基于卷積算法的指標(biāo)權(quán)重模型在配電網(wǎng)建設(shè)項目后評價的研究

吳 軍 王義賀 薛龍江 劉勝利 李子涵 薛 俊

1(國網(wǎng)浙江平湖市供電有限公司 浙江 平湖 314200)2(東北大學(xué) 遼寧 沈陽110819)3(國網(wǎng)遼寧省電力有限公司經(jīng)濟技術(shù)研究院 遼寧 沈陽110015)

0 引 言

配電網(wǎng)的穩(wěn)定運行是保證工業(yè)生產(chǎn)和日常生活基本需求的前提條件，因此近年來國家加大了對配電網(wǎng)項目的投資和建設(shè)[1]。隨著我國各項經(jīng)濟體制和電力體制的變革，配電網(wǎng)建設(shè)是否可實現(xiàn)國家投資預(yù)期效益已被社會各層所關(guān)注[2]。因此本文在上述的大環(huán)境下，以配電網(wǎng)自身性質(zhì)為基礎(chǔ)，構(gòu)建配電網(wǎng)建設(shè)項目后評價體系，在評價過程中需采用優(yōu)化后的權(quán)重參數(shù)構(gòu)建指數(shù)權(quán)重模型，再通過該指數(shù)權(quán)重模型評價配電網(wǎng)建設(shè)項目。

本文研究基于卷積算法的指標(biāo)權(quán)重模型在配電網(wǎng)建設(shè)項目后評價，該評價方法通過改進(jìn)學(xué)習(xí)率自適應(yīng)調(diào)整方法和改進(jìn)的學(xué)習(xí)率退火方法，改進(jìn)卷積算法的權(quán)重參數(shù)，實現(xiàn)對配電網(wǎng)建設(shè)項目中的多種一級指標(biāo)和二級指標(biāo)評價，為配網(wǎng)建設(shè)工程相關(guān)研究提供參考。

1 配網(wǎng)建設(shè)工程后評價模型的構(gòu)建

1.1 配網(wǎng)工程后評價指標(biāo)體系

以系統(tǒng)性原則、完備性與相關(guān)性原則、可評價的實用性原則、定量和定性相結(jié)合的原則以及層次性原則為依據(jù)[3]，構(gòu)建后評價指標(biāo)體系。配電網(wǎng)建設(shè)項目后評價指標(biāo)體系如圖1所示。

一級指標(biāo)實施過程評價運營效果財務(wù)效果社會效益和可持續(xù)性二級指標(biāo)指標(biāo)評價二級指標(biāo)指標(biāo)評價二級指標(biāo)指標(biāo)評價二級指標(biāo)指標(biāo)評價前期決策(定量指標(biāo))實施準(zhǔn)備(定性指標(biāo))進(jìn)度控制(定量指標(biāo))質(zhì)量控制(定量指標(biāo))投資控制(定量指標(biāo))安全控制(定性指標(biāo))規(guī)劃項目響應(yīng)度年度投資計劃完成率不高于12千伏線路的投產(chǎn)率勘察設(shè)計情況項目按期完成率工程一次性驗收合格率投資水平安全控制電網(wǎng)運行能力(定量指標(biāo))網(wǎng)架結(jié)構(gòu)(定量指標(biāo))安全可靠性(定量指標(biāo))節(jié)能環(huán)保(定量指標(biāo))重過載線路比率輕過載線路比率環(huán)網(wǎng)化率變電站間聯(lián)絡(luò)率供電可靠慮電壓合格率線損率高損配變比率財務(wù)效果(定量指標(biāo))內(nèi)部收益率投資回收期投資利潤率資產(chǎn)負(fù)債率債務(wù)收益比債務(wù)償還比債務(wù)備付率增供效益(定量指標(biāo))單位投資增供電量單位投資增供負(fù)荷評價指標(biāo)環(huán)境影響電力增長GDP電力貢獻(xiàn)彈性系數(shù)

