(19)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 202211245052.6 (22)申请日 2022.10.11 (71)申请人 广东电网有限责任公司 地址 510000 广东省广州市越秀区东 风东 路757号 (72)发明人 孙辉　吴伟杰　李逸欣　郑敏嘉　 张伊宁　 (74)专利代理 机构 广州三环 专利商标代理有限 公司 44202 专利代理师 姚心怡 (51)Int.Cl. G06Q 10/06(2012.01) G06Q 10/10(2012.01) G06Q 50/06(2012.01) (54)发明名称 基于小样本机器学习的电站工程造价分析 方法及装置 (57)摘要 本申请公开了一种基于小样本机器学习的 电站工程造价分析方法及装置， 通过利用影响因 素分析模块， 根据历史电站造价数据， 分析抽水 蓄能电站的造价影 响因素的影 响权重； 利用造价 仿真测算模块， 根据历史造价基础数据和影响权 重， 测算抽水蓄能电站的造价测算结果数据； 利 用机器学习修正模块， 根据小样本机器学习算 法， 对历史造价结果数据和造价测算结果数据进 行训练， 生成抽水蓄能电站的工程造价修正模 型； 利用造价综合分析模块， 根据工程造价修正 模型， 对待建设的目标抽水蓄能电站进行造价分 析， 得到目标抽水蓄能电站的目标造价结果数 据。 实现了基于小样本机器学习算法对工程造价 数据进行修正， 提高分析效率合 分析结果的精确 度。 权利要求书2页 说明书8页 附图2页 CN 115545490 A 2022.12.30 CN 115545490 A 1.一种基于小样本机器学习的电站工程造价分析方法， 其特征在于， 应用于电站工程 造价分析装置， 所述电站工程造价分析装置包括影响因素分析模块、 造价仿 真测算模块， 机 器学习修 正模块和造价综合分析模块， 包括： 利用所述影响因素分析模块， 根据历史电站造价数据， 分析抽水蓄能电站 的造价影响 因素的影响权 重， 所述历史电站造价数据包括历史造价基础数据和历史造价结果数据； 利用所述造价仿真测算模块， 根据所述历史造价基础数据和所述影响权重， 测算所述 抽水蓄能电站的造价测算结果数据； 利用所述机器学习修正模块， 根据小样本机器学习算法， 对所述历史造价结果数据和 所述造价测算结果数据进行训练， 生成所述抽水蓄能电站的工程造价 修正模型； 利用所述造价综合分析模块， 根据所述工程造价修正模型， 对待建设的目标抽水蓄能 电站进行造价分析， 得到所述目标抽水蓄能电站的目标造价结果数据。 2.如权利要求1所述的基于小样本机器学习的电站工程造价分析方法， 其特征在于， 所 述利用所述影响因素分析模块， 根据历史电站造价数据， 分析抽水蓄能电站的造价影响因 素的影响权 重， 包括： 利用所述影响因素分析模块， 将所述历史电站造价数据导入到云端服务器， 以根据灰 关联分析法或响应面分析法， 对所述历史电站造价数据进行分析， 确定所述造价影响因素 的影响权 重。 3.如权利要求1所述的基于小样本机器学习的电站工程造价分析方法， 其特征在于， 所 述利用所述造价仿真测算模块， 根据所述历史造价基础数据和所述影响权重， 测算所述抽 水蓄能电站的造价测算结果数据， 包括： 利用所述造价仿真测算模块， 根据预设仿真测算模型， 对所述历史造价基础数据和所 述影响权重进行测算， 得到所述抽水蓄能电站的造价测算结果数据， 所述预设仿真测算模 型为： Gc＝∑f(ωiIi)； 其中， Gc为造价测算结果数据， Ii为第i个造价影响因素对应的历史造价基础数据， ωi 表示第i个造价影响因素的影响权 重。 4.如权利要求1所述的基于小样本机器学习的电站工程造价分析方法， 其特征在于， 所 述利用所述机器学习修正模块， 根据小样本机器学习算法， 对所述历史造价结果数据和所 述造价测算结果数据进行训练， 生成所述抽水蓄能电站的工程造价 修正模型， 包括： 利用所述机器学习修正模块， 将所述历史造价结果数据和所述造价测算结果数据输入 到预设神经网络； 基于所述小样本机器学习算法， 对所述预设神经网络进行训练， 直至所述预设神经网 络达到预设收敛 条件， 得到修 正参数； 基于所述 修正参数结合预设仿真测算模型， 生成所述工程造价 修正模型。 5.如权利要求4所述的基于小样本机器学习的电站工程造价分析方法， 其特征在于， 所 述预设神经网络的模型函数为： 其中， Gsi为第i个造价测算结果数据， Gci为第i个历史造价结果数据， g()表示激活函权　利　要　求　书 1/2 页 2 CN 115545490 A 2数， k表示隐含层， j表示输出层， g()、 βkj、 φmj和bk均表示待调整的修 正参数。 6.如权利要求4所述的基于小样本机器学习的电站工程造价分析方法， 其特征在于， 所 述预设收敛条件包括所述预设神经网络对应的均方根误差、 平均绝对误差和平均绝对百分 比误差在预设值范围内。 7.如权利要求4所述的基于小样本机器学习的电站工程造价分析方法， 其特征在于， 所 述工程造价 修正模型为： Gzc＝β×g(φ×∑f(ωiIi))+b)； 其中， Gzc表示目标造价结果数据， g()表 示激活函数， Ii为第i个造价影响因素对应的历 史造价基础数据， ωi表示第i个造价影响因素的影响权 重， g()、 β 、 φ和b表示 修正参数。 8.一种基于小样本 机器学习的电站工程造价分析装置， 其特 征在于， 包括： 影响因素分析模块， 用于根据历史电站造价数据， 分析抽水蓄能电站 的造价影响因素 的影响权 重， 所述历史电站造价数据包括历史造价基础数据和历史造价结果数据； 造价仿真测算模块， 用于根据所述历史造价基础数据和所述影响权重， 测算所述抽水 蓄能电站的造价测算结果数据； 机器学习修正模块， 用于根据小样本机器学习算法， 对所述历史造价结果数据和所述 造价测算结果数据进行训练， 生成所述抽水蓄能电站的工程造价 修正模型； 造价综合分析模块， 用于根据所述工程造价修正模型， 对待建设的目标抽水蓄能电站 进行造价分析， 得到所述目标抽水蓄能电站的目标造价结果数据。 9.一种计算机设备， 其特征在于， 包括处理器和存储器， 所述存储器用于存储计算机程 序， 所述计算机程序被所述处理器执行时实现如权利要求 1至7任一项 所述的电站工程造价 分析方法。 10.一种计算机可读存储介质， 其特征在于， 其存储有计算机程序， 所述计算机程序被 处理器执行时实现如权利要求1至7任一项所述的电站工程造价分析 方法。权　利　要　求　书 2/2 页 3 CN 115545490 A 3