CN117196257A - 配电网工程辅助结算系统 - Google Patents

Abstract

本发明公开了配电网工程辅助结算系统，涉及配电网工程结算技术领域。该配电网工程辅助结算系统，多模态输入卷积神经网络模块和工程进度结算模块能够帮助工程管理人员更准确地预测和管理施工进度。通过多模态数据的分析和深度学习技术，能够综合考虑多种数据源，以更准确地预测工程施工进度。它识别了各种可能影响进度的因素，例如地理信息、质量指标、天气情况等，从而提供了综合的进度预测，有助于提前发现潜在的进度滞后，问题识别更快速。多模态输入卷积神经网络模块和工程进度结算模块结合深度学习技术，为工程管理提供了更准确的工具，以预测、监测和解决进度相关的技术问题，从而提高工程的效率和质量。

Description

配电网工程辅助结算系统

技术领域

本发明涉及配电网工程结算技术领域，具体为配电网工程辅助结算系统。

背景技术

施工进度结算通常是工程项目结算的一个重要组成部分，尤其是对于长期施工项目或分阶段进行的工程，涉及到对工程的实际进度与计划进度进行核对，以确定施工进度对应的费用支付，有助于控制工程项目的成本，保证工程进度得以维护，同时确保质量标准得到满足。

公开号为CN112926165A的中国专利申请公开了一种基于三维设计20kV及以下配电网架线工程进度结算方法，实现在建模的维度上进行进度阶段标记，即标记杆、横担、绝缘子、拉线、导线、设备，可选择某个设计阶段，查看阶段进度，实现快速统计阶段内装材设备及定额工程量，输出阶段用量，进行阶段结算；可截止某个阶段进行汇总结算，可选择不同阶段进行量价比对，相对于现有配网线路工程采用的批量施工方式，工程投资小、建设周期短，有利于成本管控。

但是现有技术存在不便利用历史信息预测配电网过程各阶段的预期施工时间，不便于实际施工时间进行对比，存在不便提前发现潜在的进度滞后的问题。

发明内容

针对现有技术的不足，本发明提供了配电网工程辅助结算系统，解决了现有技术存在不便利用历史信息预测配电网过程各阶段的预期施工时间，不便于实际施工时间进行对比，存在不便提前发现潜在的进度滞后的问题。

为实现以上目的，本发明通过以下技术方案予以实现：一种配电网工程辅助结算系统，包括多模态输入卷积神经网络模块、工程进度结算模块、进度影响因素排查模块和数据库，其中：所述多模态输入卷积神经网络模块用于获取数据库中的施工进度有关数据文件，并对施工进度有关数据文件进行预处理后通过卷积神经网络实现对设定配电网工程的施工时间进行预测，获取工程各施工阶段预期时间；所述工程进度结算模块用于根据工程各施工阶段预期时间和工程各施工阶段实际时间计算配电网工程各施工阶段进度指标；所述进度影响因素排查模块用于根据电网工程各施工阶段进度指标判断工程各阶段是否按预期时间完成施工，若为按预期时间完成施工，则排查影响施工进度的影响因素；所述数据库用于存储施工进度有关数据文件，所述施工进度有关数据文件包括历史配电网工程各施工阶段的地理信息、预算信息、施工成本信息、质量指标信息、天气信息和施工完成时间；还包括在施工配电网工程各施工阶段的地理信息、预算信息、施工成本信息、质量指标信息和预测天气信息。

进一步地，所述多模态输入卷积神经网络模块包括多模态输入单元和卷积神经网络单元，其中多模态输入单元用于获取施工进度有关数据文件并对施工进度有关数据文件进行预处理后输入卷积神经网络单元，所述卷积神经网络单元用于接收处理后的施工进度有关数据文件预测工程各施工阶段预期时间。

进一步地，所述多模态输入单元预处理施工进度有关数据文件的过程如下：将图像数据转化为固定大小的特征向量；将文本数据通过自然语言处理获得文本的数值表示；将数值数据进行标准化；将特征向量、数值表示和标准化后的数值数据合并构成数据集后输入卷积神经网络单元。

进一步地，所述卷积神经网络单元接收多模态输入单元输出的数据集，将数据集按照设定的比例划分为训练集和验证集，学习并预测工程各施工阶段预期时间，定义时间损失函数衡量卷积神经网络单元的性能。

