神经网络在电网工程造价及工程量快速估算中的运用探讨_袁亚.pdf

LOW CARBON WORLD 2023/6神经网络在电网工程造价及工程量快速估算中的运用探讨袁亚（国网重庆市电力公司经济技术研究院，重庆 401120）【摘要】针对电网工程造价及工程量快速估算中存在的问题，对神经网络进行探讨。通过对神经网络的研究，提出了利用神经网络优化电网工程造价和工程量快速估算的方法。该方法能够在短时间内准确预估电网工程的造价和工程量，为相关人员提供参考。通过应用该方法，可以提高电网工程的管理水平，降低工程成本，提高工作效率。【关键词】神经网络；电网工程；工程造价【中图分类号】TU723.3【文献标识码】A【文章编号】2095-2066（2023）06-0175-030引言电力是现代社会不可或缺的基础能源，电网工程建设是保障可靠供电的基础。而电网工程造价和工程量的快速估算在电力工程建设中具有举足轻重的作用，对于项目进度和资金管理至关重要。然而传统的估算方法存在烦琐、耗时、误差大等问题。随着人工智能技术的不断发展，神经网络成为电网工程造价和工程量快速估算的新兴技术。本文将对神经网络在电网工程造价及工程量快速估算中的应用进行探讨，以期为电力工程建设、电力行业管理和相关领域的研究工作者提供参考。1神经网络在电网工程造价及工程量估算中的重要性在电力工程建设中，电网工程的造价及工程量估算是项目顺利进行以及资金正确使用的重要保障。然而传统的估算方法存在烦琐、耗时、误差大等问题，不能满足电网工程建设的要求。神经网络作为一种新型的计算手段，可以通过学习和训练大量数据，快速地建立预测模型，实现电网工程造价及工程量的快速估算，并将预测结果精确地反映出来，一定程度上避免了人工估算造成的误差。相比传统的估算方法，神经网络能够更好地应对电网工程项目复杂的情况，提高预测的精度和效率。因此，神经网络在电网工程造价及工程量估算中的应用具有重要的意义，有望为电力工程建设、电力行业管理提供更加可靠的决策支持。另外，随着信息技术的快速发展和互联网技术的普及，电力系统监测、数据采集和数据处理等方面的技术手段不断完善，使得神经网络在电网工程造价及工程量估算中的应用前景更加广阔。例如，在电网工程建设现场使用传感器、物联网等技术手段实时采集数据并进行处理，配合神经网络进行预测，可以更精确地掌握电网工程项目进展，及时进行决策调整，进一步提高电网工程建设的质量和效益。因此，在电力工程建设和电力行业管理中，积极推进神经网络的应用，可以为电网工程建设提供更加准确的估算结果，为电力系统的发展注入新的活力1。2电网工程造价特征指标选取2.1变压器容量变压器容量是电网工程造价特征指标中的重要一项。变压器作为电力系统中的关键设备，主要用于电压的升降、电能的分配和传输。在电网工程中，变压器容量大小一般与电网工程的规模和用电负荷等因素有关。因此，选取变压器容量作为电网工程造价特征指标，可以反映电网工程的规模、用电负荷等重要指标，对于准确预测电网工程造价具有重要的作用。同时，在进行电网工程造价预测时，变压器容量的大小可以反映电网的供电能力，进而为电网运行和规划提供一定的参考。因此，通过选取变压器容量作为特征指标进行电网工程造价预测，可以为电力工程的建设、规划和运行提供重要的决策支持，为电力行业发展和电网能源保障注入新的活力。低碳经济175DOI:10.16844/10-1007/tk.2023.06.033LOW CARBON WORLD 2023/62.2设备数量和类型在电网工程造价特征指标选取中，设备数量和类型是需要考虑的重要因素。电网工程涉及许多设备，包括变压器、断路器、开关、接触器、电缆、电线等，这些设备的数量和种类及布局方式不同，会对电网工程造价产生不同的影响。