基于自適應(yīng)粒子群的新能源發(fā)電項(xiàng)目工程造價(jià)動(dòng)態(tài)化估算方法

摘要：由于現(xiàn)有的工程造價(jià)估算方法對(duì)造價(jià)數(shù)據(jù)分類準(zhǔn)確率低、工程造價(jià)估算誤差較大，影響發(fā)電工程項(xiàng)目的開展，因此文章設(shè)計(jì)了基于自適應(yīng)粒子群的新能源發(fā)電項(xiàng)目工程造價(jià)動(dòng)態(tài)化估算方法。提取發(fā)電項(xiàng)目工程造價(jià)動(dòng)態(tài)增益特征，確定造價(jià)動(dòng)態(tài)變量的貢獻(xiàn)價(jià)值，再利用自適應(yīng)粒子群算法，調(diào)整發(fā)電項(xiàng)目造價(jià)慣性權(quán)重，構(gòu)建出工程造價(jià)動(dòng)態(tài)估算模型，實(shí)現(xiàn)了發(fā)電工程造價(jià)動(dòng)態(tài)化估算。采用對(duì)比實(shí)驗(yàn)的方式，驗(yàn)證了該估算方法的估算誤差較小，能夠應(yīng)用于實(shí)際生活中。

關(guān)鍵詞：自適應(yīng)粒子群；新能源；發(fā)電項(xiàng)目；工程造價(jià)；動(dòng)態(tài)化；估算方法

中圖法分類號(hào)：TU723文獻(xiàn)標(biāo)識(shí)碼：A

Dynamic estimation method of engineering cost of new energy powergeneration project based on adaptive particle swarm

HE Qiyao

（China Power Construction New Energy Group Co.，Ltd.，QinghaiBranch，Xining 810000，China）

Abstract：Due to the low classification accuracy of cost data in the existing project cost estimation methods，the project cost estimation error is large， which affects the development of power generation projects.Therefore，this paper designs a new energy power generation project cost dynamic estimation method based on adaptive particle swarm optimization. We extract the dynamic gain characteristics of the power generation project cost，determine the contribution value of the dynamic cost variable，and then adjust the inertia weight of the power generation project cost by using the adaptive particle swarm optimization algorithm， establish the dynamic estimation model of the power generation project cost，and realize the dynamic estimation of the power generation project cost.Through comparative experiments，it is proved that the estimation error of this method is small，and it can be used in real life.

Key words： adaptive particle swarm， new energy， power generation projects， project cost， dynamic estimation method

1 引言

新能源發(fā)電是人們獲得電能的重要方式，在電能市場(chǎng)定價(jià)的過程中，工程造價(jià)估算扮演著重要的角色，對(duì)于工程后續(xù)決策至關(guān)重要。為了解決發(fā)電工程造價(jià)估算的問題，避免項(xiàng)目工程受到定額價(jià)格決策的影響，有研究人員針對(duì)項(xiàng)目工程的造價(jià)估算方法進(jìn)行了研究。有研究人員利用 BIM 三維模型設(shè)計(jì)了一種工程造價(jià)的快速估算方法—利用 BIM 模型，構(gòu)建出發(fā)電項(xiàng)目工程等效線性模型，通過分析模型，找出造價(jià)信息的屬性特征，進(jìn)而合理分配數(shù)據(jù)并估算出合理的工程造價(jià)[1]。還有研究人員通過灰色系統(tǒng)法估算工程造價(jià)—通過灰色系統(tǒng)理論，建立工程造價(jià)估算模型，使估算過程更加簡(jiǎn)單，進(jìn)而提高工程造價(jià)的估算精準(zhǔn)度[2]。但是，兩種方法在實(shí)際估算的過程中，目的性較強(qiáng)，忽略了工程造價(jià)中可能出現(xiàn)的動(dòng)態(tài)變化，對(duì)造價(jià)數(shù)據(jù)分類準(zhǔn)確率較低，增加了估算誤差，影響工程后續(xù)施工與決策[3]。自適應(yīng)粒子群算法是在追尋最優(yōu)解的過程中，找到全局最優(yōu)，省略了大部分的計(jì)算步驟，能夠快速得到想要的數(shù)據(jù)[4]。因此，本文利用自適應(yīng)粒子群算法，設(shè)計(jì)了新能源發(fā)電項(xiàng)目工程造價(jià)動(dòng)態(tài)化估算方法。