由圖1可知，配網(wǎng)投資項目后評價指標(biāo)體系中分為一級指標(biāo)和二級指標(biāo)，一級指標(biāo)分為實施過程評價指標(biāo)、運營效果評價指標(biāo)、財務(wù)效果評價指標(biāo)、社會效益和可持續(xù)性評價指標(biāo)。其中，實施過程評價指標(biāo)涵蓋了前期決策、實施準(zhǔn)備、進(jìn)度控制、質(zhì)量控制等二級指標(biāo)；運營效果評價指標(biāo)涵蓋了電網(wǎng)運行能力指標(biāo)、網(wǎng)架結(jié)構(gòu)指標(biāo)、安全可靠性指標(biāo)等二級指標(biāo)；社會效益和可持續(xù)性評價指標(biāo)涵蓋的二級指標(biāo)為增供效益指標(biāo)。

1.2 改進(jìn)的尋優(yōu)權(quán)重參數(shù)優(yōu)化算法

近年來研究人員對卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行了大量的研究，在研究中不斷地深化卷積神經(jīng)網(wǎng)絡(luò)的復(fù)雜度，因此對卷積神經(jīng)網(wǎng)絡(luò)的權(quán)重參數(shù)的要求越發(fā)嚴(yán)格[4-5]。為迎合這一現(xiàn)狀，以提高權(quán)重參數(shù)的尋優(yōu)速度和尋優(yōu)能力為目標(biāo)，利用改進(jìn)的學(xué)習(xí)率自適應(yīng)調(diào)整方法和改進(jìn)的學(xué)習(xí)率退火方法，實現(xiàn)基于卷積的尋優(yōu)權(quán)重參數(shù)優(yōu)化算法的改進(jìn)。

假設(shè)δ為卷積神經(jīng)網(wǎng)絡(luò)的參數(shù)，要獲取配電網(wǎng)工程后評價指標(biāo)體系中的最優(yōu)參數(shù)，需要計算損失函數(shù)值的最小值，假設(shè)有e個輸入值，同時對應(yīng)的有e個輸出值，則輸入值和輸出值的對應(yīng)關(guān)系可表達(dá)為{(x(e)，y(e))；e∈[1,2,…,E]}，則xe、ye、o(e)分別代表第e個輸入值、相對應(yīng)的標(biāo)簽、卷積神經(jīng)網(wǎng)絡(luò)的最后輸出，則卷積神經(jīng)網(wǎng)絡(luò)的損失值可表達(dá)為：

(1)

卷積神經(jīng)網(wǎng)絡(luò)通過損失函數(shù)值的最小值，獲取配電網(wǎng)工程后評價指標(biāo)體系中最優(yōu)參數(shù)解[6]。

1.2.1改進(jìn)的學(xué)習(xí)率自適應(yīng)調(diào)整方法

適應(yīng)性矩估計(adaptive moment estimation，Adam)是一種可以替代傳統(tǒng)隨機梯度下降過程的一階優(yōu)化算法，它能基于訓(xùn)練數(shù)據(jù)迭代地更新神經(jīng)網(wǎng)絡(luò)權(quán)重。改進(jìn)的學(xué)習(xí)率自適應(yīng)調(diào)整方法，是在Adam算法基礎(chǔ)上的改進(jìn)，其主要原理為：在算法迭代時會損失函數(shù)值，損失函數(shù)值差異性可反饋權(quán)重參數(shù)尋優(yōu)信息，損失函數(shù)值差異性很大時，權(quán)重參數(shù)尋優(yōu)過程不穩(wěn)定，此時降低學(xué)習(xí)率可改善這種不穩(wěn)定現(xiàn)象，此過程也叫退火；當(dāng)損失函數(shù)值差異性很小時，通過提高學(xué)習(xí)率促進(jìn)權(quán)重參數(shù)尋優(yōu)過程穩(wěn)定性[7]。將上述原理與Adam算法相結(jié)合，提高權(quán)重參數(shù)尋優(yōu)速度和尋優(yōu)能力[8]。算法原理為：可從自適應(yīng)調(diào)整學(xué)習(xí)率中獲取損失函數(shù)相對變化率，通過量化相對變化率確認(rèn)每次迭代損失函數(shù)值的相對變化，并采用指數(shù)滑動平均法對每次迭代損失函數(shù)值的相對變化進(jìn)行平滑處理。算法的基本步驟如下：

