基于SGDM优化IWOA-...N的配电网工程造价控制研究_李康.pdf

第4 8卷 第3期2 0 2 3年6月 广西大学学报(自然科学版)J o u r n a l o fG u a n g x iU n i v e r s i t y(N a t u r a lS c i e n c eE d i t i o n)V o l.4 8N o.3J u n.2 0 2 3 收稿日期:2 0 2 2-0 9-1 3;修订日期:2 0 2 2-1 2-1 1 基金资助:国家自然科学基金项目(6 1 8 7 6 0 9 7)通讯作者:鲍刚(1 9 7 7),男,湖北宜昌人,三峡大学副教授,博士;E-m a i l:c t g u g a n g b a o c t g u.e d u.c n。引文格式:李康,鲍刚,徐瑞,等.基于S G DM优化I WOA C NN的配电网工程造价控制研究J.广西大学学报(自然科学版),2 0 2 3,4 8(3):6 9 2-7 0 2.D O I:1 0.1 3 6 2 4/j.c n k i.i s s n.1 0 0 1-7 4 4 5.2 0 2 3.0 6 9 2基于S G DM优化I WO A C N N的配电网工程造价控制研究李康,鲍刚*,徐瑞,刘毅楷(三峡大学 电气与新能源学院,湖北 宜昌4 4 3 0 0 2)摘要:为了控制配电网工程项目的成本,需准确预测配电网工程造价,本文提出一种基于带动量因子的随机梯度下降(s t o c h a s t i cg r a d i e n td e s c e n tw i t hm o m e n t u mf a c t o r,S G DM)优化的改进鲸鱼算法 卷积神经网络工程造价预测模型。首先,考虑回路数、杆塔数、导线、地形、地质、风速、覆冰、导线截面、混凝土杆、塔材、绝缘子(直线)、绝缘子(耐张)、基坑开方、基础钢材、底盘和水泥对配电网工程造价的影响,建立了非线性函数关系;采用S G DM优化器改进的卷积神经网络对函数进行逼近,并用贝叶斯方法优化卷积神经网络的超参数;利用改进的鲸鱼算法(i m p r o v e dw h a l eo p t i m i z a t i o na l g o r i t h m,I WOA)优化卷积神经网络,找出卷积神经网络的最优学习率。数值算例表明,新模型预测效果较好,并提出相应的控制策略。关键词:配电网工程造价;鲸鱼算法;卷积神经网络;随机梯度下降优化器;贝叶斯优化;非线性收敛因子;自适应权重中图分类号:T P 1 8 3 文献标识码:A 文章编号:1 0 0 1-7 4 4 5(2 0 2 3)0 3-0 6 9 2-1 1R e s e a r c ho nc o s t c o n t r o l o fd i s t r i b u t i o nn e t w o r ke n g i n e e r i n gb a s e do nS G DMo p t i m i z a t i o nI WO A-C N NL IK a n g,B AOG a n g*,XUR u i,L I UY i k a i(C o l l e g eo fE l e c t r i c i a lE n g i n e e r i n g&N e wE n e r g y,C h i n aT h r e eG o r g e sU n i v e r s i t y,Y i c h a n g4 4 3 0 0 2,C h i n a)A b s t r a c t:I no r d e rt oc o n t r o lt h ed i s t r i b u t i o nn e t w o r ke n g i n e e r i n gc o s t,i ti sn e c e s s a r yt oa c c u r a t e l yp r e d i c t t h ed i s t r i b u t i o nn e t w o r ke n g i n e e r i n gc o s t.T h e r e f o r e,a ni m p r o v e dw h a l ea l g o r i t h m c o n v o l u t i o n a ln e u r a l n e t w o r k e n g i n e e r i n g c o s t p r e d i c t i o n m o d e l b a s e d o ns t o c h a s t i c g r a d i e n t d e s c e n t w i t h m o m e n t u m f a c t o r,S G DM o p t i m i z a t i o ni s p r o p o s e d.F i r s t,c o n s i d e r i n gt h ei n f l u e n c eo ft h en u m b e ro fc i r c u i t s,t o w e r s,c o n d u c t o r s,t e r r a i n,g e o l o g y,w i n ds p e e d,i c i n g,c o n d u c t o rc r o s s-s e c t i o n s,c o n c r e t ep o l e s,t o w e r m a t e r i a l s,i n s u l a t o r s(s t r a i g h tl i n e s),i n s u l a t o r s(t e n s i l e),f o u n d a t i o np i t s,f o u n d a t i o ns t e e l,c h a s s i sa n dc e m e n to