基于灰色關聯模型的LSSVM在變電工程快速報價中的研究

黃沈海HUANG Shen-hai；金顯JIN Xian；馬婷婷MA Ting-ting；張黛妮ZHANG Dai-ni；竇金月DOU Jin-yue

（國網浙江省電力公司嘉興供電公司，嘉興 314000）

0 引言

傳統的變電工程計價方法一般有兩種：一種是定額計價法，該方法通過計算項目工程量，然后根據定額查詢基價，與對應的工程量相乘，計算得到直接工程費，再以此為依據，得到措施費、間接費、利潤、稅金，該方法經過了幾十年的實踐，雖然有一定的科學性和實用性，但其“社會平均水平”的本質，導致其計算結果的滯后性，且計算繁瑣，無法快速報價，降低投資效率；另一種是清單計價法，通過量價分離的方式，價格由市場確定，費用由市場競爭決定，該計價方式雖提高了計價的準確性，但是其流程復雜，管理成本較高，無法達到快速報價的目的。

為了能夠避免傳統變電工程計價方法的局限性，呂芳[1]利用神經網絡模型在小樣本數據處理中的出色表現，提出了基于此模型的電網工程造價的預測。宋宗耘等[2]通過螢火蟲算法，對支持向量及模型進行優化處理，通過優化的SVM對變電工程造價水平進行預測。張宇晨等[3]針對初設階段變電工程造價指標不充分，信息不完全的特點，提出了基于人工神經網絡預測模型。丁艷等[4]通過對往期電網工程數據的收集整理，并選取影響電網工程造價的因素，采用回歸預測的方式，對電網工程造價進行預測。

但變電工程往往具有投資周期長、投資資金大等特點，影響其整體造價的因素有很多，然而無法直接判斷各因素對變電工程造價的影響程度，進而影響計價的準確性，在實際的管理過程中，往往因決策導向不明造成超預支的情況，因此抓準影響變電工程造價的主要因素，對其進行著重的資金把控顯得尤為重要。趙維樹[5]通過灰色關聯分析，將定性的問題定量處理，確定了施工圖預算價和工料機信息價是影響工程造價的主要因素；方向[6]等通過粗糙集理論將影響變電工程的因素分為內部和外部兩方面，并結合問卷調查，除去冗余因素，得到了主要因素。邢曉霞等[7]將影響變電工程造價的因素總結為規模因素、市場因素、外部因素、設計技術與建設標準因素。陳德等[8]通過分析變電工程整個建設周期，構建了面向大數據的電網工程造價數據倉儲架構，并從工程概況，技術參數和工程費用三方面入手，提出加強造價管控的有效措施。而張芮郗等[9]更是從宏觀經濟角度，結合影響變電工程的綜合造價指數、價格指數、物量指數，以此尋求居民消費價格指數、出廠價格指數與變電工程造價指數之間的關系。徐文慧等[10]則通過建立變電工程造價控制的評價體系，對影響變電工程造價的相關因素，采用粗糙集理論進行權重賦值，以此得到各影響因素之間的重要性排序。

綜上所述，為了能夠提高變電工程在投資報價中的效率，同時又能抓住影響投資報價的主要因素，以此降低管理成本，簡化流程，但又能加強管控，提高報價的準確性，本文提出了基于灰色關聯模型的最小二乘支持向量機算法（LSSVM）在變電工程快速報價中的研究。

1 理論基礎

1.1 灰色關聯模型基本原理

灰色關聯[11-12]模型是建立在完全確定和完全否定之間的系統，即“某些信息能確定，某些信息不確定”，通過灰色關聯系數，定量的確定因素之間的相關性程度，通過衡量各個比較序列對于同一目標序列的灰色關聯系數大小，確定影響目標序列的主次因素。

其中關聯系數可以表示為：

其中，x0j：目標序列；

xij：比較序列；

ρ：分辨系數，取值范圍為（0，1）。

在實際的操作過程中，同一比較序列對應目標序列會有N個關聯系數，為了方便比較，取其平均值作為兩序列的關聯度：

1.2 最小二次支持向量機（LSSVM）基本原理

最小二乘法支持向量機[13-14]是目前較為成熟的人工智能算法，該算法從支持向量機的基礎上演化而來，該算法的特點在于利用核函數解決非線性問題和決策依據少數支持向量，在一定的程度上能增加計算速度和預測精度，但仍然面臨著當變量復雜、繁多的情況下的“維數災難”問題。

