基于IPSO-LSSVR算法的变电站工程造价预测方法
王林峰1
刘云2
亓彦珣3
周波4
李洁5
1.华中科技大学 电气与电子工程学院,湖北武汉 430074;河北省电力有限公司 经济技术研究院,河北石家庄 0500012.河北省电力有限公司 经济技术研究院,河北石家庄 050001;武汉大学 电气与自动化学院,湖北武汉 4300723.河北省电力有限公司 经济技术研究院,河北石家庄 0500014.河北省电力有限公司 经济技术研究院,河北石家庄 050001;华北电力大学 能源动力与机械工程学院,北京 1022065.河北赛克普泰计算机咨询服务有限公司,河北石家庄 050081
摘要：[目的]电网建设项目中变电站工程造价的预测一直是影响项目成本管理的重要问题.然而,当前常用的变电站造价预测方法存在预测精度不足、计算效率低等问题,制约了预测模型在实际工程中的应用.为提高预测的准确性和计算效率,提出了一种基于改进的粒子群优化(IPSO)算法和最小二乘支持向量回归(LSSVR)算法的变电站工程造价预测方法.[方法]考虑到常规变电站与智能变电站在设备、技术和运维上的差异,通过分析这两类变电站的特点,对相关数据进行了有针对性的预处理,以去除噪声数据,填补缺失值,并将有效信息转换为特征向量,作为LSSVR模型的输入.为避免传统粒子群(PSO)算法易陷入局部最优解的问题,引入了一种混合调节策略,对PSO算法的惯性权重和学习因子进行优化,使得优化过程更加稳定并具备较强的全局搜索能力.通过该策略IPSO算法可以在全局搜索和局部搜索之间实现更好的平衡.利用IPSO算法优化LSSVR模型参数,并建立变电站工程造价预测模型.[结果]通过与其他预测模型进行比较分析得出结论,所提出的IPSO-LSSVR算法在预测精度上具有明显优势.具体来说,基于该模型的预测误差显著低于其他方法,可以将偏差控制在5％以内.改进后的粒子群优化算法能够有效避免陷入局部最优,确保了 LSSVR模型在各种情况下都能提供较为准确的预测结果.[结论]基于IPSO优化LSSVR算法的变电站工程造价预测方法,克服了传统预测方法在预测精度和计算效率上的不足.在实际应用中,该方法能够为电网建设项目的成本管理提供更加准确的预测依据,从而有助于项目预算的合理制定和资源的有效配置.
关键词：变电站工程造价造价预测粒子群算法最小二乘支持向量回归预测精度运算效率混合调节策略
分类号：TM769(输配电工程、电力网及电力系统)
资助基金：河北省自然科学基金重点项目(E2018210044)河北省教育厅科技项目(QN16214510D)
论文发表日期：2025-03-31
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：8( 168-175 )
英文信息