进一步地，所述时间损失函数的公式为：其中σ为损失函数值，表示预测值与实际值之间的差异，i＝1,2,3,...,n为历史配电网工程的个数，j＝1,2,3,...,m为每个历史配电网工程对应的各个阶段，/>为第i个历史配电网工程的第j个施工阶段的实际施工时间，/>为第i个历史配电网工程的第j个施工阶段的预期时间，χ为施工时间计算补偿因子，e为自然常数。

进一步地，计算配电网工程各施工阶段进度指标的过程为：将施工进度有关数据文件中的在施工配电网工程各施工阶段的地理信息、预算信息、施工成本信息、质量指标信息和预测天气信息输入多模态输入卷积神经网络模块，预测在施工配电网过程的工程各施工阶段预期时间；通过日志文件获取工程各施工阶段实际时间，计算配电网工程各施工阶段进度指标，公式为：其中Γ为各施工阶段进度指标，其表示为与0的偏差越大，表示各阶段实际施工时间与预测施工时间的偏差越大，也即施工过快或施工过慢，T_y表示在施工配电网工程各施工阶段预期时间，T_s为在施工配电网工程各施工阶段实际施工时间，λ为进度计算调制参数。

进一步地，所述进度影响因素排查模块包括对比单元和排查单元，其中：所述对比单元用于获取配电网工程各施工阶段进度指标并将其与设定得到阈值指标对比，判断配电网工程各施工阶段进度指标是否超出阈值指标，若是，则由排查单元排查影响施工进度的影响因素；所述排查单元用于在配电网工程各施工阶段进度指标超出阈值指标时排查天气信息和资金信息，确定影响施工进度的影响因素。

进一步地，所述排查单元排查天气信息的过程如下：获取施工期间的气象信息，基于设定的施工天气标准确定影响施工正常进行的实际时间；基于设定的施工天气标准确定预测天气信息中影响施工正常进行的预测时间；计算天气影响指标，公式为：其中Λ_t为天气影响指标，H_s为影响施工正常进行的实际时间，H_y为影响施工正常进行的预测时间，H_s和H_y的单位均为h，Λ_t越小时，表示天气对施工过快起到促进作用，Λ_t越大时，表示天气对施工过慢起到促进作用；判断天气影响指标是否大于设定的天气阈值指标，若是则影响施工进度的影响因素包括天气。

进一步地，所述排查单元排查资金信息的过程如下：获取在施工配电网工程各施工阶段的预算信息、施工成本信息中的各项预算数据和各项施工成本数据；将各项预算数据与对应的各项施工成本数据的差值进行加权求和计算；均一化处理获得资金影响指标；判断资金影响指标是否大于设定的资金阈值指标，若是则影响施工进度的影响因素包括资金。

进一步地，所述资金影响指标的计算公式为：其中Λ_z为资金影响指标，YS_c为第c项预算值，CB_c为第c项施工成本值，/>为指标计算补偿参数，κ_c为第c个预算值与施工成本值的差值。

本发明具有以下有益效果：

(1)、该配电网工程辅助结算系统，多模态输入卷积神经网络模块和工程进度结算模块能够帮助工程管理人员更准确地预测和管理施工进度。通过多模态数据的分析和深度学习技术，能够综合考虑多种数据源，以更准确地预测工程施工进度。它识别了各种可能影响进度的因素，例如地理信息、质量指标、天气情况等，从而提供了综合的进度预测，有助于提前发现潜在的进度滞后，问题识别更快速。多模态输入卷积神经网络模块和工程进度结算模块结合深度学习技术，为工程管理提供了更准确的工具，以预测、监测和解决进度相关的技术问题，从而提高工程的效率和质量。

(2)、该配电网工程辅助结算系统，进度影响因素排查模块，包括天气影响和资金影响的排查单元，帮助项目管理人员智能地管理风险。通过比较实际情况和预期情况，系统可以识别可能的风险因素，例如天气不佳或资金不足。这有助于解决技术问题，如如何应对不可预测的天气变化和资金短缺，从而提高工程的管理和质量。

