CN112446551A - 电网投资测算方法、装置、电子设备及存储介质 - Google Patents
电网投资测算方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN112446551A CN112446551A CN202011445400.5A CN202011445400A CN112446551A CN 112446551 A CN112446551 A CN 112446551A CN 202011445400 A CN202011445400 A CN 202011445400A CN 112446551 A CN112446551 A CN 112446551A
- Authority
- CN
- China
- Prior art keywords
- investment
- index
- calculating
- power grid
- risk
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 94
- 238000004364 calculation method Methods 0.000 claims abstract description 63
- 238000005259 measurement Methods 0.000 claims abstract description 45
- 230000008859 change Effects 0.000 claims abstract description 37
- 230000014759 maintenance of location Effects 0.000 claims description 37
- 230000035945 sensitivity Effects 0.000 claims description 21
- 238000004590 computer program Methods 0.000 claims description 15
- 238000004458 analytical method Methods 0.000 claims description 13
- 238000010206 sensitivity analysis Methods 0.000 claims description 11
- 238000010219 correlation analysis Methods 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 9
- 238000010276 construction Methods 0.000 claims description 2
- 230000000875 corresponding effect Effects 0.000 description 65
- 230000005611 electricity Effects 0.000 description 23
- 238000011002 quantification Methods 0.000 description 12
- XOFYZVNMUHMLCC-ZPOLXVRWSA-N prednisone Chemical compound O=C1C=C[C@]2(C)[C@H]3C(=O)C[C@](C)([C@@](CC4)(O)C(=O)CO)[C@@H]4[C@@H]3CCC2=C1 XOFYZVNMUHMLCC-ZPOLXVRWSA-N 0.000 description 11
- 230000008569 process Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 10
- 238000011161 development Methods 0.000 description 8
- 230000009466 transformation Effects 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- OIGNJSKKLXVSLS-VWUMJDOOSA-N prednisolone Chemical compound O=C1C=C[C@]2(C)[C@H]3[C@@H](O)C[C@](C)([C@@](CC4)(O)C(=O)CO)[C@@H]4[C@@H]3CCC2=C1 OIGNJSKKLXVSLS-VWUMJDOOSA-N 0.000 description 7
- 238000005070 sampling Methods 0.000 description 6
- 230000001133 acceleration Effects 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000000691 measurement method Methods 0.000 description 3
- 238000013139 quantization Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000013077 scoring method Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 238000009795 derivation Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000013213 extrapolation Methods 0.000 description 2