因此，通过选取设备数量和类型作为电网工程造价特征指标，可以反映电网工程所需设备的种类、数量及布局方式，有助于进一步优化电网工程的设计和建设，并提高电网工程造价预测的准确度。考虑到电网工程中的设备数量和种类较多，在进行电网工程造价特征指标选取时，需要综合考虑各种类型设备的选择。此外，设备类型和数量的选择还需要根据地形、气候、负荷需求等因素进行科学合理的规划。总而言之，在选取设备数量和类型作为电网工程造价特征指标时，应该考虑各种因素和实际情况，以达到准确预测电网工程造价的目的2。2.3基础设施建设费用在进行电网工程造价特征指标选取时，还需要考虑基础设施建设费用这一重要因素。电网工程建设涉及许多土建工程，如基础建设、道路等，还包括人工、设备等费用，这些建设费用直接影响电网工程的总造价。因此，需要重视基础设施建设费用的合理规划。基础设施建设费用主要包括土建工程所需的建筑材料、工程设备和人力成本等方面的费用。在选取基础设施建设费用作为电网工程造价特征指标时，需要充分考虑地形、气候等实际情况。例如，在进行高海拔地区电网工程建设时，需考虑到物资及工程设备的运输成本、劳动力成本等实际情况，把握该项目的造价特征，以便更为准确地预测电网工程造价。选择正确的特征指标能够为电网工程的建设和运行提供重要的支持和保障3。2.4线路长度电网工程中的线路长度通常是指输电线路的长度，包括高压线、中压线及低压线等。选择线路长度作为电网工程造价特征指标的原因在于，线路长度反映了电网工程的规模和范围，可以有效地预测整个电网工程的造价，有助于更加准确地制订电网工程计划和管理预算。在进行电网工程造价特征指标选取过程中，需要精准计算线路长度。因为线路长度计算的准确度直接影响电网工程造价预测的准确度，如果估算不准，则会造成非常大的误差。因此，在选取线路长度作为电网工程造价特征指标时，需要考虑不同类型的线路，如输电线路、变电站间穿管线路和低压线路等，并结合实际情况，准确计算各类线路的长度。总之，线路长度是影响电网工程造价的重要因素，需要在计算过程中进行细致准确的处理和量化计算，以达到准确预测电网工程造价。3电网工程造价及工程量快速估算中可运用的神经网络模型电网工程造价及工程量快速估算是一项复杂的工作，需要考虑多个因素，如功率、线路长度、设备规模等。随着计算机技术的不断进步，神经网络模型已成为一种广泛应用的计算方法。神经网络模型通过模仿人脑神经元之间的相互作用，使计算机模型具有学习、识别模式和处理信息的能力。在电网工程造价及工程量的快速估算中，可以使用神经网络模型建立复杂的多变量映射关系，从而实现对电网工程造价及工程量的快速估算4。3.1循环神经网络循环神经网络（recurrent neural network,RNN）是一种可在电网工程造价及工程量快速估算中运用的神经网络模型。相较于前馈神经网络，其不仅可以处理当前输入的数据，还能够保存过去的信息，并在下一次训练迭代过程中传递。因此，RNN 适合处理涉及时间序列和历史数据的任务。此外，RNN 可以通过循环神经元实现对数据的处理，而循环神经元内部可以存储之前的信息，并在下一个时间步骤中使用。因此，RNN 可以处理连续序列数据，如天气预测、负荷预测和用电量分析等。RNN 的另一个优势是可以学习序列数据之间的关系5。在电网工程造价及工程量的快速估算中，RNN 可以学习不同变量之间的关系，例如，在电网工程中，变电站功率和电网线路长度可能具有相关性，RNN 可以学习并建立相关性模型，以更好地预测电网工程的总体成本。图 1 为循环神经网络模型。3.2卷积神经网络卷积神经网络（convolutional neural networks,CNN）也可运用于电网工程造价及工程量快速估算中，其可以从大量数据中提取有用的特征，并用于对电网工程成本和工程量的快速估算。