(1) 假設(shè)當(dāng)?shù)螖?shù)為s-1和s-2時相對應(yīng)的損失函數(shù)值為ps-1和ps-2，損失函數(shù)的相對變化率公式可表示為：

(2)

損失函數(shù)的相對變化率bs是一個整數(shù)，可以準(zhǔn)確表達(dá)損失函數(shù)值的增大或減小程度[9]。

(2) 對每次迭代損失函數(shù)值的相對變化進(jìn)行平滑處理，平滑處理公式可表達(dá)為：

(3)

因為每一個損失函數(shù)值都是在不同樣本基礎(chǔ)上獲取，因此損失函數(shù)值并不完全一致[10]。為了平滑處理的效果更好，令β為平滑參數(shù)，其取值無限趨近于1。

(3) 假設(shè)一個學(xué)習(xí)率為α，則cs便是α的分母項，代入到Adam算法中，獲取迭代次數(shù)，迭代公式可表示為：

s←cs+1

(4)

qs←Δθ(s-1)

(5)

ns←β1ns-1+(1-β1)qs

(6)

(7)

(8)

(9)

(10)

當(dāng)訓(xùn)練權(quán)重系數(shù)樣本初期，損失函數(shù)值的變化幅度不大，此時平滑處理值cs也不大，當(dāng)取值很小時，會導(dǎo)致迭代步長突然上升[11]，由于適當(dāng)?shù)牡介LΔθS可促進(jìn)算法的迭代性能，因此當(dāng)?shù)介L突然上升時，會使權(quán)重參數(shù)尋優(yōu)過程不平穩(wěn)，因此需對平滑處理值cs執(zhí)行固定設(shè)置。傳統(tǒng)的設(shè)置平滑處理值方法通常為人為設(shè)置，導(dǎo)致整體設(shè)置過程煩瑣，且精準(zhǔn)度不高[12]。為避免這些問題，采用閾值設(shè)定法設(shè)定平滑處理值，該設(shè)定方法不僅設(shè)定過程簡便易操作，而且適合任何卷積神經(jīng)網(wǎng)絡(luò)模型。設(shè)定起始步長為0，終止步長為0.09，訓(xùn)練輪數(shù)為5，批大小ε=134，設(shè)步長上限為0.08。確定步長上限后，反推平滑處理值cs的下限，當(dāng)θ=0時，改進(jìn)權(quán)重優(yōu)化算法的迭代步長公式表達(dá)為：

(11)

在上述迭代反推平滑處理值的過程中,平滑處理cs的下限公式可表達(dá)為：

(12)

1.2.2改進(jìn)的學(xué)習(xí)率退火方法

設(shè)置一個訓(xùn)練集為D，f(x；D)是在訓(xùn)練集D上的模型f在x上的預(yù)測輸出，E表示期望輸入值,則該模型的期望預(yù)測值公式可表示為：

(13)

由于樣本是分批采集的，因此不同的樣本會產(chǎn)生方差，該方差值可表示為：

(14)

噪聲值公式可表示為：

ε2=E(yD-y)2

(15)

式中：yD表示期望輸出值。而期望預(yù)測值與標(biāo)記值y會存在一定的差值，該差值的公式可表達(dá)為：

(16)

為了提高權(quán)重系數(shù)的尋優(yōu)速度和尋優(yōu)性能，需要將學(xué)習(xí)率提高后降低，或是降低后再提高[13]，該退火過程作為權(quán)重參數(shù)優(yōu)化算法的一部分，在模型訓(xùn)練的末期發(fā)揮著重要作用。學(xué)習(xí)率退火公式為：

(17)

