[发明专利]一种基于大数据电网实物资产运维检修费用预测方法

摘要

本发明公开了一种基于大数据电网实物资产运维检修费用预测方法，该方法包括多源数据采集平台、数据仓库、MapReduce模型和数据可视化展示平台。本发明提供的电网实物资产运维检修费用预测系统应用大数据分析技术、ETL技术、数据仓库技术和数据可视化技术，以资产全寿命周期理论为指导思想，以PMS系统、ERP系统中的资产单体信息数据和运维检修费用为对象，通过聚类分析、分类分析、关联分析等大数据分析手段，对海量非结构化数据建立统计关系，为电网实物资产运维检修费用规模和发展趋势提供中、长期分析预测。本发明实现了电网实物资产运维管理中对多种业务系统数据的高效集成，提高了检修运维检修费用预测的准确性。

主权项

一种基于大数据电网实物资产运维检修费用预测方法，其特征在于，该方法包含下列步骤:a、所述电网包含企业资源管理系统、工程生产管理系统；b、从企业资源管理系统获取实物资产信息台账和运维检修费用台账，从工程生产管理系统获取实物资产运行状态台账、设备缺陷记录；c、实物资产信息台账已将所有设备统一编码，每个设备对应一个特定的编码，所述电网中共有N台设备，第i台设备对应的编码为Bi，i＝1、2、…、N；d、从实物资产信息台账和运维检修费用台账中获取编码为Bi的实物资产原值、净值以及运维检修费信息，从实物资产运行状态台账、设备缺陷记录获取编码为Bi的利用率以及缺陷率，i＝1、2、…、N；e、对步骤d所获取的数据进行处理e1、计算实物资产总原值Y其中Yi是实物资产编码为Bi的资产原值；e2、计算实物资产总净值J其中Ji是实物资产编码为Bi的资产净值；计算实物资产第j年的成新率EjEj=JjYj]]>e3、计算总运维检修费W其中Wi是资产编码为Bi的运维检修费用；e4、计算平均缺陷率其中Fi是资产编码为Bi的资产缺陷率；e5、计算平均利用率其中Ui为该类资产的资产利用效率；e6、采用线性拟合和“最小二乘法”计算成新率对缺陷率的影响曲线p(Ej)处理收集M年的成新率,缺陷率数据对集合{(Ej,Fj)}(j＝1,2,...,M)，求函数其中e为自然底数，使误差的平方和E2最小，其中E2＝∑[p(Ej)‑Fj]；求出n阶的拟合函数p(x)，其中1≤n≤5,得到影响系数向量α；e7、采用多元线性回归分析和“普通最小二乘法”计算平均利用效率与平均缺陷率对运维检修费用的影响系数处理收集M年的利用率Uj、平均缺陷率Fj和运维检修费Wj三组对应数据集合{(Uj,Fj,Wj)}(j＝1,2,...,M)，用Matlab数学工具polyfit程序模块对函数q(β,Uj,Fj)进行求解，其中β为待定影响系数向量，使误差的平方和E2最小，其中E2＝∑[q(Uj，Fj)‑Wj]；可求出n阶的拟合函数q(β,Uj,Fj)，其中1≤n≤5,得到选定影响系数向量β；e8、计算实物资产实际平均报废年龄其中Si是资产编码为Bi相应资产的实际报废年龄；f、建立预测模型f1、预测第j年的退役报废的资产规模SC为投入资产总规模，P＝{Pj},j＝1,...,M，其中Pj为统计得到的设备第j年报废的资产规模；求资产与入役年限相关的退役报废曲线函数f(s,x)，s为投入资产规模，x为报废年限，采取的方法为拟合法，使用Matlab数学工具polyfit程序模块对函数f(s,x)进行求解进行求解；基于所求得的函数f(s,x)，第j年退役报废的资产规模为：Sj=Σi=1jf(si,i)]]>其中si为第i年内投入的资产规模；f2、预测第j年的资产规模RjRj=Σi=1jsi-Sj+J]]>f3、预测第j年的资产成新率EjEj=RnjRoj]]>其中，Rnj为第j年的资产净值规模，Roj为第j年的资产原值规模；g、预测第j年的运维检修费Wj依据步骤e8获取的二元函数q(β,Uj,Fj)，其中β已于步骤e7获取，以及步骤e1‑‑步骤e8步所获取的数据，计算第j年的运维检修费用：Wj=q(β,Uj,Fj)=q(β,Uj,p(Ej))=q(β,Uj,p(RnjRoj))]]>其中Uj为第j年的利用率，Gj为第j年的售电量,以当年售电量为基数，售电年增长率设定为5％。