- 230000005251 gamma ray Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000012067 mathematical method Methods 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 238000000513 principal component analysis Methods 0.000 description 2
- FFBHFFJDDLITSX-UHFFFAOYSA-N benzyl N-[2-hydroxy-4-(3-oxomorpholin-4-yl)phenyl]carbamate Chemical compound OC1=C(NC(=O)OCC2=CC=CC=C2)C=CC(=C1)N1CCOCC1=O FFBHFFJDDLITSX-UHFFFAOYSA-N 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000012847 principal component analysis method Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/067—Enterprise or organisation modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明实施例提供一种电网投资测算方法、装置、电子设备及存储介质，方法包括：获取电网对应的测算指标体系以及电网的历史投资数据；根据测算指标体系以及电网的历史投资数据，提取第一投资指标；根据第一投资指标以及所述历史投资数据，建立投资需求测算模型；在投资需求测算模型下，通过第一投资指标对投资需求进行预测，并通过任意设定的投资规模利用需求测算模型计算第一投资指标的变化量；根据第一投资指标的变化量，计算第一投资指标的变化量所对应的不确定风险因素的变化区间；基于不确定风险因素的变化区间，测算电网的投资区间，投资区间包括对应的风险提示。提高了电网投资测算准确率，用户可以根据风险预期选择更准确的投资区间。
Description
技术领域
本发明涉及数据处理领域，尤其涉及一种电网投资测算方法、装置、电子设备及存储介质。
背景技术
随着新一轮电力体制改革的逐步推进，电网投资方式逐渐从外延式增长向内涵式增长转变，部分电网公司有逐步压减电网投资预算、严控电网投资规模的趋势。根据各级电网公司自身发展特点，科学合理地测算电网投资需求，制定精准的电网投资决策是提高电网效益效率的关键。
近年来，国内外学者利用各个领域多种预测模型进行了投资需求预测研究，针对不同地市不同级别的电网投资需求测算模型不尽相同。电网投资需求测算模型的思路一般是借助影响投资的主要因素及投资的历史数据，建立描述主要因素与电网投资的数学模型，并对未来主要因素进行预测，利用建立的描述主要因素与电网投资的数学模型，测算电网投资需求。电网投资需求测算常用的预测方法主要有回归分析预测模型、BP神经网络等方法，已经得到了广泛的应用。投资决策者在决策过程中会根据电网自身的投资能力设定投资范围，结合投资需求制定投资决策。
风险定义为实际值与预测值之间的偏差，风险测算过程主要是对这种偏差造成的不确定性损失及其概率大小进行分析。投资风险是各种行业进行投资决策评价前普遍需要考虑的问题，项目投资风险分析方法主要有盈亏平衡法和敏感性分析法、区间数学法、多场景分析法、模糊数学法、集对分析法、概率统计法等，根据电网投资风险测算的需求可采用不同的研究方法来研究项目的风险性问题。
电力行业结构调整使得电网投资决策面临更多的不确定因素和风险，如价格变动的不确定性，利率和汇率的变化，监管政策的不确定性等等。其中也蕴含着利润，投资者应该根据这些不确定性，例如延迟，超额投资或拒绝投资，调整投资策略。目前，电网风险投资项目可用的决策分析方法主要包括净现值(NPV)方法，实际期权法(ROA)，综合评价法等，具有不同的特点和重点。它们为风险投资决策提供了有效的工具和思路，但也有其局限性。因此，当投资者做出投资决策时，如何恰当地衡量这些不确定性的影响是风险量化过程中主要解决的问题。
对于经济发展风险和电网发展形态风险这类便于量化的风险因素，可以通过收集风险因素的历史实际值和预测值，来确定风险因素偏差大小。考虑到实际制定电网投资决策过程中，电网公司实际的投资能力可能无法满足或者远超出利用投资需求测算模型求得的预测投资值，考虑到投资需求的预测误差，需要根据实际的投资能力设定投资范围，计算不同投资规模下可能承受的风险大小，来进一步指导决策。
现有的电网投资风险量化方法主要是根据影响投资及其效益的不确定风险因素的概率分布来量化投资风险，无法准确量化不同的投资决策下引发的风险大小，进而使得对电网投资的精准率较低。
发明内容
本发明实施例提供一种电网投资测算方法，能够提高电网投资的风险量化准确度，进而提高电网投资的精准率。
第一方面，本发明实施例提供一种电网投资测算方法，包括：
获取电网对应的测算指标体系以及电网的历史投资数据；
根据所述测算指标体系以及电网的历史投资数据，提取第一投资指标；
根据所述第一投资指标以及所述历史投资数据，建立投资需求测算模型；
在所述投资需求测算模型下，通过所述第一投资指标对投资需求进行预测，并通过任意设定的投资规模利用所述需求测算模型计算所述第一投资指标的变化量；
根据所述第一投资指标的变化量，计算所述第一投资指标的变化量所对应的不确定风险因素的变化区间；
基于所述不确定风险因素的变化区间，测算所述电网的投资区间，所述投资区间包括对应的风险提示。
可选的，所述电网对应的测算指标体系包括投资指标，所述投资指标数量大于或等于所述第一投资指标的数量，所述第一投资指标包括至少一个投资指标，所述所述根据所述测算指标体系以及电网的历史投资数据，提取第一投资指标的步骤具体包括：