式（4）所示的規劃方程式，以此來解決最小二次支持向量機的求解：

通過對最小二次支持向量記得公式轉換可以得到以下公式：

其中，σ和c是核函數的核參數，通過尋找適當的參數σ和c以解決最小二乘法支持向量機的規劃求解問題。

2 實例分析

2.1 原始數據選取

變電工程造價制應該是貫穿建設全過程的，但是在這個過程中，對變電工程的影響最大的階段是可行性研究階段，該階段投資決策過程將會影響工程造價的可能性在95%-100%，是否能快速且準確的給出變電工程報價，是至關重要的，因此本文中選取可行性研究階段的變電工程造價相關數據。

由于影響變電工程造價的因素具有復雜性、多樣性等特點，如果考慮所有的影響因素不僅耗時耗力，也會降低變電工程造價的預測精度。因此，根據變電工程建設的實際情況和參考國內外相關研究，最終確定變電站容量、主接地網長度、開關柜數量、電纜長度、圍墻內占地面積、建筑面積、站址土石方量、征地費用、工期等9個相關影響因素進行著重分析。

整理2017-2018年浙江省某市110kV-220kV新建變電工程的相關資料，得到15個該地區的變電工程概況數據，并選取其中的10組項目作為訓練樣本，5組項目作為預測樣本。該灰色關聯度模型的數據可以表示為X=（x0，x1，…，x9）T，其中，x0為造價總費用，x1為變電站容量，x2為主接地網長度，x3為開關柜數量，x4電纜長度，x5為圍墻內占地面積，x6為建筑面積，x7站址土石方量，x8為征地費用，x9為工期。

2.2 數據處理

由于在變電工程中，影響造價的因素相互之間的量級和單位取值不同，同時為了能避免個別指標取值范圍大的情況，而使得整個預測過程中所占權重過大，直接導致預測結果的不可靠或片面性，本文需要對變電工程數據進行無量綱化處理，使得所有的指標值都在[0，1]的范圍內，本文采用的是極大值標準化變換，如公式（7）所示：

其中，λij量鋼化之后的比較序列。

經過無量綱化處理之后，如表1所示。

表1 經過無量綱化處理的數據

將經過無量綱化處理的數據帶入公式（1）和（2），可以得到各個影響因素與造價總費用之間的關聯系數均值，如表2所示。

表2 各因素關聯系數均值及排序

由此可知變電站容量影響變電工程造價最主要的因素是變電站的容量，在實際的建設過程中也印證了這一點，在可研階段確定變電站容量就能確定電壓等級，進出線回數等各方面的參數也相繼確定，進而對變電工程造價的影響也較大。建筑面積、電纜長度、主接地網長度分列2、3、4位，因此在考慮影響變電工程造價影響因素時，也應著重考慮。

表3 誤差比較

通過表3，我們能清楚的看到，通過基于灰色關聯模型處理的LSSVM預測結果中，預測結果與期望輸出結果的相對誤差控制在10%以內，即符合可行性研究階段對于投資估算的要求，同時值得注意的是有4組數據的相對誤差控制在5%以內，并且其平均絕對誤差只有3.44%。反觀直接采用LSSVM模型對變電工程造價費用進行預測的結果，可以明顯的發現，其平均絕對誤差為11.75%，并且其中的兩組數據誤差遠超可研投資估算誤差。

因此，不難看出基于灰色關聯模型的LSSVM在變電工程快速報價中的具有較高的預測精度，且基于灰色關聯模型的LSSVM模型，所預算的變電工程造價的結果平穩性更好，相較于僅通過LSSVM模型，其預測結果的極差降低62%，故預測結果具有可靠的實用性。

3 總結

本文通過大量的文獻資料研究和管理者的相關經驗，確定了變電站容量、主接地網長度、開關柜數量、電纜長度、圍墻內占地面積、建筑面積、站址土石方量、征地費用、工期為變電工程造價的影響因素，并提出了采用灰色管理模型定量的對影響因素進行關聯程度大小確定，并選取了關聯程度較大的影響因素：變電站容量、主接地網長度、電纜長度、建筑面積作為LSSVM模型輸入變量的維度進行變電工程造價的預測，結果表明該模型具有較高的預測精度，在實際的變電工程快速報價中有一定的實用性，具體表現在兩方面：①用戶工程方面，通過可靠、精確的電網變電工程快速報價模型，能夠減少傳統造價計算時間冗長，需要大量的設計文件資料，降低了用戶工程可研階段的電力獲得感，增強了電網公司服務效率，優化電力營商環境；②系統工程方面，該快速報價模型能夠對系統工程編制完概預算文件后，進行快速精準的校核，對于傳統編制概預算結果和快速預測結果相差較大的文件，可以進行深入的分部分項分析，針對性的提升傳統概算編制的校核效率。