logo全球能源互联网期刊信息服务平台

华北电力大学牛东晓等:基于 GRA-IPSO-BPNN 的大中型水电项目投资估算模型研究

基于 GRA-IPSO-BPNN 的大中型水电项目投资估算模型研究

牛东晓1,孙丽洁1,周原冰2,李鹏2,田竹肖1,吴佳玮2,孙蔚2

(1. 华北电力大学经济与管理学院;2. 全球能源互联网集团有限公司)


本文发表在《全球能源互联网》2020年第4期“电力系统低碳发展的目标、战略及技术选择”专题,欢迎点击品读

文章导读

水电作为清洁低碳的可再生能源,受到了世界各国的重视。近年来,水电项目投资规模日益扩大,但工程建设周期不断缩减,对水电项目进行准确快速的投资估算愈加重要。本文提出基于灰色关联分析的改进粒子群优化BP神经网络的大中型水电项目投资估算模型,目的是在水电项目规划选址阶段,实现投资的快速高效估算,辅助项目决策。

主要结论


1

通过关键工程特征指标的筛选,可以简化模型输入变量的复杂程度,提高模型计算效率。

2

IPSO算法克服了基本PSO算法易陷入局部极值、早熟收敛的缺点;利用IPSO优化BP神经网络的权值和阈值,改善网络性能,进一步提高了模型的预测精度和效率。

3

基于IPSO-BPNN的投资估算模型能够实现水电项目规划选址阶段的快速投资估算,为项目立项决策提供参考,同时对于投资者安排融资计划和开展项目管理也具有实际意义。


主要内容

在水电项目规划选址阶段建立投资估算模型,工程特征参数选择是关键。首先,梳理项目投资估算相关文献和大中型水电工程案例样本,结合专家意见,初步选取了影响水电项目投资估算的主要工程特征参数。然后,对定性指标进行量化处理,对定量指标进数据预处理,并且将项目的静态投资额调整到统一的时间节点,以保证数据的可比性。

基于灰色关联分析合理选取关键的水电工程特征参数,根据灰色关联度数值的差异,结合专家经验,以0.82为阈值,选择灰色关联度大于0.82的8个工程特征,如图1所示,作为水电项目投资估算模型的输入变量。


图1 水电工程特征参数灰色关联度

以关键工程特征指标作为输入向量,以单位kW投资作为输出向量,建立基于IPSO-BPNN的大中型水电项目投资估算模型,具体计算步骤如图2所示。总体思路为:根据输入变量维度和训练样本的数量,设置相关参数;将样本数据输入模型进行训练,再利用训练好的IPSO-BPNN模型,预测得到待估水电项目的投资估算值。

图2 IPSO-BPNN算法流程图

本文将120个大中型水电工程样本分为两组,其中100个作为训练样本,20个作为测试样本,用于检验模型的预测效果。为避免偶然性,首先对样本进行5次随机分组,然后分别对BPNN、PSO-BPNN和IPSO-BPNN模型进行10次训练和预测。其中,3个模型中的可调参数设置为一致,选取平均绝对误差、均方根误差以及平均绝对百分比误差3个误差指标来进行评价。

将相同样本分组和工程特征输入、同一模型多次输出的结果分别取平均,计算误差评价指标,从结果来看,误差指标的差异不大,说明模型较为稳定;再对不同输入、同一模型输出结果进行对比分析,可以发现基于灰色关联分析筛选出关键工程特征后,投资估算模型的拟合效果更好。因此,选取以关键工程特征指标为输入的某次样本分组的实验结果绘制相关图形,以直观地展示模型的拟合效果和预测效果,如图3所示。

图3 不同模型的预测效果对比图

综合来看,无论是对于训练样本的拟合效果还是对测试样本的预测效果,IPSO-BPNN都比BPNN和PSO-BPNN要更加优越,表明IPSO-BPNN模型具有很强的学习能力和泛化能力;并且基于IPSO-BPNN对测试样本的单位kW投资进行预测的平均绝对百分比误差为12.73%,预测精度较高。


本文引文信息

牛东晓,孙丽洁,周原冰,等. 基于GRA-IPSO-BPNN的大中型水电项目投资估算模型研究[J]. 全球能源互联网,2020,3(4):404-411.


NIU Dongxiao, SUN Lijie, ZHOU Yuanbing, et al. Investment estimation model of medium- to large-sized hydropower projects based on GRA-IPSO-BPNN[J]. Journal of Global Energy Interconnection, 2020, 3(4): 404-411(in Chinese).

研究团队

华北电力大学新能源电力与低碳发展研究北京市重点实验室主要从事包括能源电力发展政策分析、投资策略优化及评价研究、电力负荷预测以及生产大数据智能优化分析、智能运营监控等方面的研究,在大数据智能优化决策方法研究与应用方面取得了丰硕成果。近五年,团队承担了教育部重大项目、国家自然科学基金、国家发改委重大项目、国家学科创新引智计划、企业项目50余项。研究成果用于28家企业,效益显著,具有开创性,部分成果达到国际领先水平,向全国政协、国务院、国家发改委和央企提交了30余份咨询报告。研究小组目前有教授5名,副教授13名,博士研究生5名,硕士研究生15名。

作者简介


牛东晓


教授,华北电力大学中国能源经济管理研究中心主任


主要研究方向为技术经济预测与评价研究、能源电力投资决策优化等

E-mail:

niudx@ncepu.edu.cn


孙丽洁


博士研究生


主要研究方向为电力工程投资估算、能源电力政策分析等

E-mail:

sunlijie@ncepu.edu.cn


周原冰


全球能源互联网发展合作组织经济技术研究院院长


长期从事能源电力发展战略规划、能源经济政策、企业战略管理、新能源与智能电网、全球能源互联网等研究工作

E-mail:

zhouyuanbing@geidco.org


李鹏


高级工程师


主要研究方向为柔性交流输电,输配电与节电技术,清洁能源资源评估与宏观选址,电网规划与发展等

E-mail:

li-peng@geidco.org


田竹肖


硕士研究生


主要研究方向为技术经济预测与评价研究、电力工程投资估算等

E-mail:

tianzx@ncepu.edu.cn


吴佳玮


工程师


主要研究方向为清洁能源资源评估与高电压输电技术研究等

E-mail:

jiawei-wu@geidco.org


孙蔚


高级工程师


主要研究方向为直流电网运行与控制技术研究、清洁能源资源评估与宏观选址、清洁能源发电技术经济性研究等。

E-mail:

wei-sun@geidco.org

相关精彩阅读




编辑:张鹏

审核:白恺


郑重声明

根据国家版权局相关规定,纸媒、网站、微博、微信公众号转载、摘编本网站作品,需包含本网站名称、二维码等关键信息,并在文首注明《全球能源互联网》原创。
个人请按本网站原文转发、分享。