通过相关性分析法，计算测算指标体系中每个投资指标与历史投资数据之间的第一相关性系数；
将绝对值大于相关性阈值的第一相关性系数所对应的投资指标加入第一保留指标组；
基于所述第一保留指标组，确定所述第一投资指标。
可选的，所述第一保留指标组包括第二投资指标，所述第二投资指标数量大于或等于所述第一投资指标的数量，所述第二投资指标数量小于或等于所述投资指标，所述第一投资指标包括至少一个第二投资指标，所述第二投资指标包括至少一个投资指标，所述基于所述第一保留指标组，确定所述第一投资指标的步骤具体包括：
通过贡献度分析法，计算所述保留指标组中各项第二投资指标对所述历史投资数据的贡献度；以及
计算所述保留指标组中每两个第二投资指标之间的第二相关性系数；
基于所述第二相关性系数与所述贡献度，确定所述第一投资指标。
可选的，所述在所述投资需求测算模型下，通过所述第一投资指标对投资需求进行预测，并通过任意设定的投资规模利用所述需求测算模型计算所述第一投资指标的变化量的步骤具体包括：
通过敏感性分析法，计算各个第一投资指标对投资需求预测值的敏感性系数；
根据所述敏感性系数，计算得到第一投资指标的变化量。
可选的，所述根据所述第一投资指标的变化量，计算所述第一投资指标的变化量所对应的不确定风险因素的变化区间的步骤具体包括：
判断所述第一投资指标的风险因素类别，所述风险类别包括间接不确定风险因素以及直接不确定风险因素；
若所述第一投资指标的风险因素类别为所述间接不确定风险因素，则通过控制变量法，计算不确定风险因素的变化量；
若所述第一投资指标的风险因素类别为所述直接不确定风险因素，则根据所述第一投资指标的变化量，直接计算不确定风险因素的变化量；
根据所述不确定风险因素的变化量，确定所述不确定风险因素的变化区间。
可选的，所述基于所述不确定风险因素的变化区间，测算所述电网的投资区间的步骤具体包括：
按预设的离散步长，对所述不确定风险因素的变化区间进行离散化操作，得到风险离散序列；
根据所述风险离散序列，计算得到风险概率序列；
基于所述风险概率序列，测算所述电网的投资区间。
可选的，所述基于所述风险概率序列，测算所述电网的投资区间的步骤具体包括：
根据所述风险概率序列，计算风险期望值；
根据所述风险期望值，确定对应的风险等级区间；
获取投资测算区间；
根据所述投资测算区间以及所述风险等级区间，确定所述电网的投资区间。
第二方面，本发明实施例还提供一种电网投资测算装置，所述装置包括：
获取模块，用于获取电网对应的测算指标体系以及电网的历史投资数据；
提取模块，用于根据所述测算指标体系以及电网的历史投资数据，提取第一投资指标；
构建模块，用于根据所述第一投资指标以及所述历史投资数据，建立投资需求测算模型；
第一计算模块，用于在所述投资需求测算模型下，通过所述第一投资指标对投资需求进行预测，并通过任意设定的投资规模利用所述需求测算模型计算所述第一投资指标的变化量；
第二计算模块，用于根据所述第一投资指标的变化量，计算所述第一投资指标的变化量所对应的不确定风险因素的变化区间；
测算模块，用于基于所述不确定风险因素的变化区间，测算所述电网的投资区间。
第三方面，本发明实施例提供一种电子设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现本发明实施例提供的电网投资测算方法中的步骤。
第四方面，本发明实施例提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现发明实施例提供的电网投资测算方法中的步骤。
本发明实施例中，获取电网对应的测算指标体系以及电网的历史投资数据；根据所述测算指标体系以及电网的历史投资数据，提取第一投资指标；根据所述第一投资指标以及所述历史投资数据，建立投资需求测算模型；在所述投资需求测算模型下，通过所述第一投资指标对投资需求进行预测，并通过任意设定的投资规模利用所述需求测算模型计算所述第一投资指标的变化量；根据所述第一投资指标的变化量，计算所述第一投资指标的变化量所对应的不确定风险因素的变化区间；基于所述不确定风险因素的变化区间，测算所述电网的投资区间，所述投资区间包括对应的风险提示。通过投资指标的变化量得到风险不确定因素的变化区间，从而根据不确定因素的偏差，进一步量化风险，提高了风险量化的准确度，从而提高了电网投资测算准确率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种电网投资测算方法的流程图；
图2是本发明实施例提供的一种第一投资指标提取方法的流程图；
图3是本发明实施例提供的另一种第一投资指标提取方法的流程图；
图4是本发明实施例提供的一种电网投资测算装置的结构图；
图5是本发明实施例提供的一种提取模块的结构图；
图6是本发明实施例提供的一种第一确定子模块的结构图；
图7是本发明实施例提供的一种第一计算模块的结构图；
图8是本发明实施例提供的一种第二计算模块的结构图；
图9是本发明实施例提供的一种测算模块的结构图；
图10是本发明实施例提供的一种测算子模块的结构图；
图11是本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
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清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性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。
请参见图1，图1是本发明实施例提供的一种电网投资测算方法的流程图，如图1所示，包括以下步骤：
S1、获取电网对应的测算指标体系以及电网的历史投资数据。
在本发明实施例中，上述测算指标体系可以是能够反映电网的运行和发展特点的指标的集合。
