基于ＫＪ分析法的电力工程造价分析系统

杨德州

摘 要：针对电力工程造价分析工作展开困难、影響因素多且各因素的重要性分布不均匀的问题，提出了一种基于ＫＪ分析法的电力工程造价分析系统．使用ＫＪ分析法来确定电力工程造价的主要影响因素，减少了不重要指标的数量．使用组合赋权法确定每个影响因素的权重，再使用逼近理想解的排序方法来降低指标的不确定性，并通过训练支持向量机模型对电力工程造价进行分析与评价．１１０ｋＶ变电工程案例分析结果表明，所提出的方法能够提升模型的智能性、简化人为操作，得到更为合理的评价结果．

关 键 词：电力工程；造价分析；ＫＪ分析法；组合赋权；理想解；支持向量机；不确定性

中图分类号：ＴＭ７６ 文献标志码：Ａ 文章编号：１０００－１６４６（２０２３）０４－０３７６－０５

随着我国电网工程发展速度不断加快、投资规模迅速增长，电力工程的建设与管理也面临着严峻的挑战［１］．造价分析是电力工程项目管理与建设不可或缺的一部分，是分析电网工程投资效益的基础，直接影响到电网企业的收益与管理水平［２－３］．目前，我国已建立了完善的电网大数据中心，通过构建电网数据共享平台、电网数据服务平台与电网数据创新平台来实现电网数据的统一管理与运营，推进电网数据资源的高效应用［４－５］．如何在云计算、物联网与互联网技术发展的基础上，充分利用电网数据资源发掘其价值，从而推进电网建设与电力工程造价的智能分析显得尤为迫切［６－８］．

现有的电力工程造价分析方法主要分为传统预测方法与现代预测方法两类［９－１１］．传统预测方法包括：专家会议法、德尔菲法、主观概率法与定量预测法．其中，专家会议法、德尔菲法、主观概率法使用定性评估的方法，结合调查与专家意见来评定不同指标的概率，从而计算出电力工程造价的期望值；而定量预测法则使用滑动平均法、回归分析法与指数平滑法等定量计算方法来计算电力工程造价．现代预测方法结合定性与定量分析的优势，使用智能分析算法（如人工神经网络、支持向量机等）得到较高精度的预测结果．然而，在电力工程造价分析过程中，所设计的主体多、数量大而且分析环节多，难以展开系统化的造价分析．同时，电力工程造价分析评价方法的多样性［１２－１４］（如专家打分法、两两比较法与定性评价法等）导致各影响因素的不确定性增加，也加大了造价管理评价的难度．