[发明专利]一种基于大数据分析的变电设备运行期成本预测方法

说明书

本发明涉及一种基于大数据分析的变电设备运行期成本预测方法，采用基于非线性回归的加权分析算法、ARIMA算法和皮尔逊相关系数分析法，实现变电设备运行期成本预测，搭建了跨专业、跨系统的运维成本归集预测模型，解决了在开展资产全寿命周期成本分析时缺乏变电设备实际运行成本的量化数据支撑的问题，为资产全寿命周期管理提供可靠支撑。

技术领域

本发明涉及一种基于大数据分析的变电设备运行期成本预测方法。

背景技术

2015年3月，中共中央、国务院印发《关于进一步深化电力体制改革的若干意见》，电网公司盈利模式将由“赚取购销价差”转变为“准许成本加合理收益”，监管部门将控制电力公司运行期成本。因此，电力公司必须尽快全面摸排分析设备运行期成本投入使用情况，理清运行期成本使用与资产管理之间的关系，不断压降无效投资，将有限的资金精准投入到电网安全生产，为下一轮输配电价格核算打下基础，确保公司电价水平，保障电网安全。

资产全寿命周期分析中，运维阶段占资产整体生命周期的80％以上，而目前运维阶段成本缺乏量化数据支撑，严重制约了LCC分析比选的准确性和科学性，因此开展设备运行期成本预测破解了资产全寿命周期评价的难点，为深化资产全寿命周期管理奠定基础。

发明内容

本发明所要解决的技术问题是提供一种基于大数据分析的变电设备运行期成本预测方法，使用该方法可以实现变电设备运行期的成本预测。

本发明所采用的技术方案是：一种基于大数据分析的变电设备运行期成本预测方法，其包括如下步骤：

步骤一、数据采集：采集PMS2.0系统中的非项目类成本信息以及ERP系统中的项目类成本工单信息，输入分摊归集模型进行计算，得到变电设备运行期成本数据库。

步骤二、数据处理：(1)采用阈值概率鉴别法识别异常值，对步骤一中得到的数据进行处理，公式如下：

式中，e_k为某一类成本数据，为某一类成本数据平均值，θ为阈值，k∈[1,n]。若e_k满足式(1)，则判定e_k为异常数据，进入异常值分类处理。

(2)对超出成本阈值区间的异常数据分类进行判定，对非项目类成本异常值进行修正或剔除，项目类成本数据进行专家研判，鉴别是否为家族缺陷治理或政策性大额成本；对于数据缺失值，按照移动平均法进行缺失值填充。

步骤三、成本预测：

(1)非项目类检修、运维、试验成本预测：

搭建基于非线性回归的加权分析模型：

(a)投运n年的m台设备，在投运1至n年之间的成本数据形成m*n矩阵；

(b)将投运1至n年的m台设备成本分别取平均值作为曲线拟合的基础数据，形成n*1矩阵N；

(c)将矩阵N利用最小二乘法进行非线性回归曲线拟合，得到成本预测曲线Sn；

(d)在曲线Sn上，找到第n年的数据值Sn(n)，利用加权算法，计算出投运n年的m台设备在下一年的成本为：

S_n(n+1)＝α*S_n+1(n+1)+β*S_n+2(n+1)+γ*S_n+3(n+1) (4)

公式中Sn+1(n+1)为同年投运(n+1)年的设备拟合曲线在第(n+1)年的成本， Sn+2(n+1)为同年投运(n+2)年的设备拟合曲线在第(n+1)年的成本，Sn+3(n+1)为同年投运(n+3)年的设备拟合曲线在第(n+1)年的成本，α,β,γ为加权系数，按照时间延续关系取：

α+β+γ＝1 (5)