上海代写论文网专业提供代写毕业论文、代写本科论文服务

相关文章推荐

联系方式
您现在的位置:首页 > 计算机论文 > 人工智能论文 >
变电工程概算中BIM技术和人工智能的运用
发布时间:2021-11-20

  摘    要: 针对传统变电工程概算方法存在工作量大且误差较大的问题,文中提出了基于BIM和粒子群(PSO)-支持向量机(SVM)的变电工程智能概算方法。推导SVM模型,分析固定的核函数参数和惩罚系数对SVM模型的影响;提出利用PSO算法优化SVM核函数参数和惩罚系数的改进方法;利用变电工程的BIM模型及特征数据作为PSO-SVM模型的输入,实现变电工程的智能化成本概算。算例分析结果表明,文中所提基于BIM和PSO-SVM的变电工程成本概算方法的误差绝对值均小于10%,相比于传统SVM算法具有更高的准确性,且通过参数优化能够满足不同实际变电工程成本概算需求。

  关键词 :     支持向量机;粒子群; BIM;成本概算;

  Abstract: Aiming at the problems of large workload and large errors in the traditional budgetary estimate methods of substation engineering,the article proposes an intelligent budgetary estimate for substation engineering based on BIM and Particle Swarm Optimization(PSO)-Support Vector Machine(SVM)method. The SVM model is derived,and the influence of the fixed kernel function parameters and penalty coefficients on the SVM model is analyzed;an improved method of using the PSO algorithm to optimize the SVM kernel function parameters and penalty coefficients is proposed;the BIM model and characteristics of the substation engineering are used. The data is used as the input of the PSO-SVM model to realize the intelligent cost estimation of the substation project. The analysis results of the calculation examples show that the absolute value of the error of the BIM and PSO-SVM-based substation project cost estimation method proposed in the article is less than 10%. Compared with the traditional SVM algorithm,it has higher accuracy,and can meet the cost estimation needs of different actual substation projects through parameter optimization.

  Keyword: support vector machine; particle swarm; BIM; cost estimation;

  变电工程是电网建设的主要内容之一[1,2,3]。在变电工程规划、实施等阶段对变电工程进行成本概算,能够为变电工程建设的优化决策提供支撑[4,5,6]。当前,变电工程的概算依赖于人工或电子表格进行计算,计算工作量较大,需要投入大量的人力资源[7,8,9]。而变电工程一般通过BIM技术进行规划设计,其BIM模型包含整个工程的详细参数[10,11,12,13]。若能够利用变电工程BIM模型的相关数据,结合现阶段高速发展、趋于成熟的人工智能算法,通过数据分析和挖掘技术实现数据驱动的变电工程概算,则能够大幅度降低人力资源成本,提高变电工程概算的智能化水平[14,15,16]。基于此,文中将支持向量机算法和粒子群算法相结合,利用变电工程BIM模型实现变电工程的智能化概算。

  1 、PSO-SVM算法

  1.1、 支持向量机

  支持向量机算法是一种广泛应用于统计学习的机器学习方法,区别于传统统计学习中以经验风险最小为目标,其采用结构风险最小为目标,提高了统计学习模型的泛化能力,能够在有限的数据规模下进行全局的寻优。算法的复杂程度与数据样本的维数无关,能够高效地处理高维数据样本。
 

变电工程概算中BIM技术和人工智能的运用
 

  在内积空间H中,超平面可以表示为:

  式中,w为垂直超平面的向量,b为偏置量。参数乘以任何非零常数,超平面不变,因此超平面完全取决于参数(w,b)。通常采用规范超平面,即超平面到最近点的距离为1。

  对于非线性优化问题,支持向量机的处理方法是采用非线性映射将数据样本集映射到高维空间,从而转化为高维空间中的线性优化问题,即寻找函数:

  其中,?(x)为映射函数。将基于最小二乘法的支持向量机优化问题转化为:

  其中,γ是可调的参数,称为惩罚系数;ξk为松弛系数。

  在式(4)基础上,构建拉格朗日(Lagrange)函数,将原优化问题转化为:

  其中,αk为拉格朗日乘子。

  L分别对变量w、b、ξk、αk求偏导,并令其等于0,得到下式:

  消除变量w和ξk,可得:

  其中,

  存在映射函数与核函数,满足下式:

  综合上述式子可以求解α、b,基于最小二乘法的支持向量机预测函数为:

  通常采用的核函数为径向基核函数(Radial Basis Function,RBF):

