基于果蝇优化BP神经网络模型的输电工程经济评价研究

周景宏，刘宇婷

(1.国网吉林省电力有限公司经济技术研究院，长春　130062；2.华北电力大学，北京　102206)

对输电工程项目进行评估,在电网建设的整个过程中,属于比较重要的环节,但是往往又很容易被忽视。构建科学合理的评价方法对输电工程项目进行评价，可以很好地反馈工程建设中存在的问题，从而最终提高输电工程建设效率和管理水平。从电网经营企业的角度而言，任何新建输电工程都可以认为是对既有电网的扩充和改造，从本质上讲应属于另一种意义上的改建项目，因此，给新建输电工程经济评价带来困难。

针对输电工程项目的经济评价，国内外学者开展了相关研究，提出了多种方法，有：利用优点指数法对工程项目进行排序,实现多方案的比选决策[1]；利用改进型优点指数法对输电工程项目进行排序，实现最终方案的决策[2]；参考目标网络法，以动态非合作博突为基础，从经济角度建立模型[3]；基于实物期权模型的输电工程项目经济评价方法[4]；具有实际操作性的输电工程项目经济评价方法[5]；兼顾效率性和公平性的评价指标并构建了相关模型[6]；基于层次分析法与灰色关联理论的评价方法[7]。然而现有的经济评价方法大多仅考虑工程项目自身收益，未把项目对电网以及国民经济的贡献纳入到工程项目收益中。为此，本文将站在全社会角度，采用果蝇优化的反向传播(BP)神经网络模型对输电工程项目进行综合经济评价。

1　指标体系的构建

1.1　指标体系构建原则

科学、客观的指标评价体系是影响经济评价结果的关键因素，为了使得评价指标体系能够准确、客观的反映输电工程项目的经济效益水平，指标体系构建应该遵循以下原则。

a.系统性原则。输电工程是一个比较复杂的大系统，其由各个相关关联和相关制约的子系统组成。因此，指标体系的构建需要综合考虑输电工程项目效益的各个方面，系统地考虑问题以及系统地收集信息。

b.独立性原则。输电工程项目经济评价结果的影响因素较多，构建指标体系时应排除相关性较大的指标，保证指标之间相互独立，这样才能提高评价的可信度，才能为输电工程项目决策者提供科学的信息支持。

c.层次性原则。输电工程项目经济评价指标主要包括经济效益、电网效益和社会效益，这些方面又分别有着各自的影响因素，指标体系之间存在层次归属问题，因此，指标体系的构建应该确保指标之间具有一定的层次性。

d.可操作性原则。在构建指标体系时，应考虑数据的可获得性，指标量化的难易程度，并且要保证数据来源的可靠性和准确性。在满足系统性和独立性的原则下，使得指标体系既能反映项目的特点，又能便于操作和使用。

1.2　指标体系的确定

对输电工程进行经济评价时，不仅需要考虑工程自身的经济效益，还需要把电网效益和社会效益考虑进来。论文根据上述评价指标体系构建的原则，在结合输电工程项目特点的基础上，建立了一个多层次的指标体系，其中一级指标1个、二级指标3个、三级指标12个(见表1)。

2　评价模型的构建

2.1　BP神经网络

输电工程项目的经济评价是一个多因素、非线性的复杂过程，传统评价方法难以满足要求。BP神经网络模型具有较强的非线性能力、泛化能力和容错能力，并行计算能力强，被广泛应用于评价中。BP神经网络模型由输入层、隐含层和输出层构成。BP神经网络算法流程如下。

b.输入训练样本(Iq，dq)，对每个样本进行c至e步。

表1　输电工程经济评价指标体系

c.计算各个网络层的实际输出x(l)。

g.如果性能指标满足精度要求，即E≤ε，那么训练结束，否则，转到b，继续下一个训练周期。

2.2　果蝇优化算法

果蝇优化算法是一种新兴起的智能算法，它从果蝇觅食得到灵感。根据果蝇觅食的规律，果蝇优化算法的具体步骤如下。

a.初始化果蝇群体，定义群体规模S和最大迭代数M，随机初始化果蝇初始坐标位置x0，y0。

b.果蝇以随机方向和步长利用嗅觉搜寻食物

xi=x0+Random

(1)

yi=y0+Random

(2)

c.由于食物位置未知，故计算果蝇个体与坐标原点的距离D，并将距离的倒数作为味道浓度判定值Si。

(3)

(4)

d.将味道浓度判定值Si代入味道浓度判定函数F，求出该果蝇所在位置的味道浓度Smi。

Smi=F(Si)

(5)

e.找出目前果蝇群体中味道浓度值最高的个体。

Sbm=max(Smi)

(6)

f.记录并保留该浓度值和位置坐标，果蝇群体利用视觉功能飞向该位置。

Smb=Sbm

(7)

xi=x(b)

(8)

yi=y(b)