当然，实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。

附图说明

图1为本发明配电网工程辅助结算系统流程框图。

图2为本发明配电网工程辅助结算系统多模态输入单元预处理施工进度有关数据文件的过程流程图。

图3为本发明配电网工程辅助结算系统计算配电网工程各施工阶段进度指标的过程流程图。

图4为本发明配电网工程辅助结算系统排查单元排查资金信息的过程流程图。

具体实施方式

本申请实施例通过配电网工程辅助结算系统，实现了解决现有技术存在不便利用历史信息预测配电网过程各阶段的预期施工时间，不便于实际施工时间进行对比，存在不便提前发现潜在的进度滞后的问题。

本申请实施例中的问题，总体思路如下：

首先获取施工进度相关的数据文件，这些数据文件包括历史配电网工程各施工阶段的地理信息、预算信息、施工成本信息、质量指标信息、天气信息和施工完成时间。此外，系统还包括在施工中的配电网工程各施工阶段的地理信息、预算信息、施工成本信息、质量指标信息和预测天气信息，获取的数据需要经过预处理，以确保其质量和一致性。这包括数据清洗、格式转换以及缺失数据的处理。

多模态输入卷积神经网络模块使用预处理后的数据，应用卷积神经网络(CNN)来预测配电网工程的各个施工阶段所需的时间，可以帮助规划工程进度，并预测每个施工阶段的预期时间，工程进度结算模块根据预测的预期时间和实际施工时间，计算每个施工阶段的进度指标，进度影响因素排查模块用于监测工程各阶段是否按预期时间完成施。

请参阅图1，本发明实施例提供一种技术方案：一种配电网工程辅助结算系统，包括多模态输入卷积神经网络模块、工程进度结算模块、进度影响因素排查模块和数据库，其中：多模态输入卷积神经网络模块用于获取数据库中的施工进度有关数据文件，并对施工进度有关数据文件进行预处理后通过卷积神经网络实现对设定配电网工程的施工时间进行预测，获取工程各施工阶段预期时间；工程进度结算模块用于根据工程各施工阶段预期时间和工程各施工阶段实际时间计算配电网工程各施工阶段进度指标；进度影响因素排查模块用于根据电网工程各施工阶段进度指标判断工程各阶段是否按预期时间完成施工，若为按预期时间完成施工，则排查影响施工进度的影响因素；数据库用于存储施工进度有关数据文件，施工进度有关数据文件包括历史配电网工程各施工阶段的地理信息、预算信息、施工成本信息、质量指标信息、天气信息和施工完成时间；还包括在施工配电网工程各施工阶段的地理信息、预算信息、施工成本信息、质量指标信息和预测天气信息。

具体地，多模态输入卷积神经网络模块包括多模态输入单元和卷积神经网络单元，其中多模态输入单元用于获取施工进度有关数据文件并对施工进度有关数据文件进行预处理后输入卷积神经网络单元，卷积神经网络单元用于接收处理后的施工进度有关数据文件预测工程各施工阶段预期时间。

具体地，如图2所示，多模态输入单元预处理施工进度有关数据文件的过程如下：将图像数据转化为固定大小的特征向量；将文本数据通过自然语言处理获得文本的数值表示；将数值数据进行标准化；将特征向量、数值表示和标准化后的数值数据合并构成数据集后输入卷积神经网络单元。

具体地，卷积神经网络单元接收多模态输入单元输出的数据集，将数据集按照设定的比例划分为训练集和验证集，学习并预测工程各施工阶段预期时间，定义时间损失函数衡量卷积神经网络单元的性能。

本实施方案中，将不同类型的数据转化为统一的表示形式，然后通过卷积神经网络单元来处理这些数据，从而预测工程各施工阶段的预期时间。这减少了特征工程的复杂性，同时利用深度学习技术提高了模型的性能。这种多模态数据处理方法使系统更具灵活性，能够更好地适应不同类型的数据，从而更好地解决配电网工程进度预测的技术问题。

能够处理多种类型的数据，包括图像、文本和数值数据，从而更全面地考虑施工进度相关信息，综合了不同数据源的信息，有助于提高模型的准确性和全面性。多模态输入单元的预处理过程将不同类型的数据转化为统一的数据表示，例如特征向量、数值表示和标准化的数值数据，可以减轻特征工程的负担，减少了人工特征工程的需求，从而提高了系统的自动化和泛化性能。

