基于支持向量機的風電場快速投資估算

方疆，劉慶超

(1.新疆華電十三間房風電有限責任公司，新疆 哈密 839000;2.華電電力科學研究院，浙江 杭州 310030)

1 問題的提出

根據風電場設計階段，大致可分為前期規劃、項目建議書(預可行性研究)、可行性研究、初步設計、施工圖設計及竣工圖設計幾個階段［1］。

不同設計階段所對應的投資深度不同，項目前期規劃及項目建議書階段的投資可稱為投資估算，主要方法有生產能力指數法、單位生產能力法、比例法及系數法等。在可行性研究階段的投資通常稱為投資概算，主要編制依據為水電水利規劃設計總院編制的FD 022—2007《風電場工程可行性研究報告設計概算編制辦法及計算標準》和FD 004—2007《風電場工程概算定額》。風電場可行性研究設計深度通常要求達到工程初步設計深度，但是，風電目前處于大發展階段，業主給設計單位進行可行性研究時間較短，其設計方案往往無法達到初步設計深度。部分發電集團公司增加了初步設計階段，其套用的定額除FD 004—2007《風電場工程概算定額》，還增加了《電力工程建設概算定額》(2006年版)，在深度上更加符合電力工程建設需要，施工圖階段主要套用《電力建設工程預算定額》(2006年版)。

項目投資決策通常發生在項目前期規劃、項目建議書及可行性研究階段，因此，如何對投資做出較為準確的估算，對于投資決策行為至關重要。鑒于項目前期規劃、項目建議書2個階段投資估算通常為線性折算，考慮因素較少，準確度亦不高，本文提出了基于支持向量機算法的風電場快速投資估算方法［2－4］。

2 基于支持向量機的風電場投資估算模型

2.1 風電場投資估算影響因素分析

在風電場建設中，影響總投資的主要因素有裝機容量、風機臺數、機組單位千瓦造價、地形、地基承載力特征值、地震烈度、基礎形式、風機荷載、道路長度、集電線路形式、變電站電壓等級、永久征地費用、臨時征地費用等［1］。

(1)裝機容量指風電場實際安裝的額定有功功率的總和。裝機容量直接影響風電場總投資，目前，平坦地形風電場單位造價為7600～8600元/kW，復雜地形風電場單位造價為9 000～12 000元/kW，灘涂及近海風電場單位造價更高，因此，裝機容量直接影響造價高低。

(2)風機臺數主要由風電機組的單機容量決定。目前，裝機容量為50 MW級別的風電場，1.5 MW機組共需33臺，2.0 MW機組共需24臺。不同單機容量風電機組單位千瓦造價不等，單機容量越大，造價越高，由于占地面積等技術經濟指標隨著單機容量增加而減小，這方面的費用會有一定下降，因此，風機臺數是影響工程造價的一個重要因素。

(3)機組單位千瓦造價為機組造價的直接影響因素，不同階段的風電機組造價不同，從2009年的6500元/kW下降到2011年的3600元/kW左右，使得已經竣工投產的項目樣本與目前機組造價有較大區別，因此，選用機組單位千瓦造價作為主要因素具有一定意義。

(4)地形。根據目前國內風電場場地建設條件，主要分為山地風電場、平坦風電場、灘涂風電場及海上風電。不同建設條件對風電場的投資影響較大。山地風電場土建投資通常占總投資的30% ～45%，平坦地形風電場土建投資通常占總投資的20%～40%，灘涂風電場土建投資通常占總投資的30% ～50%，海上風電場土建部分占總投資的40%～50%左右。復雜地形土建工程投資較高主要是因為山地地形道路投資較大，在施工過程中二次倒運費用較高。海上風電及灘涂風電場基礎造價較高，施工難度大，因此，地形對風電場投資具有較大影響。