2 基于自適應(yīng)粒子群的發(fā)電工程造價(jià)動(dòng)態(tài)估算方法設(shè)計(jì)

2.1 提取發(fā)電項(xiàng)目工程造價(jià)動(dòng)態(tài)增益特征

信息增益是常用的信息度量，是特征選擇的評(píng)價(jià)函數(shù)。本文主要對(duì)工程造價(jià)的動(dòng)態(tài)增益特征進(jìn)行提取，找出工程中出現(xiàn)的隨機(jī)變量，并減少不確定度對(duì)估算結(jié)果的影響[5]。本文假設(shè)發(fā)電項(xiàng)目工程相關(guān)數(shù)據(jù)的隨機(jī)變量為 S，S 的取值包括（S1，S2，…，Sn ），則 S 的信息熵定義為：

V（S）＝－∑ki logkm????????????? （1）

式（1）中，V（ S）為變量 S 的信息熵定義式；ki 為變量出現(xiàn)的概率；km 為隨機(jī)變量分布范圍。V（S）值越小，變量 S 分布范圍越不均勻，變量存在的不確定性越小，工程造價(jià)動(dòng)態(tài)估算誤差越大。動(dòng)態(tài)增益特征的好壞，主要與工程數(shù)據(jù)的冗余度有關(guān)，如果 S1與 S2是相互獨(dú)立的，則增益特征為0[6]。本文利用信息熵，確定變量增益特征的冗余度，公式如下：

式（2）中，V（S1，S2）為變量 S 1與 S2的冗余度。V（S1， S2）的值越大，則增益特征代表的 S 1與 S2變量對(duì)動(dòng)態(tài)估算的貢獻(xiàn)越大，估算精準(zhǔn)度隨之提升。

2.2 基于自適應(yīng)粒子群算法構(gòu)建工程造價(jià)動(dòng)態(tài)估算模型

慣性權(quán)重的選取對(duì)粒子群算法的影響較大，本文在提取出動(dòng)態(tài)增益特征的基礎(chǔ)上，調(diào)整了發(fā)電項(xiàng)目造價(jià)慣性權(quán)重，有效地平衡粒子群算法局部最優(yōu)與全局最優(yōu)的關(guān)系[7]。本文選定一個(gè)進(jìn)化狀態(tài)因子，得出的慣性權(quán)重如下：

式（3）和式（4）中，ε為進(jìn)化狀態(tài)因子；x 為當(dāng)前迭代次數(shù)；X 為進(jìn)化狀態(tài)因子能夠承受的最大迭代次數(shù)；f（ε）為進(jìn)化狀態(tài)因子經(jīng)過調(diào)整之后的慣性權(quán)重；f（ k i ）為第i個(gè)粒子所對(duì)應(yīng)的適應(yīng)度函數(shù)值；N為粒子群規(guī)模。經(jīng)過調(diào)整之后的慣性權(quán)重有效地避免了粒子的早熟，使工程造價(jià)估算過程更加便捷。本文將進(jìn)化狀態(tài)因子、數(shù)據(jù)迭代次數(shù)、調(diào)整后的慣性權(quán)重作為估算模型參數(shù)，由此構(gòu)建的估算模型表達(dá)式如下：

式（5）、式（6）、式（7）中，Xn＋1為工程造價(jià)數(shù)據(jù)經(jīng)過的第 n＋1次迭代；Xn－1為工程造價(jià)數(shù)據(jù)經(jīng)過的第 n ?1次迭代；m、n、a 均為常數(shù)；f（ S）為模型的適應(yīng)度函數(shù)；I 為發(fā)電電流數(shù)據(jù)的適應(yīng)度值；V （ S 1，I），V （ S2，I）， V（Sn ，I）為變量 S 1，S2，Sn 的適應(yīng)度值；ιk 為估算模型表達(dá)式；b 1為最佳適應(yīng)度；b2為平均適應(yīng)度；P 為粒子最優(yōu)位置。ιk 與實(shí)際造價(jià)越相近，估算誤差越小，工程后續(xù)決策越精準(zhǔn)。