不同电网条件所对应的测算指标体系不同，为了满足省、市、县电网由于规模、技术、设备等方面的差异对电网投资预测工作提出不同的要求，精细化电网投资需求测算结果，建立的省、市、县各级电网的指标体系不同。比如，省级电网的指标体系内可以包括人均用电量、220kV及以上人均变电容量、超高压线路加权平均长度、220kV容载比、区外来电占比、220kV智能变电站占比、综合线损率、单位电网投资增供负荷、供电可靠率等指标；市级电网指标体系中可以包括人均用电量、110kV线路加权平均长度、户均配变容量、110kV容载比、10kV线路互联率、110kV智能变电站占比、综合线损率、单位电网投资增供负荷、供电可靠率等指标；县级电网指标体系中可以包括人均用电量、10kV供电半径、户均配变容量、10kV等效平均负荷、10kV线路互联率、配电自动化覆盖率、综合线损率、单位电网投资增供负荷、供电可靠率等指标。因此，对于不同的电网，可以获取对应的测算指标体系。可以理解的是，测算指标体系可以与电网指标体系相同，也可以是电网指标体系的子指标体系，比如，将通过电网指标体系整理得到的子指标体系作为测算指标体系。
上述电网的历史投资数据可以是预设年份的历史投资数据，上述的历史投资数据包括历史投资需求(也称历史投资额或历史投资规模)以及各个指标对应的历史指标数据。
S2、根据测算指标体系以及电网的历史投资数据，提取第一投资指标。
在本发明实施例中，可以通过相关性分析法及主成分分析法，从电网的历史投资数据中，在测算指标体系中提取出第一投资指标。上述的第一投资指标可以理解为影响电网投资的关键指标，关键指标指的是在电网指标体系中与投资需求关联密切。
其中，上述的第一投资指标可以是一个或多个。
S3、根据第一投资指标以及所述历史投资数据，建立投资需求测算模型。
在本发明实施例中，上述的投资需求测算模型用于电网的投资需求测算，也可以称为预测电网的投资需求。上述电网投资需求测算的含义是建立各个指标与电网投资之间的量化关系，用以输入对应的关键指标值(第一投资指标)，通过投资需求测算模型对电网投资需求(电网投资额)进行求解。
上述的投资需求测算模型可以针对不同量级、不同区域的电网采用多元拟合、神经网络等不同方法测算投资需求。
S4、在投资需求测算模型下，通过第一投资指标对投资需求进行预测，并通过任意设定的投资规模利用需求测算模型计算第一投资指标的变化量。
在本发明实例中，可以在投资需求测算模型下，通过第一投资指标对投资需求进行预测，并通过预测的所得投资需求预测值计算第一投资指标的变化量。
上述任意设定的投资规模可以是用户人为进行设定的，比如可以设定为50万元、5万元、1万元等。在一些可能的实施例中，比如在需要大量的投资规模样本时，上述任意设定的投资规模则可以是通过随机数生成来设定投资规模，或者按一定生成规律大量生成的投资规模样本。
在本发明实施例中，可以通过将第一投资指标所对应的指标值输入到投资需求测算模型，由投资需求测算模型预测得到投资需求预测值。
可以通过预测算法，计算第一投资指标的预测值，从而实现对未来电网投资规模的精准测算，比如实现对年度电网投资规模的精准测算，可以预测年度的第一投资指标的预测值，从而实现对年度电网投资规模的精准测算。上述第一投资指标的预测值可以通过趋势外推、启发式算法等方法进行预测。将第一投资指标的预测值代入投资需求测算模型可求解得到投资需求预测值。
通过将第一投资指标在预设空间中进行变动，可以得到第一投资指标在变动的情况下对投资需求测算模型的输出影响，即得到投资需求预测值的变化量，通过投资需求预测值的变化量，反推不同投资规模下的第一投资指标的变量化。
S5、根据第一投资指标的变化量，计算第一投资指标的变化量所对应的不确定风险因素的变化区间。
在本发明实施例中，上述的不确定风险因素可以是电网对应的测算指标体系中的指标，以省级电网的指标体系为例，当人均用电量为第一投资指标时，则不确定风险因素可以是电网对应的测算指标体系中其他的指标，比如不确定风险因素可以是220kV及以上人均变电容量、超高压线路加权平均长度、220kV容载比、区外来电占比、220kV智能变电站占比、综合线损率、单位电网投资增供负荷、供电可靠率等。上述的不确定风险因素还可以是第一投资指标本身，比如，当第一投资指标为供电可靠率、综合线损率等指标时，则可以直接作为不确定风险因素。
可以建立第一投资指标与不确定风险因素之间的影响函数，使用控制变化法，控制第一投资指标的变量，来求解不同变量下第一投资指标对应的不确定风险因素的变化量。
在得到不确定风险因素的变化量后，获取不确定风险因素的最大变化量以及最小变化量，从而可以得到不确定风险因素的变化区间。
S6、基于不确定风险因素的变化区间，测算电网的投资区间。
在本发明实施例中，可以将不确定风险因素的变化区间映射到投资需求区间，进而得到电网的投资区间。需要说明的是，上述的投资需求也可以称为投资额或投资规模。
上述投资区间包括对应的风险提示，上述风险提示中可以包括与各个投资区间对应的风险等级。
进一步的，可以将不确定风险因素的变化区间量化为预设数量的风险等级，将各个风险等级映射到投资需求区间，进而得到电网的投资区间。
在本发明实施例中，获取电网对应的测算指标体系以及电网的历史投资数据；根据所述测算指标体系以及电网的历史投资数据，提取第一投资指标；根据所述第一投资指标以及所述历史投资数据，建立投资需求测算模型；在所述投资需求测算模型下，通过所述第一投资指标对投资需求进行预测，并通过任意设定的投资规模利用所述需求测算模型计算所述第一投资指标的变化量；根据所述第一投资指标的变化量，计算所述第一投资指标的变化量所对应的不确定风险因素的变化区间；基于所述不确定风险因素的变化区间，测算所述电网的投资区间，所述投资区间包括对应的风险提示。通过投资指标的变化量得到风险不确定因素的变化区间，从而根据不确定因素的偏差，进一步量化风险，提高了风险量化的准确度，从而提高了电网投资测算准确率。用户可以根据自身投资需求以及对应的风险预期选择更准确的投资区间。