卷积神经网络单元接收并处理多模态数据，利用深度学习技术可以自动学习数据之间的关系和特征，这有助于提高模型的性能，特别是在复杂数据之间存在非线性关系的情况下，通过学习施工进度相关数据，卷积神经网络单元可以预测工程各施工阶段的预期时间，这对于进度管理和计划制定非常重要，有助于提前发现潜在的延误和问题。

具体地，时间损失函数的公式为：其中σ为损失函数值，表示预测值与实际值之间的差异，i＝1,2,3,...,n为历史配电网工程的个数，j＝1,2,3,...,m为每个历史配电网工程对应的各个阶段，/>为第i个历史配电网工程的第j个施工阶段的实际施工时间，/>为第i个历史配电网工程的第j个施工阶段的预期时间，χ为施工时间计算补偿因子，e为自然常数。

本实施方案中，损失函数使用历史配电网工程的数据进行计算，可以帮助模型更好地学习和适应不同工程的变化和趋势，主要部分是实际施工时间与预期时间之间的差异，通过平方根和累加的方式，强调了这些差异，有助于模型更加关注时间预测的准确性，尤其是对于那些预期时间偏差较大的情况，引入了施工时间计算补偿因子χ，这可以用来调整损失函数，以更好地适应不同工程的特点。

具体地，如图3所示，计算配电网工程各施工阶段进度指标的过程为：将施工进度有关数据文件中的在施工配电网工程各施工阶段的地理信息、预算信息、施工成本信息、质量指标信息和预测天气信息输入多模态输入卷积神经网络模块，预测在施工配电网过程的工程各施工阶段预期时间；通过日志文件获取工程各施工阶段实际时间，计算配电网工程各施工阶段进度指标，公式为：其中Γ为各施工阶段进度指标，其表示为与0的偏差越大，表示各阶段实际施工时间与预测施工时间的偏差越大，也即施工过快或施工过慢，T_y表示在施工配电网工程各施工阶段预期时间，T_s为在施工配电网工程各施工阶段实际施工时间，λ为进度计算调制参数。

本实施方案中，将多种数据输入到模型中，包括实际施工时间和预期时间，然后使用进度指标Γ来量化实际与预期时间之间的差异。这可以用于监测施工进度，识别潜在的问题，从而采取措施来管理和控制进度。这种方法综合了不同因素，为解决技术问题提供了一种综合的、数据驱动的方法，有助于提高工程管理的效率和质量。

该过程综合考虑了多种数据，包括地理信息、预算信息、施工成本信息、质量指标信息和预测天气信息，以及实际施工时间和预期时间，进度指标Γ的计算方法强调了实际施工时间与预期时间之间的差异，同时考虑了施工进度的速度，即是否过快或过慢，可以帮助检测和量化施工进度偏差，有助于管理和控制施工进度。引入了进度计算调制参数λ，可以用来调节进度指标的灵敏度，以满足不同工程的要求，通过使用实际施工时间和实时天气信息，该方法更接近实际情况，有助于更准确地评估进度情况。

具体地，进度影响因素排查模块包括对比单元和排查单元，其中：对比单元用于获取配电网工程各施工阶段进度指标并将其与设定得到阈值指标对比，判断配电网工程各施工阶段进度指标是否超出阈值指标，若是，则由排查单元排查影响施工进度的影响因素；排查单元用于在配电网工程各施工阶段进度指标超出阈值指标时排查天气信息和资金信息，确定影响施工进度的影响因素。

本实施方案中，通过设定阈值指标，提前识别可能出现的进度问题。一旦问题被识别，模块会通过排查单元，结合天气信息和资金信息等关键因素，分析问题的根本原因，从而制定相应的解决方案。这种方法可以提高工程管理的智能化和精确性，减少潜在的风险，保证工程按计划完成。

具体地，排查单元排查天气信息的过程如下：获取施工期间的气象信息，基于设定的施工天气标准确定影响施工正常进行的实际时间；基于设定的施工天气标准确定预测天气信息中影响施工正常进行的预测时间；计算天气影响指标，公式为：其中Λ_t为天气影响指标，H_s为影响施工正常进行的实际时间，H_y为影响施工正常进行的预测时间，H_s和H_y的单位均为h，Λ_t越小时，表示天气对施工过快起到促进作用，Λ_t越大时，表示天气对施工过慢起到促进作用；判断天气影响指标是否大于设定的天气阈值指标，若是则影响施工进度的影响因素包括天气。