式中：1+γs表示退火上限。

1.3 模糊綜合后評價模型的建立

后評價模型利用改進(jìn)后的權(quán)重參數(shù)將評價指標(biāo)的數(shù)據(jù)形式通過統(tǒng)一的方式體現(xiàn)配電網(wǎng)建設(shè)項目的總體效果，將模糊綜合評價與配電網(wǎng)建設(shè)項目的后評價工作相結(jié)合，實現(xiàn)模糊綜合評價。該模糊綜合評價不僅可以確定后評價的總體目標(biāo)，還可將評價指標(biāo)按照層次化標(biāo)準(zhǔn)劃分，構(gòu)建一個層次化模型對配電網(wǎng)建設(shè)項目進(jìn)行評價，評價時會存在很多主觀因素[14]，需要將模糊數(shù)學(xué)與配電網(wǎng)建設(shè)項目后評價工作相結(jié)合，得到更加客觀的評價結(jié)果。可以通過調(diào)研的方法將各位研究人員對配電網(wǎng)建設(shè)項目的評價收集起來，對評價進(jìn)行定量綜合分析，由于各個評價因素對配電網(wǎng)建設(shè)項目的重要程度(隸屬度)都不一樣，因此要結(jié)合配電網(wǎng)建設(shè)項目的隸屬度完成評價。以下為模糊綜合模型的構(gòu)建流程：

(1) 分別構(gòu)建評價一級指標(biāo)集合和二級指標(biāo)集合：

H={H1,H2,H3,H4}，Hi={Hi1,Hi2,…,Hij}

(18)

式中：Hij是第i個準(zhǔn)則層中的第j個指標(biāo)。

(2) 以安全質(zhì)量為評價目的構(gòu)建評語集為：

R={R1,R2,R3,R4}={優(yōu)，良，中，差}

(19)

(3) 分別確定一級指標(biāo)和二級指標(biāo)的權(quán)重集為：

(20)

(4) 構(gòu)建評價隸屬矩陣W為：

(21)

Wij表示第i個評價因素對第j個評價等級的隸屬度，評語集中評價等級個數(shù)用n表示，被評價因素的個數(shù)用m表示。

(5) 二級模糊綜合評價。先完成一級模糊綜合評價，并通過層次分析獲取指標(biāo)權(quán)重和評價隸屬度矩陣W，以模糊運算法則為基礎(chǔ)，經(jīng)過運算后進(jìn)行歸一化，獲取評價因素對評價集的隸屬度向量S。然后開始二級模糊綜合評價，獲取總的評價向量B，并得到綜合評價結(jié)論，可用公式表達(dá)為：

B=W·Sαs

(22)

為了在配電網(wǎng)建設(shè)項目中的后評價更加直觀[15]，需將綜合評價結(jié)果轉(zhuǎn)化為數(shù)據(jù)分值，評價等級分值用R表示，評價結(jié)果公式可表達(dá)為：

Q=B·R

(23)

至此，評價模型構(gòu)建完成，如圖2所示。

圖2 模糊綜合模型

2 實驗分析

為了驗證配電網(wǎng)建設(shè)項目后評價的準(zhǔn)確率、穩(wěn)定性，實驗分析本文方法對杭州市配電網(wǎng)建設(shè)項目實施過程后評價和運營效果后評價，驗證本文方法的評價效果，同時統(tǒng)計分析了本文方法的評價性能。

2.1 實施過程后評價

2.1.1投資變化率評價

設(shè)定杭州市為研究區(qū)域，將杭州市劃分為1區(qū)、2區(qū)、3區(qū)和4區(qū)，則該市在2018年配電網(wǎng)建設(shè)項目的投資情況如表1所示。

表1 2016年杭州市配電網(wǎng)項目建設(shè)投資變化情況

由表1可知，本文方法評價得出：4個區(qū)域結(jié)算投資均小于預(yù)算投資，說明結(jié)算工程的總投資在工程總預(yù)算之內(nèi)，造價水平同時也得到有效的控制。4個區(qū)域都存在投資變化率，但1區(qū)、3區(qū)和4區(qū)的投資變化率比2區(qū)高40%～70%，因此需綜合分析導(dǎo)致1區(qū)、3區(qū)和4區(qū)投資變化的原因：(1) 在配電網(wǎng)項目的實際建設(shè)過程中，會產(chǎn)生設(shè)計或方案的變化。此時，相對應(yīng)的建設(shè)工序也會產(chǎn)生變化，原有的安裝程序可能在設(shè)計方案變化后被剔除，因此安裝費用也相應(yīng)地降低，由此造成投資變化率加大。(2) 配電網(wǎng)項目建設(shè)前，建筑材料價格突然降低，或是在建設(shè)過程中實際用料量低于預(yù)計用料量等現(xiàn)象都會造成投資變化率加大。

