一种电网工程全周期预算优化配置工具的制作方法

1.本发明涉及工程预算技术领域，尤其涉及一种电网工程全周期预算优化配置工具。


背景技术：

2.电力工业是国民经济的基础产业，投资策略的科学性、合理性是电网企业管理策略研究的核心内容之一，如何合理有效地利用和分配资金、资源，取得最佳的可靠性效益，是电力企业各级决策者十分关注的问题。科学准确的制定投资规划，对电力建设和企业发展意义重大。
3.目前，在电网规划投资方向国内外学者主要对制定投资规划、优化投资方式等进行了研究，提出了不同背景下的投资规划模型和投资建议，为电网企业的投资决策提供了参考，虽然这些研究理论和方法取得了一定的成果，但是并没有为电网的投资规划预算提出具有科学性、可靠性并且可以实际应用的方法。


技术实现要素：

4.基于背景技术存在的技术问题，本发明提出了一种电网工程全周期预算优化配置工具。
5.本发明提出的一种电网工程全周期预算优化配置工具，包括如下方法：
6.s1基于大数据技术和聚类算法，统计电网工程的历史工程投资数据；
7.s2将工程投资预算与资金预算管理软件固化在erp系统中；
8.s3采集样本数据并对样本数据进行预处理，并进行特征向量的选取；
9.s4选择一个合适的svr函数类型、合理的核函数与核参数，选取ε
‑
svr回归函数模型与径向高斯核函数代入回归方程，用交叉验证与网格搜索法，获得最优参数；
10.s5搭建电网工程全周期预算模型，将最优参数代入电网工程全周期预算模型，对样本数据进行训练；
11.s6使用训练出的电网工程全周期预算模型，通过测试集验证预测结果的准确性。
12.优选的，所述步骤s2确定工程造价影响因子，获取造价数据，提取工程造价影响因子指标值，对数据进行预处理。
13.优选的，所述特征向量的选取：建设地区、建筑类型、建设需求、建筑面积、报价指数。
14.优选的，所述步骤s4使用多组数据作为训练样本建立电网工程全周期预算模型，取预算表现最好的值；当算表现最好的值取0.5时，模型拟合度高；通过90组数据作为训练样本，通过网格搜索算法与交叉验证取得最优参数；剩余10组数据进行模型测试，工程投资预算结果与实际值的对比及偏差对比结果。
15.优选的，所述步骤s5电网工程全周期预算模型的预算值与实际值的相对误差小于等于10％时，则说明该模型计算准确度可靠。
16.优选的，所述步骤s2采集建筑面积、年均最高负荷、年均用电量、园区年均最高负荷，计算各用电模块的空间最高负荷密度、空间用电密度，统计主配网投资金额，计算主配网投资金额的基准值。
17.优选的，所述空间最高负荷密度、空间用电密度，具体计算方法如下：
18.某用电空间最高负荷密度＝该模块年均最高负荷/该模块建筑面积；
19.某用电空间用电密度＝该模块年均用电量/该模块建筑面积。
20.本发明中，所述一种电网工程全周期预算优化配置工具，工程投资预算、资金预算全周期规律固化在erp系统，创建了工程投资预算和资金预算动态预测模型，将里程碑计划进度转换为实际进度，实时滚动修正项目投资预算和资金预算，为月度、年度预算资金需求提供参考，合理保障预算资金需求，为公司投融资决策提供支撑。
附图说明
21.图1为本发明提出的一种电网工程全周期预算优化配置工具的流程示意图。
具体实施方式
22.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。
23.参照图1，一种电网工程全周期预算优化配置工具，包括如下方法：
24.s1基于大数据技术和聚类算法，统计电网工程的历史工程投资数据；
25.s2将工程投资预算与资金预算管理软件固化在erp系统中；
26.s3采集样本数据并对样本数据进行预处理，并进行特征向量的选取；
27.s4选择一个合适的svr函数类型、合理的核函数与核参数，选取ε
‑
svr回归函数模型与径向高斯核函数代入回归方程，用交叉验证与网格搜索法，获得最优参数；
28.s5搭建电网工程全周期预算模型，将最优参数代入电网工程全周期预算模型，对样本数据进行训练；
29.s6使用训练出的电网工程全周期预算模型，通过测试集验证预测结果的准确性。
30.本发明中，所述步骤s2确定工程造价影响因子，获取造价数据，提取工程造价影响因子指标值，对数据进行预处理。
31.本发明中，所述特征向量的选取：建设地区、建筑类型、建设需求、建筑面积、报价指数。
32.本发明中，所述步骤s4使用多组数据作为训练样本建立电网工程全周期预算模型，取预算表现最好的值；当算表现最好的值取0.5时，模型拟合度高；通过90组数据作为训练样本，通过网格搜索算法与交叉验证取得最优参数；剩余10组数据进行模型测试，工程投资预算结果与实际值的对比及偏差对比结果。
33.本发明中，所述步骤s5电网工程全周期预算模型的预算值与实际值的相对误差小于等于10％时，则说明该模型计算准确度可靠。
34.本发明中，所述步骤s2采集建筑面积、年均最高负荷、年均用电量、园区年均最高负荷，计算各用电模块的空间最高负荷密度、空间用电密度，统计主配网投资金额，计算主配网投资金额的基准值。
35.本发明中，所述空间最高负荷密度、空间用电密度，具体计算方法如下：
36.某用电空间最高负荷密度＝该模块年均最高负荷/该模块建筑面积；
37.某用电空间用电密度＝该模块年均用电量/该模块建筑面积。
38.本发明：基于大数据技术和聚类算法，统计电网工程的历史工程投资数据；将工程投资预算与资金预算管理软件固化在erp系统中；采集样本数据并对样本数据进行预处理，并进行特征向量的选取；选择一个合适的svr函数类型、合理的核函数与核参数，选取ε
‑
svr回归函数模型与径向高斯核函数代入回归方程，用交叉验证与网格搜索法，获得最优参数；搭建电网工程全周期预算模型，将最优参数代入电网工程全周期预算模型，对样本数据进行训练；使用训练出的电网工程全周期预算模型，通过测试集验证预测结果的准确性。
39.以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。