可选的，在本发明实施例中，电网对应的测算指标体系包括投资指标，投资指标数量大于或等于第一投资指标的数量，第一投资指标包括至少一个投资指标。上述的投资指标是基于各个电网的指标体系所确定的，比如省级电网的指标体系中的投资指标可以是人均用电量、220kV及以上人均变电容量、超高压线路加权平均长度、220kV容载比、区外来电占比、220kV智能变电站占比、综合线损率、单位电网投资增供负荷、供电可靠率等指标；市级电网指标体系中的投资指标可以是人均用电量、110kV线路加权平均长度、户均配变容量、110kV容载比、10kV线路互联率、110kV智能变电站占比、综合线损率、单位电网投资增供负荷、供电可靠率等指标；县级电网指标体系中的投资指标可以是人均用电量、10kV供电半径、户均配变容量、10kV等效平均负荷、10kV线路互联率、配电自动化覆盖率、综合线损率、单位电网投资增供负荷、供电可靠率等指标。可以理解的是，在电网的指标体系中并不是所有的指标都与投资关联密切，因此，可以提取与投资关联密切的指标作为第一投资指标。
具体的，如图2所示，图2为本发明实施例提供的一种第一投资指标提取方法的流程图，上述步骤S2可以包括：
S21、通过相关性分析法，计算测算指标体系中每个投资指标与历史投资数据之间的第一相关性系数。
在本发明实施例中，上述的历史投资数据可以包括历史投资需求以及各个投资指标对应的历史指标数据。利用相关性分析法计算每个投资指标i(i＝1,…,n)与历史投资需求间的第一相关性系数ri，其中n为电网的指标体系中投资指标的总个数。可选的，可以利用SPSS软件计算相关性系数。
S22、将绝对值大于相关性阈值的第一相关性系数所对应的投资指标加入第一保留指标组。
在本发明实施例中，上述第一相关性系数可以是正数或负数，第一相关性系数的绝对值越大，则说明第一投资指标与对应历史投资需求之间的关系越密切，对于历史投资需求的影响越大，当第一相关性系数为正数时，则说明为正向影响，当第一相关性系数为负数时，则说明为反向影响。
可选的，可以将第一相关性系数ri的绝对值|ri|大于相关性阈值W1的投资指标归入第一保留指标组。在本发明实施例中，相关性阈值W1可以取0.5，由投资指标数据作为样本以及历史投资需求数据作为样本计算得到的样本相关系数记作r，当|r|≥0.8时，视为两组样本数据高度相关；0.5≤|r|<0.8时，视为中度相关；0.3≤|r|<0.5时，视为低度相关；|r|<0.3时，视为不相关。可以将与历史投资需求高度相关或中度相关的投资指标归入第一保留指标组。
S23、基于第一保留指标组，确定第一投资指标。
在本发明实施例中，可以将上述第一保留指标组中的投资指标作为第一投资指标，也可以在第一保留指标组中继续提取与投资需求更密切的投资指标作为第一投资指标。
可选的，第一保留指标组包括第二投资指标，第二投资指标数量大于或等于第一投资指标的数量，第二投资指标数量小于或等于投资指标，第一投资指标包括至少一个第二投资指标，第二投资指标包括至少一个投资指标。上述的第二投资指标。需要说明的是，上述投资指标、第一投资指标、第二投资指标旨在区别于各个处理流程，而并非时序或数量上的限定。
如图3所示，图3为本发明实施例提供的另一种第一投资指标提取方法的流程图，在第一保留指标组中继续提取与投资需求更密切的投资指标作为第一投资指标时，上述步骤S23可以包括：
S231、通过贡献度分析法，计算保留指标组中各项第二投资指标对历史投资数据的贡献度。
在本发明实施例中，上述贡献度分析法可以是灰色关联度分析或主成分分析等方法，通过贡献度分析法，计算得到的各项第二投资指标对投资需求的贡献度，该贡献度用于定量描述各项第二投资指标对投资需求的贡献程度，作为从第二投资指标中提取第一投资指标的依据或依据之一。
S232、计算第一保留指标组中每两个第二投资指标之间的第二相关性系数。
在本发明实施例中，可以通过上述的相关性分析法计算第一保留指标组中每两个第二投资指标之间的第二相关性系数。比如，通过相关性分析法计算指标i与指标j间的第二相关性系数rij，用以描述两个指标之间的关联程度，其中i,j＝1，…，m，且i≠j，m为保留指标组内指标的个数。
S233、基于第二相关性系数与所述贡献度，确定第一投资指标。
在本发明实施例中，对于第二相关性系数rij的绝对值|rij|大于预设相关性阈值W2的每对指标，将其中对投资需求贡献度小的指标，从第一保留指标组中剔除，将剩下第二投资指标中保留在第二保留指标组，可以将第二保留指标组中的第二投资指标作为第一投资指标。其中，上述相关性阈值W2可以取值大于0.8，比如可以取0.85。
通过第二相关性系数以及贡献度，可以剔除两个相关性程度较高的投资指标中对投资需求贡献度小的指标。这样，可以减少第一投资指标的数量，降低计算量。
可选的，还可以对第二保留指标组进行评价和修正。对于剔除部分第二投资指标后得到的第二保留指标组，对于剔除部分第二投资指标前的第一保留指标组，可以对其合理性、显著性进行评价，以确保剔除部分第二投资指标后得到的第二保留指标组的合理性，比如利用专家打分法或主成分分析等方法计算得到描述其合理性的合理性指标，当合理性指标大于设定的合理性阈值时，表示剔除部分第二投资指标后得到的第二保留指标组是合理的；否则，需要对第二保留指标组进行修正，即在被剔除的第二投资指标中选择对投资贡献度最大的第二投资指标增加至第二保留指标组，并在此进行合理性检验直至通过。
可选的，在步骤S4中，可以通过敏感性分析法，计算各个第一投资指标对投资需求预测值的敏感性系数；根据敏感性系数，计算得到第一投资指标的变化量。
应当理解的是，当实际的投资能力无法满足正向求得的投资需求预测值时，需要根据实际的投资能力设定投资范围，来计算在不同投资规模下可能承受风险大小。而多数风险并不是直接造成投资影响，而是通过可以造成直接影响的第一投资指标来影响投资需求的，因此，上述风险也称为不确定风险因素。
