一种电网基建项目评估优化系统的制作方法

1.本发明属于电网基建项目评估技术领域，尤其是涉及一种电网基建项目评估优化系统。


背景技术：

2.电力市场化和电网企业发展方式转变的逐步深化、新能源发电波动性以及外送工程主体的多样化，加之原来的电网建设项目投资规模大、回收时间长等问题，使得经济因素在电网建设项目决策中的地位日益重要；与此同时出现的决策因素复杂化、不确定影响因素增加和决策主体多元化等新特点也为电网建设投资项目的评估决策提出了新的问题和挑战。因此，面对这样大的投资规模，在大力发展可再生能源并网的趋势下，如何定量分析电网建设工程经济评价中的不确定因素己成为电网公司所面临的一个热点课题。


技术实现要素：

3.有鉴于此，本发明旨在提出一种电网基建项目评估优化系统，以解决现有技术中针对新能源电场电网基建进行评估优化缺乏合适的手段的技术问题。
4.为达到上述目的，本发明的技术方案是这样实现的：
5.一种电网基建项目评估优化系统，包括：
6.环境参数测量装置，所述环境参数测量装置用于测量新能源电场的各种环境参数；
7.环境评估卷积神经网络，用于通过所述各种环境参数计算得到环境评价指数；
8.评估优化模块，用于根据所述环境评价参数对原有电网基建项目评估指数进行优化。
9.进一步的，所述电网基建项目评估优化系统，还包括：
10.原有电网基建项目评估指数接收模块，用于接收原有电网基建项目评估指数。
11.进一步的，所述环境参数测量装置，包括：
12.风速仪，用于测量电场场地任一测量点的瞬时风力；
13.海拔高度测量器，用于测量所述风速仪所在的高度；
14.定位仪，用于测量所述风速仪所在的位置。
15.更进一步的，所述评估优化模块，用于：
16.按所述环境评价参数对应的预设比值和原有电网基建项目评估指数的对应比值进行优化。
17.相对于现有技术，本发明所述的电网基建项目评估优化系统具有以下优势：
18.本发明所述的电网基建项目评估优化系统，通过设置用于测量新能源电场的各种环境参数的环境参数测量装置，用于通过所述各种环境参数计算得到环境评价指数的环境评估卷积神经网络，和用于根据所述环境评价参数对原有电网基建项目评估指数进行优化的评估优化模块。充分利用了环境评估卷积神经网络的人工智能优点，可以根据新能源电
场的相应生产要素对其进行评估，并利用该评估结果结合原有电网基建项目的评估结果进行优化，能够快速得到评估优化结果，并且避免了由于人为打分导致的结果偏差，使得评估结果更为准确。
附图说明
19.构成本发明的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
20.图1为本发明实施例所述的电网基建项目评估优化系统的结构示意图。
具体实施方式
21.需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
22.在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”等的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上。
23.在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以通过具体情况理解上述术语在本发明中的具体含义。
24.下面将参考附图并结合实施例来详细说明本发明。
25.图1为本发明实施例所述的电网基建项目评估优化系统的结构示意图，参见图1，所述电网基建项目评估优化系统。该系统适用于对新能源电场特别是风力电场基建项目评估进行优化的情况。
26.所述电网基建项目评估优化系统，包括：
27.环境参数测量装置，所述环境参数测量装置用于测量新能源电场的各种环境参数；
28.环境评估卷积神经网络，用于通过所述各种环境参数计算得到环境评价指数；
29.评估优化模块，用于根据所述环境评价参数对原有电网基建项目评估指数进行优化。
30.风能是风速的3次方，风速相差1倍，风能相差8倍，所以，选择一个好的风电场风速是至关重要的。风电场场址选择的好坏，对风能利用的预期目的能否达到，有着关键的作用。当然，风电场还要考虑电网、交通、环境、生活等条件，但风能资源是重中之重。规定年平均风速必须≥6m/s以上才能建立风电场。若海拔较高，还必须订正到标准下的6m/s风速。
31.因此，对风电电场电网基建项目进行评估时，必须考虑场址的环境因素。示例性的，所述环境参数测量装置，可以包括：风速仪，用于测量电场场地任一测量点的瞬时风力；海拔高度测量器，用于测量所述风速仪所在的高度；定位仪，用于测量所述风速仪所在的位置。由于海拔会影响空气流动，进而会影响发电效率。此外，风速仪的排布设置也会影响测量结果。因此，需要上述设备对风电场场地进行精确的测量。
32.在经过长期测量后，得到相应的参数。传统的方式，根据上述参数绘制图表，根据专家的先验知识进行打分。上述方式更多依靠专家的经验和学识水平，不仅较为不稳定，同时也会掺杂较多的个人感情因素。
33.在本实施例中，采用环境评估卷积神经网络来进行评估。卷积神经网络(convolutional neural network,cnn)，是一种前馈神经网络，人工神经元可以响应周围单元，尤其适用于图像处理。其基本结构可以包括两层，其一为特征提取层，每个神经元的输入与前一层的局部接受域相连，并提取该局部的特征。一旦该局部特征被提取后，它与其它特征间的位置关系也随之确定下来；其二是特征映射层，网络的每个计算层由多个特征映射组成，每个特征映射是一个平面，平面上所有神经元的权值相等。特征映射结构采用影响函数核小的sigmoid函数作为卷积网络的激活函数，使得特征映射具有位移不变性。此外，由于一个映射面上的神经元共享权值，因而减少了网络自由参数的个数。卷积神经网络中的每一个卷积层都紧跟着一个用来求局部平均与二次提取的计算层，这种特有的两次特征提取结构减小了特征分辨率。特征检测层通过训练数据进行学习，所以在使用cnn时，避免了显示的特征抽取，而隐式地从训练数据中进行学习；再者由于同一特征映射面上的神经元权值相同，所以网络可以并行学习，这也是卷积网络相对于神经元彼此相连网络的一大优势。利用训练完成的环境评估卷积神经网络可以完成相应的评估。示例性的，可以将上述参数输入到训练完成的环境评估卷积神经网络，并根据输出得到相应的输出结果。
34.在得到相应的结果后，可以利用上述输出结果对原有电网基建项目评估指数进行优化。示例性的，所述所述电网基建项目评估优化系统，还包括：
35.原有电网基建项目评估指数接收模块，用于接收原有电网基建项目评估指数。相应的，所述评估优化模块，用于按所述环境评价参数对应的预设比值和原有电网基建项目评估指数的对应比值进行优化。
36.本领域普通技术人员可以理解：实现上述系统中的全部或者部分模块可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：rom、ram、磁碟或者光盘等各种可以存储程序代码的介质。
37.以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。