3 實(shí)驗(yàn)

為了驗(yàn)證本文設(shè)計(jì)的估算方法是否具有實(shí)用價(jià)值，本文對(duì)上述方法進(jìn)行了實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果以文獻(xiàn)[1]估算方法、文獻(xiàn)[2]估算方法，與本文設(shè)計(jì)的基于自適應(yīng)粒子群的新能源發(fā)電項(xiàng)目工程造價(jià)動(dòng)態(tài)化估算方法進(jìn)行對(duì)比的形式呈現(xiàn)。

3.1 實(shí)驗(yàn)過程

本文在進(jìn)行實(shí)驗(yàn)之前，利用自適應(yīng)粒子群算法的優(yōu)勢(shì)，在數(shù)據(jù)集 Vowel 中，選取多個(gè)發(fā)電項(xiàng)目工程造價(jià)數(shù)據(jù)，將數(shù)據(jù)分門別類，使數(shù)據(jù)適應(yīng)性更強(qiáng)。工程造價(jià)動(dòng)態(tài)估算優(yōu)勢(shì)如圖1所示。

如圖1所示，文獻(xiàn)[1]估算方法，工程造價(jià)的動(dòng)態(tài)特征分類準(zhǔn)確率在0～88％范圍內(nèi)，準(zhǔn)確率可以滿足動(dòng)態(tài)分類的基本需求。在迭代次數(shù)為75次之后，準(zhǔn)確率穩(wěn)定在88％左右。因此，文獻(xiàn)[1]估算方法仍存在一定的不確定性因素，影響估算結(jié)果。在文獻(xiàn)[2]估算方法中，工程造價(jià)的動(dòng)態(tài)特征分類準(zhǔn)確率在0～90％范圍內(nèi)，準(zhǔn)確率相比于文獻(xiàn)[1]稍高，在迭代次數(shù)為70次之后，穩(wěn)定在90％左右。因此，文獻(xiàn)[2]估算方法同樣存在較多的不確定性因素。而在本文設(shè)計(jì)的估算方法中，通過自適應(yīng)粒子群算法，使估算數(shù)據(jù)提前適應(yīng)，進(jìn)而減少迭代次數(shù)，在60次迭代之后趨于穩(wěn)定，動(dòng)態(tài)特征分類準(zhǔn)確率無限趨近于100％，準(zhǔn)確率相較于文獻(xiàn)[1]與文獻(xiàn)[2]更高，可以為工程后續(xù)施工設(shè)計(jì)提供參考。

3.2 實(shí)驗(yàn)結(jié)果

在上述實(shí)驗(yàn)條件下，本文選取了太陽能、風(fēng)能、水能、地?zé)崮堋⒉ɡ四?、洋流能、潮汐能、核能等新能源發(fā)電項(xiàng)目，其實(shí)際造價(jià)不同。本文在工程實(shí)際造價(jià)一致的條件下，將文獻(xiàn)[1]估算方法得出的發(fā)電項(xiàng)目工程造價(jià)、文獻(xiàn)[2]估算方法得出的發(fā)電項(xiàng)目工程造價(jià)，與本文設(shè)計(jì)的基于自適應(yīng)粒子群的新能源發(fā)電項(xiàng)目工程造價(jià)動(dòng)態(tài)化估算方法得出的發(fā)電項(xiàng)目工程造價(jià)進(jìn)行對(duì)比。實(shí)驗(yàn)結(jié)果如表1所列。

如表1所列，本文選取的新能源發(fā)電項(xiàng)目中，實(shí)際造價(jià)均不相同。本文主要將造價(jià)估算結(jié)果與實(shí)際造價(jià)進(jìn)行對(duì)比，估算值與實(shí)際值相差越小，估算效果越佳。