本实施方案中，首先，获取施工期间的气象信息，这可以包括温度、降雨量、风速等与施工相关的天气参数，基于设定的施工天气标准，确定哪种天气条件被认为会影响施工的正常进行，使用Λ_t计算实际天气与预期天气之间的差异，以量化天气对施工进度的影响，通过比较天气影响指标与设定的天气阈值指标，判断天气是否影响施工进度。如果天气影响指标大于阈值，系统可以确定天气是影响因素之一。

具体地，如图4所示，排查单元排查资金信息的过程如下：获取在施工配电网工程各施工阶段的预算信息、施工成本信息中的各项预算数据和各项施工成本数据；将各项预算数据与对应的各项施工成本数据的差值进行加权求和计算；均一化处理获得资金影响指标；判断资金影响指标是否大于设定的资金阈值指标，若是则影响施工进度的影响因素包括资金。

具体地，资金影响指标的计算公式为：其中Λ_z为资金影响指标，YS_c为第c项预算值，CB_c为第c项施工成本值，/>为指标计算补偿参数，κ_c为第c个预算值与施工成本值的差值。

本实施方案中，首先，获取在施工配电网工程各施工阶段的预算信息和施工成本信息，包括各项预算数据和各项施工成本数据，对每一项预算数据与对应的施工成本数据进行差值计算，以衡量实际的成本与预算之间的差异，将各项差值加权求和，权重由参数κ_c决定。这有助于聚焦于那些对进度影响最大的差异，通过比较资金影响指标Λ_z与设定的资金阈值指标，确定是否资金问题影响了工程进度。

综上，本申请至少具有以下效果：

多模态输入卷积神经网络模块和工程进度结算模块能够帮助工程管理人员更准确地预测和管理施工进度。通过多模态数据的分析和深度学习技术，能够综合考虑多种数据源，以更准确地预测工程施工进度。它识别了各种可能影响进度的因素，例如地理信息、质量指标、天气情况等，从而提供了综合的进度预测，有助于提前发现潜在的进度滞后，问题识别更快速。多模态输入卷积神经网络模块和工程进度结算模块结合深度学习技术，为工程管理提供了更准确的工具，以预测、监测和解决进度相关的技术问题，从而提高工程的效率和质量。

进度影响因素排查模块，包括天气影响和资金影响的排查单元，帮助项目管理人员智能地管理风险。通过比较实际情况和预期情况，系统可以识别可能的风险因素，例如天气不佳或资金不足。这有助于解决技术问题，如如何应对不可预测的天气变化和资金短缺，从而提高工程的管理和质量。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明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。

本发明是参照根据本发明实施例的系统、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。

尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (10)

1.一种配电网工程辅助结算系统，其特征在于，包括多模态输入卷积神经网络模块、工程进度结算模块、进度影响因素排查模块和数据库，其中：

所述多模态输入卷积神经网络模块用于获取数据库中的施工进度有关数据文件，并对施工进度有关数据文件进行预处理后通过卷积神经网络实现对设定配电网工程的施工时间进行预测，获取工程各施工阶段预期时间；

所述工程进度结算模块用于根据工程各施工阶段预期时间和工程各施工阶段实际时间计算配电网工程各施工阶段进度指标；

所述进度影响因素排查模块用于根据电网工程各施工阶段进度指标判断工程各阶段是否按预期时间完成施工，若为按预期时间完成施工，则排查影响施工进度的影响因素；

所述数据库用于存储施工进度有关数据文件，所述施工进度有关数据文件包括历史配电网工程各施工阶段的地理信息、预算信息、施工成本信息、质量指标信息、天气信息和施工完成时间；还包括在施工配电网工程各施工阶段的地理信息、预算信息、施工成本信息、质量指标信息和预测天气信息。

2.根据权利要求1所述的一种配电网工程辅助结算系统，其特征在于，所述多模态输入卷积神经网络模块包括多模态输入单元和卷积神经网络单元，其中多模态输入单元用于获取施工进度有关数据文件并对施工进度有关数据文件进行预处理后输入卷积神经网络单元，所述卷积神经网络单元用于接收处理后的施工进度有关数据文件预测工程各施工阶段预期时间。

