基于改进BP神经网络的变电站检修运维成本预测

变电站的检修运维成本受众多复杂因素影响,且检修费用数据记录具有模糊性和波动性。为解决检修费用记录不明的问题,首先对变电站检修条目划分并采用水平和垂直方向的数据分析方法进行处理,再利用BP神经网络预测检修运维成本。为提高BP神经网络预测精度,采用K-fold交叉验证对原始数据训练模型进行精准调整,应用遗传算法对BP神经网路的初始值和阀值进行调整和改进,从而建立基于遗传算法的改进BP神经网络检修运维成本预测方法。以某地市变电站为例进行变电检修运维成本预测,对比分析显示所提方法能有效提高模型预测精准度,从而为电网给变电站拨付检修费用提供参考价值。

电网设备检修多维度辅助投资策略

电网设备检修投资决策对电力系统安全运行以及电力企业的效益有重要影响。针对目前检修投资决策工作易受到决策人员专业技能、工作经验等因素的影响而造成检修资源浪费的问题,本文从技术、风险及经济三个维度提出了一种电网设备检修的多维度辅助投资决策模型。首先,对电网设备状态进行技术性分析,综合考虑电网设备故障引起的电网运行风险,计算检修优先指数。接着,基于电网检修历史工程造价数据对电网设备检修工程进行经济性分析,预测其检修成本。之后,根据年度检修资金计划、设备检修优先指数排序和检修成本,得到检修投资策略。最后,以某地区的电网设备检修投资决策为例对所采用的方法做了说明。