论文部分内容阅读
随着国家加大对电力设施的投资与建设,变电工程的建设与管理成为电网发展重点关注的问题。变电工程建设过程中工期、造价、质量三者相互影响,如何使整体最优以及变电工程管理过程中的全寿命周期成本问题成为研究的热点与难点。本文针对变电工程造价优化及全寿命周期成本预测、风险评价展开研究,以期为变电工程建设与管理工作提供借鉴。本文主要工作内容如下:
(1)对变电工程建设过程中工期、造价、质量三者间相互关系进行分析研究。以工序为基础,建立工期-工序、造价-工序、质量-工序函数关系。结合实际确定变电工程工期-造价-质量优化模型,在保证优异质量与满足工期要求的前提下实现对造价的优化。
(2)在建立变电工程工期-造价-质量优化模型的基础上,选用设定参数少,收敛精度高的萤火虫算法求解该模型。在萤火虫位置更新公式中加入自适应惯性权重来提高算法的收敛速度与计算精度,同时用可变步长代替固定步长进行优化搜索,避免了搜索过程中出现震荡现象。算例分析表明,相比于萤火虫算法与遗传算法,改进萤火虫算法优化计算结果在满足工期要求的情况下,质量最优,且造价分别减少0.225%与0.524%,工期-造价-质量整体达到最优。
(3)在对变电站建设阶段造价成本研究的基础上,对其全寿命周期成本(LCC)展开研究。针对LS-SVM(最小二乘支持向量机)模型惩罚参数?与核参数?2选取对预测结果影响较大的问题,通过QPSO(量子粒子群)算法优化LS-SVM模型参数,建立基于QPSO-LS-SVM的变电站LCC预测模型。算例分析对比QPSO-LS-SVM,PSO-LS-SVM,LS-SVM,BP神经网络四种模型的预测结果与预测性能指标。结果表明,QPSO-LS-SVM算法收敛速度与收敛精度均优于PSO-LS-SVM算法。四种预测模型平均相对误差分别为1.853%、1.927%、2.040%、3.075%,QPSO-LS-SVM预测模型具有更好的预测精度。
(4)对变电工程寿命周期内不同阶段成本进行风险辨识,建立变电站LCC风险评价指标体系。将能够融合定性分析与定量分析的AHP法与模糊综合评价法结合,提出基于AHP-模糊综合评价法的变电站LCC风险评价模型,构建模糊关系矩阵,利用层次分析法求出风险因素权重,最后进行模糊综合评价。通过实际算例分析,完成对变电站全寿命周期成本风险等级的确定。结果表明待评价变电站LCC风险等级为“一般”,各阶段成本中,运行成本风险等级为“较高”,其余阶段成本风险等级为“一般”,针对评价结果中风险较高的因素提出相应风险管控措施。
(1)对变电工程建设过程中工期、造价、质量三者间相互关系进行分析研究。以工序为基础,建立工期-工序、造价-工序、质量-工序函数关系。结合实际确定变电工程工期-造价-质量优化模型,在保证优异质量与满足工期要求的前提下实现对造价的优化。
(2)在建立变电工程工期-造价-质量优化模型的基础上,选用设定参数少,收敛精度高的萤火虫算法求解该模型。在萤火虫位置更新公式中加入自适应惯性权重来提高算法的收敛速度与计算精度,同时用可变步长代替固定步长进行优化搜索,避免了搜索过程中出现震荡现象。算例分析表明,相比于萤火虫算法与遗传算法,改进萤火虫算法优化计算结果在满足工期要求的情况下,质量最优,且造价分别减少0.225%与0.524%,工期-造价-质量整体达到最优。
(3)在对变电站建设阶段造价成本研究的基础上,对其全寿命周期成本(LCC)展开研究。针对LS-SVM(最小二乘支持向量机)模型惩罚参数?与核参数?2选取对预测结果影响较大的问题,通过QPSO(量子粒子群)算法优化LS-SVM模型参数,建立基于QPSO-LS-SVM的变电站LCC预测模型。算例分析对比QPSO-LS-SVM,PSO-LS-SVM,LS-SVM,BP神经网络四种模型的预测结果与预测性能指标。结果表明,QPSO-LS-SVM算法收敛速度与收敛精度均优于PSO-LS-SVM算法。四种预测模型平均相对误差分别为1.853%、1.927%、2.040%、3.075%,QPSO-LS-SVM预测模型具有更好的预测精度。
(4)对变电工程寿命周期内不同阶段成本进行风险辨识,建立变电站LCC风险评价指标体系。将能够融合定性分析与定量分析的AHP法与模糊综合评价法结合,提出基于AHP-模糊综合评价法的变电站LCC风险评价模型,构建模糊关系矩阵,利用层次分析法求出风险因素权重,最后进行模糊综合评价。通过实际算例分析,完成对变电站全寿命周期成本风险等级的确定。结果表明待评价变电站LCC风险等级为“一般”,各阶段成本中,运行成本风险等级为“较高”,其余阶段成本风险等级为“一般”,针对评价结果中风险较高的因素提出相应风险管控措施。