敏感性分析是对于投资需求测算模型I＝r(F1,F2,…,Fn)，令各个第一投资指标作为参数在其设置空间内变动，研究这些参数的变动对模型输出值的影响程度，即该参数的敏感性系数，也即第一投资指标的敏感性系数。在上述的投资需求测算模型中，Fi为模型的第i个第一投资指标；I表示投资需求；r表示第一投资指标与电网投资需求之间的函数量化关系。利用敏感性分析方法可以确定各个第一投资指标对投资的影响程度，利用计算得到的敏感性系数还可以根据投资需求的变化值计算第一投资指标变化的极限值。
可选的，敏感性分析法可以是扰动法、微分比分析法等局部敏感性分析方法，也可以是傅里叶幅度灵敏度检验法、Sobol指数法等全局敏感性分析方法。
在本发明实施例中，可以对第一投资指标设置变动空间，通过第一投资指标的变动空间计算求解对应的敏感性系数。需要说明的是，不同的变动区间下对应的敏感性系数不同。具体的，可以根据上述第一投资指标的预测值来设置变动空间，假设第一投资指标的预测值为Ib，则关键指标的变动区间可设置为[(1-a)Ib,(1+a)Ib]，其中，a为相对变化百分比，相对变化百分比a的取值范围可以在0.1％～20％之间。在本发明实施例中，可以将上述变动区间对应求得的敏感性系数作为常数。其中，上述第一投资指标的预测值可以是通过趋势外推、启发式算法等方法对第一投资指标进行预测来得到。
在本发明实施例中，若通过求得的敏感性系数计算得到的第一投资指标超出了上述变动区间范围，需要重新设置第一投资指标的变动区间求解敏感性系数，直至计算结果落入对应的变动区间。上述重新设定变动区间的方法可以是将原有的相对的变化百分比a增大或者将原有区间平移。
进一步的，在本发明实施例中，上述敏感性系数可以用投资总额变化量和第一投资指标的变化量的比值进行表示，具体如下述式子(1)所示：
式中，Ei表示由投资总额I对于第i个关键指标Fi的敏感性系数，ΔI表示实际的投资总额相对于投资需求总额的变化量，ΔFi表示第i个第一投资指标的变化量，Ic表示调整后的投资总额，Ib表示投资需求总额，Fi.c表示在投资总额变化的影响下第i个第一投资指标的逆向解析值，Fi.b表示第i个第一投资指标的基值，即第一投资指标的预测值。在给定不同的投资规模作为变量参数的情况下，利用式子(1)可以计算各个第一投资指标对应其预测值的变化量ΔFi。可以根据敏感性系数，计算任意给定的投资需求下，第一投资指标指标的变化量ΔFi。
可选的，在实际测算过程中，可以根据电网公司实际的投资能力设定所需计算的不同投资需求的范围及抽样。比如，假设电网投资能力的测算值为Nb，则设置的投资需求范围为[(1-b)Nb,(1+c)Nb]，其中第一相对变化百分比b的取值范围可以在0.1％～20％之间，第二相对变化百分比c的取值范围在0.1％～10％之间。投资决策者可在设置的投资需求范围内的任意值来测算其对应的风险，实际测算过程中投资需求范围可以调整为上述范围的子集[N1,N2]，其中(1-b)Nb≤N1<N2≤(1+c)Nb。
在确定投资需求范围[N1,N2]后，可以在投资需求范围[N1,N2]内抽样，作为计算所需的不同的投资规模。上述的抽样可以采用均匀抽样的方法，仅需设置抽样个数d，但是为了精细测算不同的投资的风险，抽样个数不宜过小，可以设置分辨率e来衡量，(N2-N1)/(d-1)<e，即d>1+(N2-N1)/e，其中分辨率e根据各级电网的投资规模由投资者设定，比如省级可设定为50万元，市级可设定为5万元，县级可设定为1万元。
可选的，判断上述第一投资指标的风险因素类别，上述风险类别包括间接不确定风险因素以及直接不确定风险因素；若上述第一投资指标的风险因素类别为上述间接不确定风险因素，则通过控制变量法，计算不确定风险因素的变化量；若上述第一投资指标的风险因素类别为上述直接不确定风险因素，则根据上述第一投资指标的变化量，直接计算不确定风险因素的变化量；根据上述不确定风险因素的变化量，确定上述不确定风险因素的变化区间。
具体的，上述步骤S5中，可以将不同投资规模下各个第一投资指标的变化量按不确定风险因素进行分类。比如，可以将第一投资指标分为受不确定风险因素影响较大的指标、受不确定风险因素影响较小的指标、可直接作为不确定风险因素的指标等三类。上述的分类可以采用专家打分法进行确定，也可以采用聚类方法进行确定。上述受不确定风险因素影响较大的指标，比如可以是人均用电量、户均配变容量等指标，上述受不确定风险因素影响较小的指标，比如可以是线路互联率、智能变电站占比等指标，上述可直接作为不确定风险因素的指标，比如可以是供电可靠率、综合线损率等指标。
在本发明实施例中，对于受不确定风险因素影响较小的第一投资指标的变化量对应的不确定风险因素的变化量较小，可以将其忽略，或者与受不确定风险因素影响较大的第一投资指标进行相同的处理；对于可直接作为不确定风险因素的第一投资指标，其变化量可直接用于不确定风险因素对应变化量的计算。对于受不确定风险因素影响较大的第一投资指标，可以使用第一投资指标与不确定风险因素之间的关系，第一投资指标与不确定风险因素之间的关系可以通过影响函数来描述，进而可以通过控制变量法来求解第一投资指标所对应的不确定风险因素的变化量。
具体的，上述反映某一关键指标与影响其的若干不确定因素的影响函数可表述为F＝s(z1,z2,…,zt)，其中F表示某关键指标；zi表示影响F的第i个不确定因素，i＝1,…,t；t表示影响F的不确定因素的总个数；s表示反映第一投资指标F与影响其的t个不确定因素z的影响函数关系。