2.1.2年度投資計劃完成率評價

年度投資計劃完成率=年度投資完成數(shù)量/年度安排投資數(shù)量。表2為年度投資完成情況表。

表2 2018年投資完成情況

由表2可知，本文方法評價得出：杭州市4個區(qū)2016年年度安排投資總額度為25 839.99萬元，年度實際完成投資額度為24 047.48萬元，年度投資計劃完成率為93.06%，且1區(qū)、2區(qū)、3區(qū)和4區(qū)年度投資計劃完成率分別高達(dá)90.57%、93.74%、94.26%、94.42%，完成情況很好。促進(jìn)年度投資完成率較高的原因可能是配電網(wǎng)項目建設(shè)過程中價控措施效果顯著、年度規(guī)劃較為合理、工程的實施過程嚴(yán)格監(jiān)控等。

2.2 運營效果后評價

2.2.1變電站間聯(lián)絡(luò)率評價

配電網(wǎng)中存在多個變電站，多個變電站存在互相聯(lián)絡(luò)的現(xiàn)象，這種變電站間的聯(lián)絡(luò)率能夠反映變電站間的聯(lián)絡(luò)能力，也是反映電源斷電后的負(fù)荷轉(zhuǎn)移能力的指標(biāo)之一，變電站在聯(lián)絡(luò)過程中會存在很多條聯(lián)絡(luò)線路，當(dāng)電源斷電后負(fù)荷轉(zhuǎn)移能力與供電影響范圍成反比，負(fù)荷轉(zhuǎn)移能力越高，供電影響范圍越小，配電網(wǎng)穩(wěn)態(tài)效果越好。表3為2017年-2018年變電站間聯(lián)絡(luò)率情況表。

表3 2017年-2018年變電站間聯(lián)絡(luò)率情況(%)

依據(jù)表3繪制2017年、2018年杭州市4個區(qū)變電站間的聯(lián)絡(luò)率矩形圖，如圖3所示。

圖3 2017年-2018年杭州市4個區(qū)變電站間的聯(lián)絡(luò)率

綜合分析表3和圖3可知，本文方法評價得出：2017年-2018年杭州市變電站間的聯(lián)絡(luò)率整體呈現(xiàn)上升趨勢，但在杭州市的2區(qū)域，2018年的變電站間聯(lián)絡(luò)率要低于2017年變電站間的聯(lián)絡(luò)率。經(jīng)過分析，造成這一現(xiàn)象的主要原因為：2017年時變電站間的聯(lián)絡(luò)線路主要通過QA線與華前線和HA線相連接實現(xiàn)，但從2018年開始，完成了QAI線網(wǎng)架工作完善工作后，QA線不再與之前的華前線和HA線連接，而是改為與QD線連接。由于中間省去了站間聯(lián)絡(luò)，因此原來為了站間聯(lián)絡(luò)設(shè)置的DP場線也被停用，站間聯(lián)絡(luò)結(jié)構(gòu)縮減，使線路互供能力提高，當(dāng)線路故障發(fā)生時可通過其他途徑延續(xù)線路工作，因此電網(wǎng)運行更加穩(wěn)定安全。

2.2.2綜合電壓合格率評價

電壓在可產(chǎn)生偏差區(qū)域內(nèi)會產(chǎn)生波動，該波動概率可通過綜合電壓合格率直觀地反饋，電壓合格率不僅可查驗電能質(zhì)量以及電壓合格率控制目標(biāo)完成情況，還可反映配電網(wǎng)穩(wěn)定性。表4為2017年-2018年4個區(qū)的綜合電壓合格率統(tǒng)計數(shù)據(jù)。

表4 2017年-2018年4個區(qū)的綜合電壓合格率統(tǒng)計數(shù)據(jù)(%)

表4可知，本文方法評價得出：經(jīng)過2017年配電網(wǎng)項目的建設(shè)，在2018年時杭州4個區(qū)域的綜合電壓合格率分別達(dá)到81.42%、74.10%、88.66%、87.81%，相較于2017年，均有所提高，但整體的綜合電壓合格率仍然有可上升的空間。依據(jù)表5中的數(shù)據(jù)繪制2017年-2018年4個區(qū)的綜合電壓合格率統(tǒng)計數(shù)據(jù)圖，如圖4所示。

