一种设备全寿命周期成本预测模型的构建方法、记录媒体及系统与流程

1.本发明属于电力设备管理技术领域，具体公开了一种设备全寿命周期成本预测模型的构建方法、非暂态可读记录媒体及数据处理系统。


背景技术：

2.当前能源革命趋势、科技创新形势都在发生前所未有的历史巨变，“双碳”目标的提出、新型电力系统的构建、电力市场化改革提速将对未来公司和电网的发展带来深远影响。如期实现“2030年前碳达峰、2060年前碳中和”的目标倒逼能源加快转型，电网升级迫切。新能源、微电网、互动式设备的大量接入，电力系统“双高”“双峰”特征进一步凸显，各单位在保障电网安全运行和可靠供电方面面临巨大考验，更新设备对资金的需求使得全寿命周期的成本研究成为管理人员首要分析的方向。
3.电力设备从采购、重置、运行、维修、报废的全生命周期都存在成本核算，这对各单位的决策起到重要的参考作用。电网资产的成本一般包括投资成本、运行维护成本、检修成本、故障处置成本以及报废处置成本五个方面。现有的成本评估方式是根据电网公司的年度财务记录获得现状电网不同年度下相关资产的成本数据，再经过相关费用的折算(如成本的现值、等年值及终值间的折算)来实现电网的成本评估。这是基于过去已经发生的成本来对将来可能生成成本的推算，没有考虑各种成本之间的关联性，也没有对单一成本的趋势分析，更没有构成各项成本的概率或权重的量化分析，因而这个测算数据与将后来实际发生的数据会存在较大的偏差，在这种情况下做出的决策显然不是最优的。