3.根据权利要求2所述的一种配电网工程辅助结算系统，其特征在于，所述多模态输入单元预处理施工进度有关数据文件的过程如下：

将图像数据转化为固定大小的特征向量；

将文本数据通过自然语言处理获得文本的数值表示；

将数值数据进行标准化；

将特征向量、数值表示和标准化后的数值数据合并构成数据集后输入卷积神经网络单元。

4.根据权利要求3所述的一种配电网工程辅助结算系统，其特征在于，所述卷积神经网络单元接收多模态输入单元输出的数据集，将数据集按照设定的比例划分为训练集和验证集，学习并预测工程各施工阶段预期时间，定义时间损失函数衡量卷积神经网络单元的性能。

5.根据权利要求4所述的一种配电网工程辅助结算系统，其特征在于，所述时间损失函数的公式为：

其中σ为损失函数值，表示预测值与实际值之间的差异，i＝1,2,3,...,n为历史配电网工程的个数，j＝1,2,3,...,m为每个历史配电网工程对应的各个阶段，/>为第i个历史配电网工程的第j个施工阶段的实际施工时间，/>为第i个历史配电网工程的第j个施工阶段的预期时间，χ为施工时间计算补偿因子，e为自然常数。

6.根据权利要求1所述的一种配电网工程辅助结算系统，其特征在于，计算配电网工程各施工阶段进度指标的过程为：

将施工进度有关数据文件中的在施工配电网工程各施工阶段的地理信息、预算信息、施工成本信息、质量指标信息和预测天气信息输入多模态输入卷积神经网络模块，预测在施工配电网过程的工程各施工阶段预期时间；

通过日志文件获取工程各施工阶段实际时间，计算配电网工程各施工阶段进度指标，公式为：

其中Γ为各施工阶段进度指标，其表示为与0的偏差越大，表示各阶段实际施工时间与预测施工时间的偏差越大，也即施工过快或施工过慢，T_y表示在施工配电网工程各施工阶段预期时间，T_s为在施工配电网工程各施工阶段实际施工时间，λ为进度计算调制参数。

7.根据权利要求6所述的一种配电网工程辅助结算系统，其特征在于，所述进度影响因素排查模块包括对比单元和排查单元，其中：

所述对比单元用于获取配电网工程各施工阶段进度指标并将其与设定得到阈值指标对比，判断配电网工程各施工阶段进度指标是否超出阈值指标，若是，则由排查单元排查影响施工进度的影响因素；

所述排查单元用于在配电网工程各施工阶段进度指标超出阈值指标时排查天气信息和资金信息，确定影响施工进度的影响因素。

8.根据权利要求7所述的一种配电网工程辅助结算系统，其特征在于，所述排查单元排查天气信息的过程如下：

获取施工期间的气象信息，基于设定的施工天气标准确定影响施工正常进行的实际时间；

基于设定的施工天气标准确定预测天气信息中影响施工正常进行的预测时间；

计算天气影响指标，公式为：

其中Λ_t为天气影响指标，H_s为影响施工正常进行的实际时间，H_y为影响施工正常进行的预测时间，H_s和H_y的单位均为h，Λ_t越小时，表示天气对施工过快起到促进作用，Λ_t越大时，表示天气对施工过慢起到促进作用；

判断天气影响指标是否大于设定的天气阈值指标，若是则影响施工进度的影响因素包括天气。

9.根据权利要求8所述的一种配电网工程辅助结算系统，其特征在于，所述排查单元排查资金信息的过程如下：

获取在施工配电网工程各施工阶段的预算信息、施工成本信息中的各项预算数据和各项施工成本数据；

将各项预算数据与对应的各项施工成本数据的差值进行加权求和计算；

均一化处理获得资金影响指标；

判断资金影响指标是否大于设定的资金阈值指标，若是则影响施工进度的影响因素包括资金。

10.根据权利要求9所述的一种配电网工程辅助结算系统，其特征在于，所述资金影响指标的计算公式为：

其中Λ_z为资金影响指标，YS_c为第c项预算值，CB_c为第c项施工成本值，/>为指标计算补偿参数，κ_c为第c个预算值与施工成本值的差值。