nt h ec o n s t r u c t i o nc o s to ft h ed i s t r i b u t i o nn e t w o r ki se s t a b l i s h e d,a n dt h en o n l i n e a rf u n c t i o nr e l a t i o n s h i pi se s t a b l i s h e d.T h e n,t h ef u n c t i o ni sa p p r o x i m a t e db yt h e第3期李康,等:基于S G DM优化I WOA-C NN的配电网工程造价控制研究c o n v o l u t i o n a ln e u r a ln e t w o r k i m p r o v e db yS G DMo p t i m i z e r,a n d t h eh y p e r p a r a m e t e r so f t h ec o n v o l u t i o n a l n e u r a l n e t w o r ka r eo p t i m i z e db yB a y e s i a nm e t h o d.F i n a l l y,t h e i m p r o v e dw h a l eo p t i m i z a t i o na l g o r i t h m(I WOA)i su s e dt oo p t i m i z et h ec o n v o l u t i o n a ln e u r a ln e t w o r k,a n dt h eo p t i m a ll e a r n i n gr a t eo ft h ec o n v o l u t i o n a ln e u r a ln e t w o r ki sf o u n d.T h en u m e r i c a le x a m p l es h o w s t h a t t h en e w m o d e lw o r k sw e l l,a n dp u t f o r w a r dt h ec o r r e s p o n d i n gc o n t r o ls t r a t e g y.K e y w o r d s:d i s t r i b u t i o n n e t w o r k e n g i n e e r i n g c o s t;w h a l e o p t i m i z a t i o n a l g o r i t h m;c o n v o l u t i o n a ln e u r a ln e t w o r k;s t o c h a s t i cg r a d i e n td e s c e n tw i t hm o m e n t u mf a c t o r(S G DM)o p t i m i z e r;B a y e s i a no p t i m i z a t i o n;n o n l i n e a rc o n v e r g e n c e f a c t o r;a d a p t i v ew e i g h t0 引言为了降低配电网工程的成本,需要对配电网工程造价进行预测;然而配电网工程造价与样本指标选取、智能算法性能、预测模型结构等复杂因素息息相关,大量不确定因素使得配电网工程造价很难被精准预测,因此亟需新的方法来解决预测问题,提高预测精度。针对这一问题,大量学者进行了研究。邹雪等1考虑从抗震性能和工程造价的角度对多层钢框架进行设计。刘向明2提出了工程设计阶段的造价控制措施。刘立英3从评估、决策、设计、实施、结算来控制工程造价,提出了一系列管理的方法。安磊等4采用随机森林算法预测小样本工程造价数据,建立高维小样本情况下的工程造价概算模型。周宏宇等5对特高压设备的运行维护检修费用的构成进行了详尽的分析,对造价影响因素进行识别与量化。曹建平等6将列文伯格 马夸尔特算法 卷积神经网络(L e v e n b e r g-M a r q u a r d t-c o n v o l u t i o n a ln e u r a l n e t w o r k,LM-C NN)用于输变电工程造价的异常识别,找出异常信息,增强了监控和分析造价数据的能力。王淑苹等7将狼群算法与卷积神经网络相结合来预测建筑工程造价,减小了预测误差。武小琳等8将LM-C NN算法用于建立输变电工程造价模型,做到了兼顾预测精度和稳定性。凌云鹏等9提出一种基于多层前馈(b a c kp r o p a g a t i o n,B P)神经网络的输电线路工程造价预测方法。郭新菊等1 0使用B P神经网络进行工程造价预测,但在预测时均会出现陷入局部极小1 1,预测精度降低的问题1 2。路妍等1 3将粒子群算法 多层前馈(p a r t i c l e s w a r mo p t i m i z a t i o n-b a c kp r o p a g a t i o n,P S O-B P)神经网络算法用于输电线路工程造价预测,提高了B P神经网络的预测效果。杨凯等1 4使用遗传算法B P神经网络的方法预测配电网工程造价,提高了B P神经网络的预测精度。张晓东等1 5提出了结合主成分分析(p r i n c i p a l c o m p o n e n t a n a l y s i s,P C A)和带外源输入的非线性自回归(n o n-l i n e a r a u t o-r e g r e s s i v ew i t he x o g e n o u s i n p u t s,NA R X)神经网络的市政工程造价预测模型,减少了冗杂的数据,并将样本的历史状态考虑在内。齐霞等1 6提出基于E l m a n的动态