技术实现要素：

4.为了解决背景技术中，本发明提供一种设备全寿命周期成本预测模型的构建方法，包括以下步骤：
5.s1.在输入环节设置缓存区，对数据进行抽取，对到达的数据分类、转换、加载；
6.s2.拟合各种类电力设备的使用寿命与投资成本的关系；
7.s3.拟合运维成本与设备故障造成的停工损失间的关系；
8.s4.基于所述使用寿命、投资成本、运维成本、停工损失构建设备全寿命周期总成本预测模型。
9.优选的，所述拟合的方法包括先使用三次指数平滑法对选取的时间序列数据做线性回归，再通过关系型数据库求解不同时间序列间的响应关系。
10.优选的，所述全寿命周期总成本预测模型中须通过比较判断矩阵计算所涉及参数的相对权重。
11.优选的，所述抽取的方法包括:按照三行记录抽取前两行或者抽取第三行的方式获得样本数据。
12.本发明另提供一种设备全寿命周期成本预测模型的构建系统，包括下述功能模
块：
13.数据模块，在输入环节设置缓存区，对数据进行抽取，对到达的数据分类、转换、加载；
14.模型构建模块，用于拟合各种类电力设备的使用寿命与投资成本的关系；拟合运维成本与设备故障造成的停工损失间的关系；基于所述使用寿命、投资成本、运维成本、停工损失构建设备全寿命周期总成本预测模型。
15.优选的，所述拟合的方法包括先使用三次指数平滑法对选取的时间序列数据做线性回归，再通过关系型数据库求解不同时间序列间的响应关系。
16.优选的，所述全寿命周期总成本预测模型中须通过比较判断矩阵计算所涉及参数的相对权重。
17.优选的，所述抽取的方法包括:按照三行记录抽取前两行或者抽取第三行的方式获得样本数据。
18.本发明的另一方案在于提供一种非暂态可读记录媒体，用以存储包含多个指令的一个或多个程序，当执行指令时，将致使处理电路执行所述一种设备全寿命周期成本预测模型的构建方法中所包括的步骤。
19.本发明的又一方案在于提供一种数据处理装置，包括处理电路及与其电性耦接的存储器，其特征在于，所述存储器配置储存至少一程序，所述程序包含多个指令，所述处理电路运行所述程序，能执行所述一种设备全寿命周期成本预测模型的构建方法中所包括的步骤。
20.相对于现有技术，本发明具有以下有益效果：
21.本发明方法通过数据预分类、指数平滑处理、权重计算等方式构建成本模型，该成本模型所测算数据与后来实际发生的数据较为吻合，克服了以往成本优化方法中不够准确以及陷入局部最优解的缺点，提升了优化性能。
附图说明
22.图1为本发明步骤流程示意图；
具体实施方式
23.为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行描述，所描述的实施例是本发明一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域技术人员在没有做出创新劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
24.如图1所示：一种设备全寿命周期成本预测模型的构建方法的实施例，包括以下步骤：
25.步骤1：在输入环节设置缓存区，对数据进行抽取，按照三行记录抽取前两行或者抽取第三行的方式获得样本数据。对到达的数据分类、转换、加载；在提取阶段，解决的是数据来源问题。主要包括：业务数据、文件数据、第三方数据；数据的格式和形式一般有以下几种：
26.·
关系型数据库sql，rdbms
27.·
文件型数据库nosql
28.·
日志文件
29.·
xml/html
30.·
json
31.·
csv/tsv(flat files)
32.在数据加载后进行处理时，将过程中的结果暂时存放在缓存区，先将各个不同来源的原始字段数据，按照业务类别进行初步筛选、汇总、预处理，得到按主题类别划分的数据；之后根据业务逻辑抽取设备资产数据、设备台账数据、设备缺陷、故障数据和运维成本等，构成与成本预测相关的关系型数据库。
33.步骤2：拟合各种类电力设备的使用寿命与投资成本的关系；拟合运维成本与设备故障造成的停工损失间的关系；先使用三次指数平滑法对选取的时间序列数据做线性回归，再通过关系型数据库求解不同时间序列间的响应关系。
34.例如，选取三次指数平滑模型holt-winters来对某类设备的月度运维费用进行预测，估计该设备后期运维成本的变化趋势。
35.holt-winter模型的基本思想是把具有线性趋势、季节变动和随机波动的时间序列进行分解研究，并与指数平滑法相结合，分别对长期趋势、趋势的增量和季节波动做出估计，然后建立预测模型，外推预测值。该模型由3个平滑方程和一个预测公式组成。
36.模型的3个平滑方程为：
37.s
t
＝αx
t
/i
t-l+(1-β)(s
t-1
+b
t-1
)
38.b
t
＝γ(s
t-s
t-1
)+(1-γ)b
t-1
39.i
t
＝βxt/s
t
+(1-β)i
t-l
40.式中：l为季节长度，s是稳定成分，b是线性成分，i为季节成分；α、β、γ为加权系数；i
t
为季节性修正系数，即季节指数，等于时间序列的原始数据x
t
与时间序列的一次平滑指数s
t
的比值，即i
t
＝x
t
/s
t
。由于时间序列的原始数据x
t
里包含了季节性、趋势性和随机性，而一次指数平滑数s
t
仅包含趋势性和随机性，不包含季节性，为了使x
t
中的随机性得到平滑，在季节指数i
t
的方程中，给新算出的季节性系数x
t
/s
t
加权β，给相当于同一季节、距i
t
最近的季节指数i
t-l
加权(1-β)；在b
t
的方程中，通过给增量s
t-s
t-1
加权γ，给以前的趋势性b
t-1
加权(1-γ)，达到使时间序列的趋势性平滑的目的；在平滑后的s
t
方程中，第一项被季节性指数i
t-l
除，其目的是消除原始数据x
t
的季节性(消除x
t
季节性增量)。式中用i
t-l
而不用i
t
是因为i
t
要在已知s
t
时才能计算。
41.模型的预测公式为：
42.f
t+m
＝(s
t
+b
tm
)i
t+m-l
43.式中，m为从当前时期到所要预测时期的数目，f
t+m
为第t+m时期预测值。
44.holt-winter模型可以平滑随机性、修正趋势性，并且包含处理季节性的附加参数，能对既有趋势性又有季节性变动趋势的时间序列进行预测，在短期季节预测中能得到不错的效果。
45.在同一时期，设备运维成本增大时，停工损失就会减少，反之则增加，此为维护成本与停工损失的自弹性；同时用户还受其它时段的维护成本的影响，会尽可能将维护时间安排在季节性的停工检修期，此为维护成本与停机的交叉弹性。将一年划分为n个时间段，
因此得到一天n个时间段的维护成本/停工损失弹性矩阵如下：
[0046][0047]
式中，λii和λij为自弹性系数和交叉弹性系数；hn为维护成本/停工损失弹性矩阵。
[0048]
准实时维护成本响应关系如下：
[0049][0050]
式中，δd和δm分别为维护成本d和停工损失m的变化量。
[0051]
步骤3：基于所述使用寿命、投资成本、运维成本、停工损失的相互关系构建设备全寿命周期总成本预测模型，通过比较判断矩阵计算所涉及参数的相对权重，输入前期抽取的相关数据，即可获得相应的设备全寿命周期成本，为企业的设备采购、管理提供决策依据。
[0052]
本发明中提到的一种设备全寿命周期成本预测模型的构建系统实质就是上述方法，只不过使用功能模块的方式进行描述，以便在技术拷贝者作为本发明侵权对象时追责，故不再赘述具体的实施方式。
[0053]
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机、可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
[0054]
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0055]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0056]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0057]
将上述方法步骤汇编成程序再存储于硬盘或其他非暂态存储介质就构成了本发明的“一种非暂态可读记录媒体”的实施例；而将该存储介质与计算机处理器电连接，通过数据处理输出并执行实时电价，配置储能电池的充放电功率，则构成本发明的“一种数据处理系统”的实施例。
[0058]
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。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。

