本發(fā)明屬于電網(wǎng)運(yùn)行費(fèi)用預(yù)測(cè)技術(shù)領(lǐng)域，涉及一種基于灰色關(guān)聯(lián)分析的人工神經(jīng)網(wǎng)絡(luò)配網(wǎng)運(yùn)行維護(hù)費(fèi)預(yù)測(cè)方法。

背景技術(shù)：

配網(wǎng)運(yùn)行維護(hù)費(fèi)是電網(wǎng)企業(yè)生產(chǎn)運(yùn)營(yíng)的重要組成部分，為了最佳的資金使用策略，需要對(duì)配網(wǎng)運(yùn)行維護(hù)費(fèi)進(jìn)行準(zhǔn)確合理的估算。但是配網(wǎng)運(yùn)行維護(hù)費(fèi)受到社會(huì)、經(jīng)濟(jì)、政策、資源等多種因素影響，且各因素的作用機(jī)理復(fù)雜，導(dǎo)致配網(wǎng)運(yùn)行維護(hù)費(fèi)與影響因素之間的關(guān)系很難用線性來(lái)表述。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明所要解決的技術(shù)問(wèn)題克服上述現(xiàn)有技術(shù)存在的缺陷，提供一種基于灰色關(guān)聯(lián)分析的人工神經(jīng)網(wǎng)絡(luò)配網(wǎng)運(yùn)行維護(hù)費(fèi)預(yù)測(cè)方法，其通過(guò)灰色關(guān)聯(lián)度分析提取影響配網(wǎng)運(yùn)行維護(hù)費(fèi)的主要因素，作為人工神經(jīng)網(wǎng)絡(luò)的輸入變量，建立配網(wǎng)運(yùn)行維護(hù)費(fèi)預(yù)測(cè)模型，使輸配電項(xiàng)目管理能夠動(dòng)態(tài)追蹤其各項(xiàng)成本費(fèi)用因素所引起的不確定性并形成風(fēng)險(xiǎn)控制決策響應(yīng)，以便于電網(wǎng)企業(yè)有效地管理和控制電網(wǎng)運(yùn)行維護(hù)成本。

為此，本發(fā)明采用如下的技術(shù)方案：一種人工神經(jīng)網(wǎng)絡(luò)配網(wǎng)運(yùn)行維護(hù)費(fèi)預(yù)測(cè)方法，包括：

1)配網(wǎng)運(yùn)行維護(hù)費(fèi)影響因素的灰色關(guān)聯(lián)度分析：采用灰色關(guān)聯(lián)分析從因子庫(kù)中提取配網(wǎng)運(yùn)行維護(hù)費(fèi)的主要影響因素，作為人工神經(jīng)網(wǎng)絡(luò)的輸入變量；

2)人工神經(jīng)網(wǎng)絡(luò)配網(wǎng)運(yùn)行維護(hù)費(fèi)預(yù)測(cè)模型的選用：在灰色關(guān)聯(lián)分析的基礎(chǔ)上，利用人工神經(jīng)網(wǎng)絡(luò)具有無(wú)限逼近非線性連續(xù)函數(shù)關(guān)系的性質(zhì)，將其作為配網(wǎng)運(yùn)行維護(hù)費(fèi)的預(yù)測(cè)模型；

3)基于灰色關(guān)聯(lián)分析的人工神經(jīng)網(wǎng)絡(luò)配網(wǎng)運(yùn)行維護(hù)費(fèi)預(yù)測(cè)：依據(jù)灰色關(guān)聯(lián)度篩選出與配網(wǎng)運(yùn)行維護(hù)費(fèi)同步變動(dòng)程度最高的影響因素，作為人工神經(jīng)網(wǎng)絡(luò)的輸入，以配網(wǎng)運(yùn)行維護(hù)費(fèi)的預(yù)測(cè)值為輸出，建立配網(wǎng)運(yùn)行維護(hù)費(fèi)預(yù)測(cè)模型，對(duì)配網(wǎng)運(yùn)行維護(hù)費(fèi)進(jìn)行準(zhǔn)確合理的估算，便于電網(wǎng)企業(yè)有效地管理和控制電網(wǎng)運(yùn)行維護(hù)成本。