(5)地基承載力特征值是指載荷試驗測定的地基土壓力變形曲線線性變形段內規定的變形所對應的壓力值，其最大值為比例界限值。由FD 003—2007《風電機組地基基礎設計規定》(試行)可知，基礎的埋深應滿足地基承載力、變形和穩定性的要求。在地基抗壓計算中，當承受軸心載荷時，要求荷載效應在標準組合下，擴展基礎底面處平均壓力要小于或等于修正后地基承載力特征值。當承受偏心載荷時，在載荷效應標準組合下，擴展基礎底面邊緣最大壓力值要小于或等于修正后地基承載力特征值。因此，地基承載力特征值的大小能夠影響風機基礎的埋深和風機基礎的大小，進而影響工程造價。在基礎變形計算中，主要驗算沉降值和傾斜率，其結果不應大于地基變形影響值。在計算地基沉降時，沉降計算經驗系數主要由地基承載力特征值決定，從而影響基礎埋深和大小。

(6)地震烈度。由FD 003—2007《風電機組地基基礎設計規定》可知，在抗震設防烈度為9度及以上(或50年一遇極端風速超過70 m/s)時，應對于風電機組的地基基礎進行專題研究。當地震烈度大于或等于8度時，應計算多遇地震工況荷載下的地基設計內容。通常其控制的載荷為多遇地震工況下的載荷，在此情況下，基地不允許脫開，從而影響基礎大小。

(7)基礎類型。基礎類型主要有擴展基礎、樁基礎和巖石錨桿基礎3種，基礎工程量的不同，會影響造價。在通常情況下，巖石錨桿基礎工程造價小，擴展基礎工程造價次之，樁基礎工程造價較高。

(8)在極端載荷工況下的風機載荷。載荷的大小直接影響地基抗壓計算、變形計算、風機穩定性計算，從而影響風機基礎大小。

(9)道路長度。不同地形下道路造價不同，山地道路造價較高，通常在100萬元/km以上，平坦地形道路造價較低，通常為25萬元/km左右，因此，道路長度對工程造價影響較大。

(10)集電線路類型主要分為架空線路和地埋電纜2種，2種不同類型集電線路工程造價有較大區別，地埋電纜工程造價遠遠高于集電線路。因此，這種情況可作為影響工程造價的一個因素。

(11)變電站電壓等級目前有35，66，110和220 kV 4個等級，不同等級變電站造價不同。

(12)永久征地費用。不同區域征地費用不同，浙江沿海永久征地費用較高，新疆戈壁灘征地費用低且相差較大，這些因素會直接影響工程造價。

(13)臨時征地費費用。不同區域臨時征地費用不同，浙江沿海臨時征地費用較高，新疆戈壁灘征地費用低，兩地征地費用相差較大，這些因素會直接影響工程造價。

2.2 支持向量機模型

支持向量機SVM(Support Vector Machine)的基本思想是通過用內積函數定義的非線性變換將輸入空間變換到一個高維空間，在這個高維空間中，尋找輸入變量和輸出變量的非線性關系。SVM有2層結構:第1層用于選擇核函數確定支持向量個數，第2層在相應的特征空間構建最優超平面［5－6］。

給定數據集 {(xi，yi)}，i=1，2，…，n，xi∈X?Rn，yi∈Y?R，設函數形式為

式中:?(x)能將輸入空間映射到高維特征空間(Hilbert空間)。

根據結構風險最小化準則，f應使得

式中:Lε(g)為懲罰函數(1oss function)，通常稱為ε不敏感函數，其定義為

式中:參數C(C＞0)為函數f的平滑度;ε為容許誤差，表示數值之間的平衡因子。引入松弛變量ξi，ξ*i，它們代表真實值與e容許誤差邊界對應值的距離n，公式(2)可表示為

滿足條件

引入拉格朗日(Lagrange)乘子和對偶理論(Duality Theory)得到公式(8)

式中:0≤ai≤C;0≤≤ C，i=1，2，…，n。

在式(8)中，ai，稱為拉格朗日乘子，滿足等式aig=0，則有

式中:K(x，xi)稱為核函數，xi，xj的內積等于核函數的值，即 K(xi，xj)= ?(xi)g?(xj)。任一滿足 Mercer條件n的函數都可以作為核函數。目前常用的核函數主要有:

(1)多項式核函數

(2)徑向基函數(RBF)核函數

(3)Sigmoid核函數

式中:d，v，c為核函數的參數。

2.3 基于支持向量機的風電場投資估算模型

運用支持向量機算法對風電場投資進行快速估算，需要對各個影響因素進行量化和標準化，由于支持向量機輸入因素通常為0～1數據，因此，可對各輸入因素進行如下定義:

(1)裝機容量(A1)。單位為MW，利用“裝機容量/1000 MW”進行歸一化處理。

(2)風機臺數(A2)。單位為臺，利用“總臺數/1000臺”進行歸一化處理。

(3)機組單位千瓦造價(A3)。單位為元/kW，利用“單位造價/(10 000元/kW)”進行歸一化處理。

(4)地形(A4)。復雜山地取0.1，較為復雜山地取0.2，較為平坦地形取0.3，非常平坦地形取0.4，沿海灘涂風電場取0.5。

(5)地基承載力特征值(A5)。單位為kPa，利用“地基承載力特征值/10000 kPa”進行歸一化處理。

(6)地震烈度(A6)。大于7度地震烈度區域取0.1，小于或等于7度地震烈度區域取0.2。

(7)基礎形式(A7)。擴展基礎為0.1，樁基礎為0.2，錨桿基礎為0.3。

(8)風機載荷(A8)。單位為109 N·m，利用“風機荷載/(1 N·m)”進行歸一化處理。

(9)道路長度(A9)。單位為km，利用“道路長度/100 km”進行歸一化處理。

(10)集電線路形式(A10)。架空線取0.1，地纜取0.2。

(11)變電站電壓等級(A11)。35 kV變電站用0.035表示，66 kV變電站用0.066表示，110 kV變電站用0.110表示，220 kV變電站用0.220表示。

(12)永久征地費用(A12)。單位為元/m2，利用“永久征地費用/(1000元/m2)”進行歸一化處理。

(13)臨時征地費用(A13)。單位為元/m2，利用“臨時征地費用/(1000元/m2)”進行歸一化處理。

(14)總投資(B):單位為億元，利用“總投資/100億元”進行歸一化處理。

歸一化后，利用(1)～(13)條作為影響因素輸入，(14)條作為結果輸出，對其建立支持向量機模型，再通過已有數據作為樣本進行訓練，以要預測的項目影響因素數據作為輸入，從而可實現總投資的估算。

3 案例分析

表1 訓練樣本數據

搜集國內各個區域7個風電場實際數據，對該模型方法進行了驗證，驗證結果見表1。

運用表1中的前6個風電場數據進行網絡訓練，以第7個風電場數據作為檢驗樣本，其計算結果為26582萬元，與實際結果27260萬元誤差為2.49%，預測精度較高，因此，可用該模型進行投資估算。

4 結束語

決策階段的投資估算是在沒有詳細技術方案前提下對工程造價進行的一種推測，其估算精度的高低直接影響著項目是否可行。因此，如何把投資估算預測得更加準確對于業主進行項目決策具有重要意義。

本文通過對影響風電場工程造價的主要因素進行了深入分析，最終確定13個重要影響參數，通過利用SVM模型對其進行模擬訓練，選取6個樣本進行學習并以1個樣本進行預測和驗證，結果表明，預測精度較高，該模型在實際運用中具有可行性。

［1］宮靖遠.風電場工程技術手冊［M］.北京:機械工業出版社，2004.

［2］Wei Chunri，Gai Zizhou.Application of Continual Multiplication to Investment Estimation［J］.Petroleum Planning ＆Engineering，2005(6):34－36.

［3］Han Chunmin，Li Zhanqiao.The Discuss of Investment Estimation by Fuzzy Mathmatics［J］.Group Economy，2006(20):241－242.

［4］Lu Jianbing，Ye Fei.The Application of Three Segment Linear Method to the Investment Estimation of Wastewater Treatment［J］.Journal of Qingdao Institute of Architecture and Engineering，2004(3):107－111.

［5］雷雨龍，王健，田華.基于支持向量機的換檔質量評價系統［J］.系統仿真學報，2007(24):34－27.

［6］肖文兵，費奇，萬虎.基于支持向量機的信用評估模型及風險評價［J］.華中科技大學學報(自然科學版)，2007(5):23－25.