  其中,σ为核函数参数。

  1.2 、粒子群算法

  支持向量机模型中,核函数参数σ和惩罚系数γ的设定直接影响模型的精确度和稳定性。固定的参数不能完全满足实际问题的优化求解需求,而且限制了模型在智能化学习方面的优势。惩罚系数γ过大或过小均会因过学习或欠学习,使算法的泛化能力变差。核函数参数σ描述了高维空间的结构,决定了最终解的复杂度,其值过大或过小均会使算法的泛化性能变差。

  因此,合理优化核函数参数和惩罚系数,能够使模型更加灵活、高效,符合实际问题的建模需求。文中主要结合粒子群算法对支持向量机中的核函数参数σ和惩罚系数γ进行优化,PSO-SVM算法的结构如图1所示。

  假设数据样本总数为N,维数为m,粒子群算法将每个数据样本看作一个m维的粒子,并在搜索空间的不同位置以一定速度飞行。

  图1 PSO-SVM算法结构
图1 PSO-SVM算法结构

  假设Xi={xi1,xi2,…,xim}为第i个粒子的当前位置,Vi={vi1,vi2,…,vim}为第i个粒子的飞行速度,pi={pi1,pi2,…,pim}为第i个粒子经过的最优位置。f(X)为适应度函数,其值越大,说明X越优。第i个粒子的最优位置可由下式得到:

  其中,pi(t+1)为(t+1)时刻第i个粒子所经过的最优位置;Xi(t+1)为(t+1)时刻第i个粒子的位置。

  整个粒子群所经历的最优位置,即全局最优位置为:

  每个粒子在飞行过程中根据其自身所经过的最优位置及全局的最优位置,动态调整飞行速度。粒子的位置与速度迭代公式如下:

  其中,vij(t)为t时刻第i个粒子第j维的速度分量;xij(t)为t时刻第i个粒子第j维的位置分量;pij(t)为t时刻第i个粒子所经历最优位置第j维分量;bestj(t)为t时刻全局最优位置的第j维分量;c1和c2为加速因子;r1和r2为0~1范围内的随机数。

  为了避免陷入局部最优,在粒子速度迭代公式的基本速度上增加惯性权重,即为:

  其中,w速度的惯性权重能够平衡算法的局部和全局搜索能力,迭代方式如下:

  其中,wmax与wmin分别为惯性权重的初始值和最终值;g为当前迭代代数;gmax为最大迭代代数。

  粒子群算法的具体流程如图2所示。

  图2 粒子群算法的流程
图2 粒子群算法的流程

  2、 BIM在变电工程概算中的应用

  2.1、 BIM简介

  建筑信息模型(Building Information Modeling,BIM)基于数字化三维模型和开放式标准,利用专业技术软件实现项目建设的信息共享和全生命周期管理,提高项目建设的实施效率与管理水平。

  BIM的主要作用包括以下3个方面:

  1)构建项目对象的数字化表达模型,使得项目的所有参与方能够共享信息资源,支撑项目实施过程的所有决策,BIM信息共享结构如图3所示。

  图3 BIM信息共享结构
图3 BIM信息共享结构

  2)基于建筑信息模型开展相关应用,利用项目数据方便地开展设计、施工和运维等业务工作。

  3)实现建筑信息管理,例如可视化沟通、方案比对、施工现场管控、项目资料存档等。

  2.2 、基于BIM的变电工程概算算法

  传统变电工程概算一般由有经验的专业工程师根据设计方案中相关结构件的尺寸、用料等参数,通过一定的算量规则逐项计算累加形成,或者通过专业算量软件建立变电工程模型,从而得出变电工程的汇总工程量。前者计算结果与工程师的专业经验关系密切,容易出现错误,而且也不便于校核。后者在建立变电工程的算量模型时,需要花费大量的人力,而且建模的准确性也难以保证。基于BIM的变电工程概算的主要思路,是直接应用设计阶段变电工程的BIM模型,避免重复的建模工作,实现变电工程概算的智能化生成,提高工程概算的准确度和效率。

  文中将BIM技术与上述所提的PSO-SVM算法相结合,并应用于变电工程概算中。基于BIM与PSO-SVM的变电工程概算算法结构如图3所示。利用历史工程数据对PSO-SVM模型进行学习训练,这些历史数据包括历史工程的BIM模型和工程特征数据。工程特征数据包括电压等级、主变台数、总容量等,由此获得满足精度要求且参数最优的PSO-SVM模型。建立待预测工程的BIM模型,并获取其工程特征数据,将这些待预测工程的数据作为PSO-SVM模型的输入数据,获得并输出待预测工程的成本概算结果。