在工程造價(jià)一致的條件下，文獻(xiàn)[1]估算方法得出的發(fā)電項(xiàng)目工程造價(jià)與實(shí)際造價(jià)之間相差±0.10萬元，估算誤差相對(duì)較大，影響新能源發(fā)電工程的后續(xù)施工方案設(shè)計(jì)。文獻(xiàn)[2]估算方法得出的發(fā)電項(xiàng)目工程造價(jià)與實(shí)際造價(jià)之間相差±0.08萬元，相比于文獻(xiàn)[1]估算方法，估算水平得到了提升，但仍存在0.08萬元及以上估算誤差，對(duì)新能源發(fā)電工程的后續(xù)施工方案設(shè)計(jì)仍有一定影響。而使用本文設(shè)計(jì)的基于自適應(yīng)粒子群的新能源發(fā)電項(xiàng)目工程造價(jià)動(dòng)態(tài)化估算方法得出的發(fā)電項(xiàng)目工程造價(jià)與實(shí)際造價(jià)之間僅相差±0.01萬元，相比于文獻(xiàn)[1]估算方法與文獻(xiàn)[2]估算方法的估算結(jié)果有了很大程度的提升，此誤差對(duì)新能源發(fā)電工程的后續(xù)施工方案設(shè)計(jì)的影響較小，甚至可以忽略不計(jì)，符合本文的研究目的。

4 結(jié)束語

近年來，電能應(yīng)用較為廣泛，為人們創(chuàng)造了便捷的用電環(huán)境。新能源發(fā)電項(xiàng)目是電價(jià)下調(diào)過程中的重要工程，其造價(jià)估算結(jié)果與工程決策有關(guān)。因此，本文利用自適應(yīng)粒子群算法，設(shè)計(jì)了新能源發(fā)電項(xiàng)目工程造價(jià)動(dòng)態(tài)化估算方法。從特征、權(quán)重、模型等方面，全面縮小估算誤差，以期為發(fā)電項(xiàng)目工程的施工決策提供保障。

參考文獻(xiàn)：

[1] 王林峰，徐楠，韓念遐.基于 BIM 三維模型的輸變電工程建設(shè)造價(jià)快速估算方法[J].工業(yè)建筑，2021，51（9）：252.

[2]王建.基于灰色系統(tǒng)法對(duì)水利工程造價(jià)估算的研究分析[J].水利科技與經(jīng)濟(jì)，2020，26（10）：79?84.

[3] 牛衍亮，高立揚(yáng)，段曉晨，等.基于余弦相似度?神經(jīng)網(wǎng)絡(luò)模型的高鐵土建工程造價(jià)估算[ J].土木工程與管理學(xué)報(bào)，2020，37（5）：82?87＋94.

[4]湯青慧，李盼盼，隋玉正.基于 MLP 模型的高標(biāo)準(zhǔn)基本農(nóng)田工程造價(jià)估算方法研究—以浙江省為例[ J].青島理工大學(xué)學(xué)報(bào)，2020，41（3）：1?8＋22.

[5] 李海燕，任長(zhǎng)江.基于 BIM 技術(shù)的綠色建筑工程造價(jià)快速估算模型[J].山東農(nóng)業(yè)大學(xué)學(xué)報(bào)（自然科學(xué)版），2020，51（5）：962?966.

[6]潘攀，石力，石惠敏.“雙碳”背景下電力企業(yè)新能源發(fā)電項(xiàng)目的融資障礙及破解路徑研究—以宿遷運(yùn)河港配售電公司為例[J].中國總會(huì)計(jì)師，2022（1）：64?67.

[7] 溫懷鈺，李振坡，宋勝利，等.視頻監(jiān)控管理系統(tǒng)在新能源發(fā)電工程中的應(yīng)用分析[J].中國設(shè)備工程，2022（1）：224?225.

作者簡(jiǎn)介：

賀綺瑤（1989—），碩士，工程師，研究方向：新能源資源獲取及全過程建設(shè)管理。