(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111482494.8 (22)申请日 2021.12.07 (71)申请人 国网辽宁省电力有限公司经济技 术 研究院 地址 110015 辽宁省沈阳市沈河区文 萃路 183-1号 申请人 国家电网有限公司 (72)发明人 宋坤　刘冰　张如玉　王镝　张鸥　 张爽莹　石晶　张平　徐维懋　 谷峥　付亦殊　徐强胜　肖雪　 于兴成　王英旭　杨晓东　李革　 夏静波　潘进　吴学锋　 (74)专利代理 机构 沈阳之华 益专利事务所有限 公司 21218 代理人 黄英华(51)Int.Cl. G06Q 10/04(2012.01) G06Q 10/10(2012.01) G06Q 50/06(2012.01) G06F 30/27(2020.01) G06N 3/00(2006.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06F 111/04(2020.01) G06F 111/06(2020.01) (54)发明名称 一种基于多目标优化的变电站工程造价决 策方案优选方法 (57)摘要 本发明公布了一种基于多目标优化的变电 站工程造价决策方案优选方法， 包括如下步骤： 相关领域专家对历史变电站工程设计方案进行 优选打分， 并选出影响方案优选分数的主要工程 设计变量； 以影 响方案优选分数的工程设计变量 历史数据作为输入变量、 以相应历史变电站工程 设计方案优选分数作为输出变量分别建立非线 性神经网络， 并训练网络模型， 得到工程设计方 案优选分数与影 响变量的非线 性表达式； 构建多 目标优化方案， 将得到的表达式作为待求的最优 化问题， 依据具体项目构造约束条件； 应用多目 标优化算法， 求解得到满足约束条件 下的变电站 工程最优造价方案。 该方法可以优选出符合工程 建设要求且具有高可靠性低投入的变电站工程 建设造价方案 。 权利要求书2页 说明书6页 附图3页 CN 114139818 A 2022.03.04 CN 114139818 A 1.一种基于多目标优化的变电站工程造价决策方案优选方法， 其特征在于： 包括以下 步骤： 步骤1： 对历史变电站工程设计方案进行优选打分， 选出影响方案优选分数的主要工程 设计变量； 步骤2： 以影响方案优选分数的工程设计变量历史数据作为输入变量、 以相应历史变电 站工程设计方案优选分数作为输出变量分别 建立非线性神经网络， 并训练网络模型， 得到 工程设计方案优选分数与影响变量的非线性表达式； 步骤3： 构建多目标优化方案， 将得到的表达式作为待求的最优化问题， 依据具体项目 构造约束条件； 步骤4： 应用多目标优化 算法， 求解得到满足约束条件下的变电站工程 最优造价方案 。 2.根据权利要求1所述的一种基于多目标优化的变电站工程造价决策方案优选方法， 其特征在于： 所述步骤1中， 对历史变电站工程设计方案进行优选打分时， 对同项目的工程 设计方案与工程造价方案 两方面分别评分。 3.根据权利要求1所述的一种基于多目标优化的变电站工程造价决策方案优选方法， 其特征在于： 所述步骤2中创建并训练神经网络拟合各类工程设计变量与优选分数之间的 非线性关系， 神经网络 输入输出的映射关系为： C＝W2(1+exp(W1X))‑1 其中， C为神经 网络的输出值； W2为隐藏层神经元与输出层神经元的链接权重向量； W1为 输入层神经元与隐藏层神经元的链接权重矩阵， W1与W2为神经网络训练的参 数， 网络训练完 成后， W1与W2成为神经网络表达式的固定系数； X为神经网络的输入向量。 4.根据权利要求1所述的一种基于多目标优化的变电站工程造价决策方案优选方法， 其特征在于： 所述 步骤3中构造最优化问题的目标函数为： V‑maxC 其中， V‑max为求取向量的最大化； C＝[C1,C2]T， C1为工程设计方案评分， C2为工程造价 方案分数， C1与C2的表达式均为所训练神经网络的非线性映射关系。 5.根据权利要求1所述的一种基于多目标优化的变电站工程造价决策方案优选方法， 其特征在于： 所述步骤3中参照具体项目， 分别从工期、 预算、 工程量几个角度设置不等式约 束条件。 6.根据权利要求1所述的一种基于多目标优化的变电站工程造价决策方案优选方法， 其特征在于： 步骤4中所述多目标优化 算法的应用过程包括以下步骤： 改进粒子群优化 算法， 设置粒子位置与速度变量： 其中， Xi为n个粒子的第i次更新后的位置信息矩阵； Vi为与之对应的粒子信息矩阵； 粒子更新策略：权　利　要　求　书 1/2 页 2 CN 114139818 A 2α ＝αmax‑i( αmax‑α )/imax 其中， 为第k个粒子第i次更新后粒子速度信息的第j维分量， k＝[1,n]， j为1或2； 为第k个粒子第 i次更新后粒子位置信 息的第j维分量； i为当前更新 次数； imax为最大更 新次数； 为第k个粒子第i次更新后粒子个体最优解的第j维分量； 为第i次更新后全 部粒子群体最优解的第j维分量； α、 αmax分别表示惯性权重及其最大值； β 为学习因子； r为 (0,1)的随机数； λ为粒子位置信息的更新 步长。权　利　要　求　书 2/2 页 3 CN 114139818 A 3