進(jìn)一步地，所述灰色關(guān)聯(lián)度分析包括以下步驟：

1)設(shè)反映配網(wǎng)運(yùn)行維護(hù)費(fèi)的時(shí)間序列為影響配網(wǎng)運(yùn)行維護(hù)費(fèi)的m個(gè)時(shí)間序列組為對(duì)配網(wǎng)運(yùn)行維護(hù)費(fèi)序列和影響因素序列進(jìn)行標(biāo)準(zhǔn)化處理，得到{x0(t)}和{xi(t)}，t＝1,2,...,n，i＝1,2,...m；

2)計(jì)算灰色關(guān)聯(lián)系數(shù)：在t＝k時(shí)刻，計(jì)算配網(wǎng)運(yùn)行維護(hù)費(fèi)序列{x0(k)}與影響因素序列{xi(k)}的灰色關(guān)聯(lián)系數(shù)為：li0(k)＝(dmin+dmax)/(doi(k)+rdmax)，i＝1,2,...m；

其中，r為分辨系數(shù)，0＜r＜1；d0i(k)＝|x0(k)-xi(k)|，t＝1,2,...,n；dmin與dmax分別為兩極差的最大差與最小差，即

3)計(jì)算灰色關(guān)聯(lián)度，配網(wǎng)運(yùn)行維護(hù)費(fèi)序列與影響因素序列的灰色關(guān)聯(lián)度r0i可計(jì)算

為：

其中，0＜r0i≤1，r0i越大，表明x0(k)與xi(k)之間的關(guān)聯(lián)程度越大；

灰色關(guān)聯(lián)度排序，根據(jù)計(jì)算的灰色關(guān)聯(lián)度從大到小排列出影響因素序列對(duì)配網(wǎng)運(yùn)行維護(hù)費(fèi)序列的關(guān)聯(lián)程度。

進(jìn)一步地，所述人工神經(jīng)網(wǎng)絡(luò)配網(wǎng)運(yùn)行維護(hù)費(fèi)預(yù)測(cè)模型的選用包括以下步驟：

1)選擇人工神經(jīng)網(wǎng)絡(luò)作為配網(wǎng)運(yùn)行維護(hù)費(fèi)的預(yù)測(cè)模型；

2)設(shè)神經(jīng)網(wǎng)絡(luò)有n個(gè)輸入神經(jīng)元、m個(gè)輸出神經(jīng)元和p個(gè)隱層神經(jīng)元，則隱層神經(jīng)元的輸出為：

其中xi為第i個(gè)輸入神經(jīng)元的輸出值，為第j個(gè)隱層神經(jīng)元的輸出值，ωij為連接第i個(gè)輸入神經(jīng)元和第j個(gè)隱層神經(jīng)元的權(quán)值，bj為第j個(gè)隱層神經(jīng)元的偏差值，f(·)為傳遞函數(shù)；

輸出層神經(jīng)元的輸出為：

其中yk為第k個(gè)輸出神經(jīng)元的輸出值，ωjk為連接第j個(gè)隱層神經(jīng)元和第k個(gè)輸出神經(jīng)元的權(quán)值，bk為第k個(gè)輸出神經(jīng)元的偏差值；

傳遞函數(shù)采用s型函數(shù)，

f(x)＝1/(1+e^-x/q)，其中：q為調(diào)整傳遞函數(shù)形式的s型參數(shù)；

3)各輸入信號(hào)從輸入層進(jìn)入網(wǎng)絡(luò)，經(jīng)傳遞函數(shù)變換后到達(dá)隱層，再經(jīng)過(guò)傳遞函數(shù)映射變換到輸出層構(gòu)成各輸出信號(hào)；從輸出層經(jīng)隱層，然后到輸入層，每層神經(jīng)元都分擔(dān)相應(yīng)的誤差信號(hào)，進(jìn)而修改權(quán)值。這樣交替反復(fù)進(jìn)行，直至滿足某種條件才停止網(wǎng)絡(luò)的訓(xùn)練。