  图4 基于BIM与PSO-SVM的变电工程概算算法
图4 基于BIM与PSO-SVM的变电工程概算算法

  3 、算例分析

  将文中所提方法应用于变电工程的概算中进行仿真分析,验证所提方法的有效性和正确性。

  3.1、 模型输入数据

  1)BIM模型数据

  利用BIM技术搭建变电工程模型,可以建立与实际工程完全相同的数字模型。通过数字模型可以直观、清晰地查看工程的三维结构;通过各个模块的参数可以方便、快捷地计算相应的工程量和造价估算。

  2)工程特征数据

  工程特征数据是指变电工程本身电气、建筑面积等方面的特征,包括电压等级、主变台数、单台容量等。

  3.2、 模型的准确性分析

  将某地区45个变电工程的历史数据作为数据样本,并随机划分其中36个变电工程作为训练样本,9个变电工程作为测试样本。通过训练样本学习训练PSO-SVM模型,实现模型参数的优化,且利用测试样本测试优化后模型的准确性。

  为了验证文中所提方法的有效性,将相同数据集作为PSO-SVM算法与传统SVM算法的输入数据。变电工程的成本概算结果如表3所示。

  由表3可知,基于SVM和PSO-SVM算法的成本概算误差均为负值。这是由于输入数据为BIM模型数据,未考虑到施工过程中物料的损耗,因此成本概算相比于实际成本偏小。基于传统SVM的变电工程成本概算的绝对误差在10%以上,而PSO-SVM算法的绝对误差在10%以下。这是因为基于PSO-SVM算法对核函数参数和惩罚系数进行了优化,使得算法更加适应变电工程成本概算的应用场景,具有更高的准确性。

  表3 基于BIM技术的变电工程成本概算
表3 基于BIM技术的变电工程成本概算

  4 、结束语

  文中分析了SVM和PSO算法的原理,介绍了BIM技术,并将其应用于变电工程的概算中,提出基于BIM与PSO-SVM的变电工程概算算法。通过算例分析表明,文中所提方法以BIM模型为输入,所得变电工程成本概算比实际成本偏小。PSO-SVM算法相比于传统SVM算法,成本概算误差绝对值均在10%以内,具有更高的准确性。

  参考文献

  [1]袁兆祥,彭晶安增军,等基于层级设计的输变电工程数据存储架构[J]沈阳工业大学学报,2019, 41(6):601-605.
  [2]蒋宇,单鸿涛,施-萍等基于Fuzzy AHP的输变电工程评价系统设计[J]电力科学与工程.2018,34(6):30-36.
  [3]王盘输变电工程造价大数据平台构建与智能分析管控应用研究[]电力大数据,2018.21(11):8-14.
  [4]能织明,刘建楠,倪向萍特高压变电工程设计与施工衔接安全防护措施研究[J]中国电力,2017 ,50(10):52-56.
  [5]勃磊陈天星,刘善邦,等基于数据处理-体化的输变电 工程标准测量系统构建[J]电子设计工程2018,26(20):133-136.
  [6]耿鹏云,齐霞尹冰冰,等输变电工程基本预备费费率测算模式与方法研究[J]陕西电力,2015 ,43(10):58-61.
  [7]孙小虎宋慧娟代安琪等于预测的输变电工程元数据分级索引算法[J].计算机工程与设计,2019,40(11):3192-3199.
  [8]朱杨,汪玉成,包万敏,等输变电工程建设智能管控系统的设计与实现[J].电力学报2016,31(6):491-498.
  [9]覆.王绵斌张妍,等高维小样本条件下的变电.工程造价预测研究[J]湘潭大学自然科学学报.2016,38(4):112-115.
  [10]陈凯凯电力工程项目BIM应用能力成熟度评价研究[D]北京:华北电力大学.2019.
  [11]朱宸,阚哲计算机技术在BIM建筑建模中的应用研究[J].计算机与数字工程2017.4511):2285-2289.
  [12]么远基于BIM的变电工程造价快速估算方法研究[D].重庆重庆大学2016.
  [13]王晓波,钱展佳李峰等基于BIM技术的输变电工程管控模型研究与信息系统实现[J].电力与能源,2018,39(3)-305-309.
  [14]周亮,蔡钧.丁-波,等基于IFC的输变电工程三维数字化管理平台研究[J]电网与清洁能源2015.311):7-12.
  [15]孙蕾220千伏输变电工程设计阶段概算分析[D]南昌:南昌大学.2017.
  [16]赵军毅姚建刚,许成卓,等电工程L CC设计评价及其系统开发[J]电力系统及其自动化学报,2014,26(2):44-49.

对应分类:
下一篇:没有了
版权所有:上海论文网专业权威的论文代写、论文发表的网站,秉承信誉至上、用户为首的服务理念,服务好每一位客户
本站部分论文收集于网络,如有不慎侵犯您的权益,请您及时致电或写信告知,我们将第一时间处理,邮箱:shlunwen@163.com