技术特征：
1.一种设备全寿命周期成本预测模型的构建方法，其特征在于包括以下步骤：s1.在输入环节设置缓存区，对数据进行抽取，对到达的数据分类、转换、加载；s2.拟合各种类电力设备的使用寿命与投资成本的关系；s3.拟合运维成本与设备故障造成的停工损失间的关系；s4.基于所述使用寿命、投资成本、运维成本、停工损失构建设备全寿命周期总成本预测模型。2.根据权利要求1所述的一种设备全寿命周期成本预测模型的构建方法，其特征在于，所述拟合的方法包括先使用三次指数平滑法对选取的时间序列数据做线性回归，再通过关系型数据库求解不同时间序列间的响应关系。3.根据权利要求2所述的一种设备全寿命周期成本预测模型的构建方法，其特征在于，所述全寿命周期总成本预测模型中须通过比较判断矩阵计算所涉及参数的相对权重。4.根据权利要求3所述的一种设备全寿命周期成本预测模型的构建方法，其特征在于，所述抽取的方法包括:按照三行记录抽取前两行或者抽取第三行的方式获得样本数据。5.一种设备全寿命周期成本预测模型的构建系统，其特征在于，包括下述功能模块：数据模块，在输入环节设置缓存区，对数据进行抽取，对到达的数据分类、转换、加载；模型构建模块，用于拟合各种类电力设备的使用寿命与投资成本的关系；拟合运维成本与设备故障造成的停工损失间的关系；基于所述使用寿命、投资成本、运维成本、停工损失构建设备全寿命周期总成本预测模型。6.根据权利要求5所述的一种设备全寿命周期成本预测模型的构建系统，其特征在于，所述拟合的方法包括先使用三次指数平滑法对选取的时间序列数据做线性回归，再通过关系型数据库求解不同时间序列间的响应关系。7.根据权利要求6所述的一种设备全寿命周期成本预测模型的构建系统，其特征在于，所述全寿命周期总成本预测模型中须通过比较判断矩阵计算所涉及参数的相对权重。8.根据权利要求7所述的一种设备全寿命周期成本预测模型的构建系统，其特征在于，所述抽取的方法包括:按照三行记录抽取前两行或者抽取第三行的方式获得样本数据。9.一种非暂态可读记录媒体，用以存储包含多个指令的一个或多个程序，其特征在于，所述程序包括权利要求1-4中任一项所述的一种设备全寿命周期成本预测模型的构建方法中所包含的步骤。10.一种数据处理系统，包括处理电路及与其电性耦接的存储器，其特征在于，所述存储器配置储存至少一程序，所述程序包含多个指令，所述处理电路运行所述程序，能执行权利要求1-4中任一项所述的一种设备全寿命周期成本预测模型的构建方法中所包含的步骤。

技术总结
本发明属于电力设备管理技术领域，公开了一种设备全寿命周期成本预测模型的构建方法，通过数据预分类、指数平滑处理、权重计算等方式构建成本模型，该成本模型所测算数据与后来实际发生的数据较为吻合，克服了以往成本优化方法中不够准确以及陷入局部最优解的缺点，提升了优化性能。本发明还提供了一种存储有设备全寿命周期成本预测模型的构建程序的一种非暂态可读记录媒体及包含该媒体的系统，通过处理电路可以调用该程序来执行前述方法，适用于电力行业设备综合绩效评估工作中推广应用。电力行业设备综合绩效评估工作中推广应用。电力行业设备综合绩效评估工作中推广应用。


技术研发人员：王巍 朱涛 陈理 李智威 张赵阳 熊川羽 周英博 孙利平 高晓晶 廖晓红 方钊 周蠡 蔡杰 熊一
受保护的技术使用者：国网湖北省电力有限公司
技术研发日：2023.03.27
技术公布日：2023/8/4