上述第一投资指标的变化量可以表示为ΔF＝s(z1+Δz1,z2+Δz2,…,zt+Δzt)-s(z1,z2,…,zt)，其中Δzi表示第i个不确定因素zi由于第一投资指标的变化量ΔF的影响对应的变化量，即不确定风险因素的变化量，其对应的经济学含义为未来不确定因素与其预测值的偏差。由于第一投资指标可能受多个风险因素的影响，根据第一投资指标的变化量ΔF求解多个不确定风险因素z的变化量，可以利用控制变量法。控制变量法的思路是，在求解第i个不确定风险因素的变化量Δzi时，上式中的其他不确定风险因素的变化量设定为零或者设定为不确定风险因素当年值与前一年的值的偏差或者设定为若干年偏差的平均值。则可根据第一投资指标的变化量ΔF及上式ΔF＝s(z1+Δz1,z2+Δz2,…,zt+Δzt)-s(z1,z2,…,zt)，计算得到各个不确定风险因素的变化量Δzi。
上述反映第一投资指标F与影响其的t个不确定因素z的影响函数关系s，可以是在保证充分反映不确定因素影响第一投资指标的客观规律和便于定量计算的前提下，经专家讨论与经验判断并量化得到的。
在本发明实施例中，当第一投资指标为受不确定风险因素影响较大的指标时，比如以人均用电量作为第一投资指标，人均用电量作为反映人均全社会用电量的指标，可以在一定程度上反映出地区经济发展水平和人民生活水平，其定义为全社会用电量与总人口的比值。受到社会发展、经济发展中不确定影响较大，其中GDP增速、人口增长率和人均可支配收入的波动给人均用电量带来的影响较大，故而将上述三个变量作为影响人均用电量的不确定风险因素。若某省提取出人均用电量作为其投资需求测算模型的第一投资指标，在计算得到的不同投资规模下人均用电量的变化量后，可以利用控制变量法结合其影响函数，计算对应的三个不确定风险因素的变化量。表达的式子如下：
其中，Δf表示人均用电量的变化量；E与ΔE分别表示全社会用电量及其变化量；P与ΔP分别表示总人口及其变化量。式子虽未直接显含三个不确定风险因素，但GDP增速和人均可支配收入与全社会用电量直接相关，人口增长率与总人口的变化量直接相关。
为求解三个不确定因素的变化量，首先求解两个中间变量的变化量ΔE与ΔP。
在求解ΔE时，可认为较小ΔP则P≈P+ΔP，则式子(2)化为：
其中，Δf作为第一投资指标的变化量，可以计算得到，为已知；P为当年的总人口；对于ΔP，由于其也为待求量，采用控制变量法，可取ΔP为当年人口的变化量，即为当年的总人口减去前一年的总人口。
在求解ΔP时，可直接利用式子(2)求解，利用控制变量法，其中ΔE的取值可取0或当年全社会用电量的变化量或去近几年全社会用电量的变化量的平均值，甚至可求取为利用式(3)求得的ΔE。
进一步的，由于式(2)不显含各个不确定因素，在求得两个中间变量的变化量ΔE与ΔP后，可以利用中间变量与各个不确定风险因素的对应关系求各个不确定因素的变化量。
比如，GDP增速和人均可支配收入与全社会用电量直接相关，GDP增速的变化量ΔG和人均可支配收入的变化量ΔS与全社会用电量的变化量ΔE之间的关系可以通过下式进行表述：
ΔE＝ΔE(ΔG)+ΔE(ΔS)(4)
其中，ΔE(ΔG)表示由于GDP增速的变化ΔG引起的全社会用电量的变化量；ΔE(ΔS)表示由于人均可支配收入的变化ΔS引起的全社会用电量的变化量。具体的，上述ΔE(ΔG)可以通过下式进行表述：
ΔE(ΔG)＝AG·ΔG·E(5)
上述ΔE(ΔS)可以通过下式进行表述：
ΔE(ΔS)＝AS·ΔS·E/S(6)
其中，AG为当年电力消费弹性系数；E为当年的全社会用电量；AS为人均可支配收入对全社会用电量的弹性系数；S为当年人均可支配收入。根据式子(4)和式子(5)，利用控制变量法求取ΔG时，取ΔS为0或为当年的变化量；求取ΔS时同理，在此不再赘述。
在本发明实施例中，当第一投资指标为可直接作为不确定风险因素的指标时，比如以人均用电量作为第一投资指标，可以通过第一投资指标，直接得到不确定风险因素的变化量。
可选的，在步骤S6中，可以利用风险量化方法，计算不同投资规模下对应的风险等级，进而根据投资者可接受的风险程度，确定投资可接受区间。
上述风险量化方法可以采用现有的任何一种风险量化方法。在本发明实施例中，提供一种基于序列运算理论的电网多重风险变量综合运算方法，具体的，可以按预设的离散步长，对不确定风险因素的变化区间进行离散化操作，得到风险离散序列；根据风险离散序列，计算得到风险概率序列；基于风险概率序列，测算电网的投资区间。
上述按预设的离散步长，对不确定风险因素的变化区间进行离散化操作，可以是将求得的不确定风险因素的变化量Δz作为其最大偏差量对不确定风险因素进行简化，其简化后的风险区间为[l1,l2]，考虑到Δz可正可负，l1＝min{z,z+Δz}，l2＝max{z,z+Δz}。再根据序列运算理论，需要将区间[l1,l2]进行离散化。由于序列是定义在非负整数点上，因此为将风险值转化为概率性序列，首先以Δh为步长对风险值进行离散化。通过离散化过程中选取不同的离散步长Δh，可以满足不同的计算速度要求与精确度要求。设Nk为第k类风险离散化的数值个数，则通过下述式子进行离散化：
Nk＝[b/Δh](7)
其中，运算符号[]表示取不超过符号内运算结果的最大整数。则此类风险共有Nk+1个状态，其中第k个状态的风险值如下述式子所示：
Rk＝k*Δh,0≤k≤Nk(8)
其中，上述Rk为风险离散序列中第k个状态的风险值。
上述根据风险离散序列，计算得到风险概率序列，具体可以是设风险离散化后对应的概率性序列为Pk，k＝0,1,...,Nk，则Pk的具体取值如下述式子所示：
其中，对于不包含在评价指标区间[a，b]内的离散序号，其概率为零，即Pk＝0；对于包含在在内的，对其权重进行区段离散化，即Pk＝1/N，N是落在风险区间[l1,l2]上的总的离散点的个数。
上述基于风险概率序列，测算电网的投资区间，具体可以是根据风险概率序列，计算风险期望值；根据风险期望值，确定对应的风险等级区间；获取投资测算区间；根据投资测算区间以及风险等级区间，确定电网的投资区间。
更具体的，可以将各个风险的风险概率序列卷和运算，得到用于描述多重风险的概率序列。可以根据序列运算理论，对计算得到的每个风险区间形成概率性序列，运用序列运算理论中关于概率序列的派生运算法则，通过派生运算形式，得到最终用于描述多重风险的概率序列。描述该系统多重风险的序列应当为各个风险的概率序列卷和结果，如下述式子所示：
