[发明专利]电网基建规划项目工期预测方法及预测系统

说明书

本发明公开了一种电网基建规划项目工期预测方法，包括获取电网基建项目的历史数据信息；对影响电网基建项目的因素进行分析和建模；进行关键风险特征识别；构建初步工期预测模型并训练得到工期预测模型；将数据输入到工期预测模型得到最终的电网基建规划项目的工期预测结果。本发明还公开了一种实现所述电网基建规划项目工期预测方法的预测系统。本发明提供的这种电网基建规划项目工期预测方法及预测系统，通过创新提出的电网基建规划项目工期预测方法，不仅能够实现电网基建规划项目工期的预测，而且可靠性高、精确性好且客观科学。

技术领域

本发明属于电气自动化领域，具体涉及一种电网基建规划项目工期预测方法及预测系统。

背景技术

随着经济技术的发展和人们生活水平的提高，电能已经成为了人们生产和生活中必不可少的二次能源，给人们的生产和生活带来了无尽的便利。因此，保障电能的稳定可靠供应，就成为了电力系统最重要的任务之一。

电网基建项目包括了输变电工程项目、变电工程项目和线路工程项目等；输变电、变电、线路工程项目在实施过程中可能受到来自电力负荷多元化发展、气候环境条件等多方面原因的影响，从而使得项目的工期收到影响。因此，对于电网基建项目的项目工期进行预测，就显得尤为重要。

目前针对电网基建项目工期的预测方案，还处于较为初级的人工预测的阶段；但是，人工预测的方式，不仅可靠性和精确性都较差，而且预测过程主观，使得预测工期和实际工期之间偏差较大。

发明内容

本发明的目的之一在于提供一种可靠性高、精确性好且客观科学的电网基建规划项目工期预测方法。

本发明的目的之二在于提供一种实现所述电网基建规划项目工期预测方法的预测系统。

本发明提供的这种电网基建规划项目工期预测方法，包括如下步骤：

S1.获取电网基建项目的历史数据信息；

S2.对影响电网基建项目的因素进行分析和建模；

S3.对步骤S1获取的数据信息，进行关键风险特征识别；

S4.基于贝叶斯神经网络模型构建初步工期预测模型，并进行训练得到工期预测模型；

S5.将步骤S1～S3得到的数据输入到步骤S4得到的工期预测模型中，得到最终的电网基建规划项目的工期预测结果。

步骤S1所述的电网基建项目的历史数据信息，具体包括历史电网基建规划项目的建设进度曲线。

步骤S2所述的对影响电网基建项目的因素进行分析和建模，具体包括如下步骤：

分析得到影响电网基建项目的因素包括气候变化因素、电力供需变化因素和政策变化因素；

针对气候变化因素，采用三角分布进行描述，三角分布的相关参数为(0,0.2,1)；针对电力供需变化因素，采用三角分布进行描述，三角分布的相关参数为(-0.5,0,0.5)；针对政策变化因素，采用三角分布进行描述，三角分布的相关参数为(-0.5,0,0.5)。

步骤S3所述的对步骤S1获取的数据信息，进行关键风险特征识别，具体包括如下步骤：

针对步骤S1获取的电网基建规划项目的建设进度曲线，将建设工期作为过滤标签，采用特征过滤法对从建设进度曲线中提取出的特征进行选择：

对提取出的各个特征按照发散性或者相关性进行评分，若提取的特征为布尔类型，则采用KS检验；若提取的特征为连续值特征，则采用Kendall相关系数进行检验；

采用如下算式计算任意两个样本的KS检验值D：