本發(fā)明先利用灰色關(guān)聯(lián)度分析計(jì)算各因素對(duì)配網(wǎng)運(yùn)行維護(hù)費(fèi)的影響程度，然后依據(jù)灰色關(guān)聯(lián)度篩選出與配網(wǎng)運(yùn)行維護(hù)費(fèi)同步變動(dòng)程度最高的影響因素，再將選出的主要影響因素作為人工神經(jīng)網(wǎng)絡(luò)的輸入，最后以配網(wǎng)運(yùn)行維護(hù)費(fèi)的預(yù)測(cè)值作為輸出，建立配網(wǎng)運(yùn)行維護(hù)費(fèi)預(yù)測(cè)方法，為電網(wǎng)企業(yè)有效地管理和控制輸配電成本，使輸配電項(xiàng)目管理能夠動(dòng)態(tài)追蹤其各項(xiàng)成本費(fèi)用因素所引起的不確定性并形成風(fēng)險(xiǎn)控制決策響應(yīng)。

附圖說(shuō)明

圖1是人工神經(jīng)網(wǎng)絡(luò)拓?fù)鋱D；

圖2是人工神經(jīng)網(wǎng)絡(luò)算法流程圖；

圖3是本發(fā)明的流程示意圖。

具體實(shí)施方式

針對(duì)電網(wǎng)企業(yè)的運(yùn)行維護(hù)成本，本發(fā)明構(gòu)造一種基于灰色關(guān)聯(lián)分析的人工神經(jīng)網(wǎng)絡(luò)配網(wǎng)運(yùn)行維護(hù)費(fèi)預(yù)測(cè)方法，使得電網(wǎng)企業(yè)能夠?qū)\(yùn)行維護(hù)費(fèi)進(jìn)行準(zhǔn)確合理的估算，便于電網(wǎng)企業(yè)有效地管理和控制電網(wǎng)運(yùn)行維護(hù)成本。具體實(shí)施方式包括以下步驟：

1)配網(wǎng)運(yùn)行維護(hù)費(fèi)影響因素的灰色關(guān)聯(lián)度分析：采用灰色關(guān)聯(lián)分析從因子庫(kù)中提取配網(wǎng)運(yùn)行維護(hù)費(fèi)的主要影響因素，作為人工神經(jīng)網(wǎng)絡(luò)的輸入變量；

2)人工神經(jīng)網(wǎng)絡(luò)配網(wǎng)運(yùn)行維護(hù)費(fèi)預(yù)測(cè)模型的選用：在灰色關(guān)聯(lián)分析的基礎(chǔ)上，利用人工神經(jīng)網(wǎng)絡(luò)具有無(wú)限逼近非線性連續(xù)函數(shù)關(guān)系的性質(zhì)，將其選用為配網(wǎng)運(yùn)行維護(hù)費(fèi)的預(yù)測(cè)模型。

3)灰色關(guān)聯(lián)分析的人工神經(jīng)網(wǎng)絡(luò)配網(wǎng)運(yùn)行維護(hù)費(fèi)預(yù)測(cè)：依據(jù)灰色關(guān)聯(lián)度篩選出與配網(wǎng)運(yùn)行維護(hù)費(fèi)同步變動(dòng)程度最高的影響因素，作為人工神經(jīng)網(wǎng)絡(luò)的輸入，以配網(wǎng)運(yùn)行維護(hù)費(fèi)的預(yù)測(cè)值為輸出，建立配網(wǎng)企業(yè)的運(yùn)行維護(hù)費(fèi)預(yù)測(cè)模型。

所述灰色關(guān)聯(lián)度分析包括以下步驟：

1)設(shè)反映配網(wǎng)運(yùn)行維護(hù)費(fèi)的時(shí)間序列為影響配網(wǎng)運(yùn)行維護(hù)費(fèi)的m個(gè)時(shí)間序列組為對(duì)配網(wǎng)運(yùn)行維護(hù)費(fèi)序列和影響因素序列進(jìn)行標(biāo)準(zhǔn)化處理，得到{x0(t)}和{xi(t)}，t＝1,2,...,n，i＝1,2,...m；