在电网工程造价及工程量快速估算中，卷积神经网络可以通过卷积层、池化层和全连接层进行设计。卷积层可以通过检测输入数据提取特征，例如，低碳经济176LOW CARBON WORLD 2023/6可以搜索特定长度的电网线路，并分析其对整个电网工程造价和工程量的影响。池化层可以减少数据集的大小，从而减轻整个网络的计算负担。全连接层可以综合卷积层和池化层得到的特征信息，将其转换为电网工程的预测结果并输出。同时，CNN 可以使用卷积核来进行有效的数据处理。卷积核可以在输入数据上滑动，并使用卷积运算将输入的局部区域与卷积核进行比较。通过这种方式，CNN 可以快速识别输入数据中的特定模式和形状。图 2 为卷积神经网络模型。3.3递归神经网络递归神经网络（recursive neural network,RNN）是另一种可运用于电网工程造价及工程量快速估算中的神经网络模型。RNN 专门用于处理树状结构的数据，在电网架构设计和造价预测中有广泛的应用。RNN 可以处理电网架构中的复杂关系。例如，在设计变电站时，需要考虑变电站与外部电网的连接方式、变压器的型号、容量和数量等诸多因素。RNN 可以理解和处理电网架构这种树状结构数据，建立变电站和外部电网之间的联系，并分析变压器等设备的影响。RNN 最大的优点是可以学习模式和组合模式，例如，在电网线路设计中，一段线路被划分为多个部分，每个部分可能采用不同的线径和材质。RNN 可以学习并建模每个部分的情况，并提出最优的电网线路方案，以降低整体造价。图 3 为递归神经网络模型架构。4结语在电网工程中，神经网络能够通过学习过去的数据，预测未来的工程成本和工程量。通过使用神经网络模型，可以更快捷地生成电网工程成本和工程量的预测模型，从而使电网建设更加高效和准确。神经网络模型中的 RNN、CNN、RNN 各有优势，在不同的电网工程场景下具有不同的应用。虽然在建设电网的过程中还面临着各种挑战和问题，但通过神经网络模型的不断优化和改进，未来可以监理更高效、更准确的电网工程造价及工程量预测系统。参考文献1 黄永军，赵娜.BP 神经网络技术方法在市政空心板梁投资估算模型中的应用J.工程造价管理，2019（2）：5-13.2 迟晓婷.基于 BP 神经网络的电力工程造价模型研究J.建材与装饰，2017（9）：127-128.3 陈磊，陈乐.基于神经网络的装修工程造价快速估算方法研究J.宁夏工程技术，2018，17（4）：334-337.4 张如好，柳裕政.基于可变模糊理论的建筑工程造价估算研究J.山西建筑，2018，44（28）：204-205.5 赵路.三代核电站仓库消防工程造价估算模型研究J.山西建筑，2018，44（30）：217-219.作者简介：袁亚（1990），女，汉族，重庆人，本科，工程师，主要从事电网生产工程技经管理方面的工作。图1循环神经网络模型延时器Xt1 Xt2 Xt3 Xt4XtXTXT1 XT2XT3 XT4X3X31 X32X33 X34X2X21 X22X23 X24X1X11 X12X13 X14Time=3Xt1 Xt2Xt3 Xt4Time=tTime=50Time=2Time=1时间轴用椭圆状神经元素为具有记忆功能的 RNN神经元。每个神经元的“记忆”不仅参与本神经元的下次输入，也同时参与本层其他具有记忆功能神经元的下次输入图3递归神经网络模型架构神经网络输出142100神经网络系统递归神经网络110136新的层状态经压缩递归层/120新的层状态124当前层输入122递归层/+1130新的层状态136新的层输出126神经网络输入102图2卷积神经网络模型3 通道图像3 通道卷积核 1卷积核 2卷积核 n单通道特征图 nn 通道特征图低碳经济177