圖4 2017年-2018年4個區(qū)的綜合電壓合格率統(tǒng)計數(shù)據(jù)

圖4可直觀呈現(xiàn)出本文方法評價結(jié)果為：2018年4個區(qū)的綜合電壓合格率均高于2017年，但1區(qū)和2區(qū)的整體綜合電壓合格率比另外兩個區(qū)要低。經(jīng)分析造成這種現(xiàn)象的主要原因為：供電路線太長、經(jīng)過長時間使用線路磨損導(dǎo)致電壓偏低等。

2.3 評價性能分析

為了驗證本文方法的性能，需對其變化曲線進(jìn)行分析，如圖5為本文方法、灰色綜合評價方法以及改進(jìn)可拓物元模型評價方法在測試集上的性能變化趨勢，灰色綜合評估法是一種專家評判的綜合性評估為基礎(chǔ)，以灰色關(guān)聯(lián)分析理論為指導(dǎo)的評估方法，而改進(jìn)可拓物元模型主要為改進(jìn)關(guān)聯(lián)函數(shù)，這是一種新的關(guān)聯(lián)函數(shù)，是通過關(guān)聯(lián)函數(shù)中的分段函數(shù)對評價指標(biāo)進(jìn)行物元分析。

(a) 損失函數(shù)值變化曲線

由圖5(a)可知，相較于灰色綜合評價方法，本文方法在測試集中的損失函數(shù)值更小，但在0時期到12時期的損失函數(shù)值差距較大，當(dāng)損失函數(shù)值差距越大，越可促進(jìn)權(quán)重參數(shù)尋優(yōu)過程的平穩(wěn)進(jìn)行，本文方法的性能就越好。由圖5(b)可知，本文方法的測試集準(zhǔn)確率要高于灰色綜合評價方法以及改進(jìn)可拓物元模型評價方法，因此本文方法對配電網(wǎng)建設(shè)項目后評價的準(zhǔn)確率很高。

由于普通的配電網(wǎng)建設(shè)項目后評價方法會隨著參數(shù)的變化而產(chǎn)生準(zhǔn)確率方面的差異，為了驗證本文方法的穩(wěn)定性，設(shè)置不同的學(xué)習(xí)率，驗證本文方法在不同的學(xué)習(xí)率條件下評價準(zhǔn)確率變化情況，如圖6所示。

由圖6可知，當(dāng)設(shè)置不同參數(shù)時，本文方法在每個周期的準(zhǔn)確率變化幅度很小，甚至可忽略，因此說明雖然設(shè)置了不同的參數(shù)，但本文方法在參數(shù)的變化時依然可保持高準(zhǔn)確率穩(wěn)定評價，由此可知，本文方法在性能方面具有很高優(yōu)勢。

3 結(jié) 語

本文根據(jù)配網(wǎng)建設(shè)工程的特性構(gòu)建綜合后評價指標(biāo)體系，基于卷積算法優(yōu)化確定權(quán)重參數(shù)，構(gòu)建配電網(wǎng)建設(shè)工程的綜合后評價模型，以實施過程、運營效果、財務(wù)效果以及社會效益和可持續(xù)性為一級指標(biāo)，對配網(wǎng)建設(shè)工程展開項目后評價工作，并以杭州市2018年配網(wǎng)建設(shè)工程為實際案例，對其進(jìn)行了項目后評價分析。實驗表明，本文研究的基于卷積算法的指標(biāo)權(quán)重模型在配電網(wǎng)建設(shè)項目后評價方法可良好評價配電網(wǎng)建設(shè)實施過程和運營效果等項目，即使指標(biāo)體系中的權(quán)重參數(shù)發(fā)生變化，本文方法評價結(jié)果的準(zhǔn)確率也不會產(chǎn)生變化，可穩(wěn)定評價配電網(wǎng)建設(shè)項目，為配電網(wǎng)以后的建設(shè)發(fā)揮重要作用。