的初始聚类中心进行聚类并获得不同类型工程的最佳划分矩阵和最佳聚类原型。

5.如权利要求4所述配电网工程量区间的确定方法，其特征在于，在使用模糊聚类算法对得到的初始聚类中心进行聚类并获得不同类型工程的类别的步骤中，所述方法包括：

使用模糊聚类算法对初始聚类中心对应的工程量样本数据对应的聚类原型矢量和模糊矩阵进行迭代；

设定聚类类别数和迭代停止阈值，同时输出每次获得的划分矩阵和最终聚类原型；

对每类聚类原型对应的工程量样本数据的精密度和类间分离度进行计算并比较；

其中，当工程量样本数据的精密度和类间分离度之间差值最大时，认定所对应的聚类类别数量为最佳分类数量，并输出对应的最佳划分矩阵和最佳聚类原型。

6.如权利要求1所述配电网工程量区间的确定方法，其特征在于，在基于切比雪夫不等式，计算并输出不同类型工程所对应的工程量区间的步骤中，所述方法包括：

通过切比雪夫不等式对每个最佳聚类类型对应的工程量样本数据进行区间划分；

对工程样本数据在区间内的百分比例进行判断；

其中，当超过80％的工程量样本数据在区间内，对区间进行调整，并使得区间内的工程量样本数据的百分比在80％左右，输出最终获得的区间作为工程量区间。

Images