(9)

g.进行迭代寻优，重复执行步骤f到公式(9)，判断当前味道浓度是否优于保留的味道浓度，若是则停止迭代。

2.3　果蝇优化的BP神经网络模型

随着BP神经网络模型在工程项目评价应用的不断深入，其自身也暴露出一些不可避免的缺陷，最为突出的是模型参数的选取和优化问题，以往在参数选取方面，一般依靠专家系统或者设定初始值盲目搜寻等等，在实际应用中必然会影响模型的精准度，造成一定影响。其不足具体表现在权值W和阈值θ上。

权值W：神经网络连接权值W的初始化具有随机性，其容易出现学习收敛速度变慢、陷入局部极小值、稳定性差等问题。

阈值θ：神经网络阈值θ的初始化同样具有随机性，阈值过大或过小都会因过学习或欠学习使神经网络的泛化性能变差。

如何选取合理的参数成为BP神经网络应用过程中的问题，而常用的交叉验证试算的方法，不仅耗时，且搜索目的不清，使得资源浪费，耗时耗力，不能有效的对参数进行优化。为此本文采用果蝇优化算法对神经网络的权值和阈值进行优化,混合模型的构建步骤如下。

a.初始化果蝇群体规模M、最大允许迭代L次、初始化坐标。

b.更新果蝇群体的最优位置。

c.若满足最大迭代次数，则停止更新。

e.当BP神经网络的样本均方根误差最小时，对应的W和θ即为最优参数，最后建立果蝇优化算法的BP神经网络评价模型。

3　实证分析

3.1　数据说明

在进行输电工程项目经济评价时，一般将评价结果分为5个等级：很好，较好，一般好，不好，非常不好。本文对某省电力公司220 kV输电工程项目进行经济评价，共计62个样本。利用其中58个工程项目训练BP神经网络模型，另外4个样本用来测试模型。对该领域内的10位专家进行访谈，并根据专家的反馈意见进行收集整理，得到最终的打分结果。表2给出了专家1对样本1的打分结果。

3.2　果蝇算法优化的BP神经网络模型

3.2.1BP神经网络的输入

要确定BP神经网络的输入，首先要对数据进行归一化处理。利用min-max标准化进行输入数据的处理，处理后的结果见表3。

表2　专家1对样本1的打分结果

表3　专家1打分的归一化处理结果

3.2.2BP神经网络的结构

文中BP神经网络模型包含一个输入层、一个隐含层和一个输出层。输入层中神经元的个数与评价指标的个数相同，共有12个评价指标，所以，输入层神经元的个数为12个。而对于隐含层中神经元的个数，计算结果为个，输出层的神经元个数为1个。根据历史样本数据，利用果蝇优化算法对BP神经网络模型进行优化，得到最优的和，至此，可以利用优化后的BP神经网络评价新建输电工程项目的经济性。

3.2.3BP神经网络仿真

利用Matlab软件编程进行网络训练，网络经过5 200步训练后，达到精度要求，具体见图1。

图1　网络训练误差

3.3　实证结果分析

根据当地社会经济发展和电网规划的要求，某省电力公司新建220 kV输电工程项目一项。工程规模为220 kV，线路全长38 km，导线采用LGJ-300/40，地线型号GJ-80，全线铁塔102基。通过表1的指标体系，利用果蝇优化的神经网络模型进行经济评价，得出结果为(0.621 4,0.654 2,0.600 2,0.612 3,0.701 2)，按照(很好，较好，一般好，不好，非常不好)的原则确定等级，得出该项目的综合评价结果为较好，也就是说，经济评价最终表明该输电工程项目对经济效益、电网效益和社会效益方面产生了较大的影响，较好地实现了各项效益目标。

4　结论

本文首先建立了包含3个二级指标和12个三级指标的输电工程经济评价指标体系，在此基础上，构建了果蝇优化BP神经网络模型的评价模型。最后，对某省电力公司新建220 kV输电工程项目进行评价，评价结果表明通过增加电网技术效益和社会效益的方法提高了项目的收益水平，提升了输变电工程评价的科学性和全面性，使得输变电工程项目评价更加贴合实际，为输变电工程建设提供科学的决策方法。

参考文献：

[1]Tinnium K, Rastgoufarci P, Duvoisin P F. Probabilistic Ranking of Large Scale Transmission Projects[J]. Electric Power System Research, 1997(42):108-112.

[2]Barros J, Melo A, Armando M. An Approach to the Explicit Consideration of Unreliability Costs in Transmission Expansion Planning[C]. International Conference on Probabilistic Methods Applied to Power Systems，2004,17:927-932.

[3]Minoia A, Ernst D, Dicoratom, et al. Reference Transmission Network A Game Theory Approach[J]. IEEE Transmission on Power Systems, 2006, 21(1):56-61.

[4]任懿静.输变电项目经济效益评价方法研究——以曹妃甸工程为例[D].北京:华北电力大学,2010.

[5]李向阳.电网建设项目经济评价方法与应用研究[D].长春:吉林大学,2004.

[6]郑风雷.输电网扩展的社会性评估方法[J].电力系统及其动化学报,2008,20(5):23-28.

[7]周建平,林韩,温步瀛.基于层次分析法与灰关联理论的输屯网规划方案综合决策[J].智能电网,2011(9):32-38.