2)計(jì)算灰色關(guān)聯(lián)系數(shù)：在t＝k時(shí)刻，計(jì)算配網(wǎng)運(yùn)行維護(hù)費(fèi)序列{x0(k)}與影響因素序列{xi(k)}的灰色關(guān)聯(lián)系數(shù)為：li0(k)＝(dmin+dmax)/(doi(k)+rdmax)，i＝1,2,...m；

其中，r為分辨系數(shù)，0＜r＜1；d0i(k)＝|x0(k)-xi(k)|，t＝1,2,...,n；dmin與dmax分別為兩極差的最大差與最小差，即

3)計(jì)算灰色關(guān)聯(lián)度，配網(wǎng)運(yùn)行維護(hù)費(fèi)序列與影響因素序列的灰色關(guān)聯(lián)度r0i可計(jì)算為：

其中，0＜r0i≤1，r0i越大，表明x0(k)與xi(k)之間的關(guān)聯(lián)程度越大；

灰色關(guān)聯(lián)度排序，根據(jù)計(jì)算的灰色關(guān)聯(lián)度從大到小排列出影響因素序列對(duì)配網(wǎng)運(yùn)行維護(hù)費(fèi)序列的關(guān)聯(lián)程度。

所述人工神經(jīng)網(wǎng)絡(luò)配網(wǎng)運(yùn)行維護(hù)費(fèi)預(yù)測(cè)模型的選用包括以下步驟：

1)選擇人工神經(jīng)網(wǎng)絡(luò)作為配網(wǎng)運(yùn)行維護(hù)費(fèi)的預(yù)測(cè)模型；

2)設(shè)神經(jīng)網(wǎng)絡(luò)有n個(gè)輸入神經(jīng)元、m個(gè)輸出神經(jīng)元和p個(gè)隱層神經(jīng)元，則隱層神經(jīng)元的輸出為：

其中xi為第i個(gè)輸入神經(jīng)元的輸出值，為第j個(gè)隱層神經(jīng)元的輸出值，ωij為連接第i個(gè)輸入神經(jīng)元和第j個(gè)隱層神經(jīng)元的權(quán)值，bj為第j個(gè)隱層神經(jīng)元的偏差值，f(·)為傳遞函數(shù)；

輸出層神經(jīng)元的輸出為：

其中yk為第k個(gè)輸出神經(jīng)元的輸出值，ωjk為連接第j個(gè)隱層神經(jīng)元和第k個(gè)輸出神經(jīng)元的權(quán)值，bk為第k個(gè)輸出神經(jīng)元的偏差值；

傳遞函數(shù)采用s型函數(shù)，

f(x)＝1/(1+e^-x/q)，其中：q為調(diào)整傳遞函數(shù)形式的s型參數(shù)；

3)各輸入信號(hào)從輸入層進(jìn)入網(wǎng)絡(luò)，到達(dá)隱層后經(jīng)過(guò)傳遞函數(shù)映射變換到輸出層構(gòu)成各輸出信號(hào)；誤差信號(hào)從輸出層經(jīng)隱層，然后到輸入層，每層神經(jīng)元都分擔(dān)相應(yīng)的誤差信號(hào)，進(jìn)而修改權(quán)值。

由此，本發(fā)明可使電網(wǎng)企業(yè)對(duì)運(yùn)行維護(hù)費(fèi)進(jìn)行準(zhǔn)確合理的估算，有利于電網(wǎng)企業(yè)有效地管理和控制電網(wǎng)運(yùn)行維護(hù)成本。

上述實(shí)施例和圖式并非限定本發(fā)明的產(chǎn)品形態(tài)和式樣，任何所屬技術(shù)領(lǐng)域的普通技術(shù)人員對(duì)其所做的適當(dāng)變化或修飾，皆應(yīng)視為不脫離本發(fā)明的專利范疇。