技术特征：
1.一种电网工程全周期预算优化配置工具，其特征在于，包括如下方法：s1基于大数据技术和聚类算法，统计电网工程的历史工程投资数据；s2将工程投资预算与资金预算管理软件固化在erp系统中；s3采集样本数据并对样本数据进行预处理，并进行特征向量的选取；s4选择一个合适的svr函数类型、合理的核函数与核参数，选取ε
‑
svr回归函数模型与径向高斯核函数代入回归方程，用交叉验证与网格搜索法，获得最优参数；s5搭建电网工程全周期预算模型，将最优参数代入电网工程全周期预算模型，对样本数据进行训练；s6使用训练出的电网工程全周期预算模型，通过测试集验证预测结果的准确性。2.根据权利要求1所述的一种电网工程全周期预算优化配置工具，其特征在于，所述步骤s2确定工程造价影响因子，获取造价数据，提取工程造价影响因子指标值，对数据进行预处理。3.根据权利要求1所述的一种电网工程全周期预算优化配置工具，其特征在于，所述特征向量的选取：建设地区、建筑类型、建设需求、建筑面积、报价指数。4.根据权利要求1所述的一种电网工程全周期预算优化配置工具，其特征在于，所述步骤s4使用多组数据作为训练样本建立电网工程全周期预算模型，取预算表现最好的值；当算表现最好的值取0.5时，模型拟合度高；通过90组数据作为训练样本，通过网格搜索算法与交叉验证取得最优参数；剩余10组数据进行模型测试，工程投资预算结果与实际值的对比及偏差对比结果。5.根据权利要求1所述的一种电网工程全周期预算优化配置工具，其特征在于，所述步骤s5电网工程全周期预算模型的预算值与实际值的相对误差小于等于10％时，则说明该模型计算准确度可靠。6.根据权利要求1所述的一种电网工程全周期预算优化配置工具，其特征在于，所述步骤s2采集建筑面积、年均最高负荷、年均用电量、园区年均最高负荷，计算各用电模块的空间最高负荷密度、空间用电密度，统计主配网投资金额，计算主配网投资金额的基准值。7.根据权利要求6所述的一种电网工程全周期预算优化配置工具，其特征在于，所述空间最高负荷密度、空间用电密度，具体计算方法如下：某用电空间最高负荷密度＝该模块年均最高负荷/该模块建筑面积；某用电空间用电密度＝该模块年均用电量/该模块建筑面积。

技术总结
本发明公开了一种电网工程全周期预算优化配置工具，包括如下方法：基于大数据技术和聚类算法，统计电网工程的历史工程投资数据；将工程投资预算与资金预算管理软件固化在ERP系统中；采集样本数据并对样本数据进行预处理，并进行特征向量的选取；选择一个合适的SVR函数类型、合理的核函数与核参数，选取ε


技术研发人员：魏蓉 黄陟 汪争贤 谢道清 钱维 杨海林 刘社兵 吴建琳 蒋磊 张志勇 洪淼 陈胡嵘 程华龙 夏禹晨 康晶 褚明 欧维维 胡培培 魏强 刘荣 张娟 汪全雨 俞惠园 赵凯星
受保护的技术使用者：国网安徽省电力有限公司
技术研发日：2021.10.13
技术公布日：2021/12/17