需要指出的是，本文用P(k)表示经过各类风险之间的计算后所得到的多重风险的分布，而用P1(k)表示当前个不确定风险因素的分布。由此得到了用概率性序列描述的多重风险综合运算表达式。可见，从不确定性分析的角度，考虑时间特性的多重风险不再只是定值，而是一系列的具有分布概率的数值。
根据多重风险的概率序列，计算多重风险的期望值并求得风险等级。具体可以通过多重风险的概率序列求取其期望值来得到多重风险的期望值RQ：
式中，
根据期望值落入不同的区间确定为不同的风险等级，可利用专家打分法或者根据经验设定上述区间。
在本发明实施例中，根据投资者可接受的风险程度，确定投资可接受区间(也称电网的投资区间)。具体的，可使用计算得到测算区间[N1,N2]内不同投资规模下对应的风险等级，根据投资者可接受的最大风险等值q，求取对应的投资可接受区间。由于一般N2小于投资需求测算值，设测算区间的边界N1、N2量化得到的风险等级分别为q1、q2，则显然有q1大于等于q2。若q1小于等于投资者可接受的最大风险等值q，则投资可接受区间即为[N1,N2]。上述情景在q1、q2的取值较小或q的取值较大时容易实现，一般情况下即q1大于q时，需要求取的投资可接受区间的下界NQ应满足，NQ对应的风险量化等级为q，NQ-e对应的风险量化等级为q+1，则对于的投资可接受区间为[NQ,N2]。经过风险量化得到各个投资需求下对应风险等级量化结果之间的关系可以如表1所示：
| 投资需求 | 风险量化等级 |
| N<sub>2</sub> | q<sub>2</sub> |
| … | … |
| N<sub>Q</sub> | q |
| N<sub>Q</sub>-e | q+1 |
| … | … |
| N<sub>1</sub> | q<sub>1</sub> |
表1量化后各个风险等级详细描述可以如表2所示：
| 等级 | 标识 | 详细描述 |
| 1 | 极低 | 风险极低，导致系统受到较小影响 |
| 2 | 低 | 风险低，导致系统受到一般影响 |
| 3 | 中等 | 风险中等，导致系统受到较重影响 |
| 4 | 高 | 风险高，导致系统受到严重影响 |
| 5 | 较高 | 风险极高，导致系统受到非常严重的影响 |
表2
通过上述表1和表2，对风险进行量化，得到对应的风险等级，比如，投资者可接受的最大风险等级为q(q＝1,2,3,4)，若q1小于等于q，则投资可接受区间为[N1,N2]；若q1大于q，则投资可接受区间为[NQ,N2]。
投资需求NQ对应的不确定风险因素的变化区间即为风险可接受区间，若使得投资风险控制在可接受范围内，可以进一步采取的风险调控措施应使得风险不确定因素控制在风险可接受区间范围内，将投资总额控制在投资可接受区间之内。
本发明实施例中，采用的投资关键指标选取方法采用的剔除方法使得模型更加简洁，采用专家评价合理性检验的方法使得选取的指标更加科学合理；借助关键指标-投资需求测算模型与关键指标与不确定风险因素的影响函数，求解设定测算区间内不同投资规模的风险等级，根据投资者可接受的风险等级更加准确地确定投资及风险的可接受区间，为进一步决策和制定风险防控策略具有指导意义。
需要说明的是，本发明实施例提供的电网投资测算方法可以应用于可以进行电网投资测算的手机、监控器、计算机、服务器等设备。
请参见图4，图4是本发明实施例提供的一种电网投资测算装置的结构示意图，如图4所示，所述装置包括：
获取模块401，用于获取电网对应的测算指标体系以及电网的历史投资数据；
提取模块402，用于根据所述测算指标体系以及电网的历史投资数据，提取第一投资指标；
构建模块403，用于根据所述第一投资指标以及所述历史投资数据，建立投资需求测算模型；
第一计算模块404，用于在所述投资需求测算模型下，通过所述第一投资指标对投资需求进行预测，并通过任意设定的投资规模利用所述需求测算模型计算所述第一投资指标的变化量；
第二计算模块405，用于根据所述第一投资指标的变化量，计算所述第一投资指标的变化量所对应的不确定风险因素的变化区间；
测算模块406，用于基于所述不确定风险因素的变化区间，测算所述电网的投资区间，所述投资区间包括对应的风险提示。
可选的，如图5所示，所述电网对应的测算指标体系包括投资指标，所述投资指标数量大于或等于所述第一投资指标的数量，所述第一投资指标包括至少一个投资指标，所述提取模块402具体包括：
第一计算子模块4021，用于通过相关性分析法，计算测算指标体系中每个投资指标与历史投资数据之间的第一相关性系数；
筛选子模块4022，用于将绝对值大于相关性阈值的第一相关性系数所对应的投资指标加入第一保留指标组；
第一确定子模块4023，用于基于所述第一保留指标组，确定所述第一投资指标。
可选的，如图6所示，所述第一保留指标组包括第二投资指标，所述第二投资指标数量大于或等于所述第一投资指标的数量，所述第二投资指标数量小于或等于所述投资指标，所述第一投资指标包括至少一个第二投资指标，所述第二投资指标包括至少一个投资指标，所述第一确定子模块4023具体包括：
第一计算单元40231，用于通过贡献度分析法，计算所述保留指标组中各项第二投资指标对所述历史投资数据的贡献度；以及
第二计算单元40232，用于计算所述保留指标组中每两个第二投资指标之间的第二相关性系数；
确定单元40233，用于基于所述第二相关性系数与所述贡献度，确定所述第一投资指标。
可选的，如图7所示，所述第一计算模块404具体包括：
第二计算子模块4041，用于通过敏感性分析法，计算各个第一投资指标对投资需求预测值的敏感性系数；
第三计算子模块4042，用于根据所述敏感性系数，计算得到第一投资指标的变化量。
可选的，如图8所示，所述第二计算模块405具体包括：
判断子模块4051，用于判断所述第一投资指标的风险因素类别，所述风险类别包括间接不确定风险因素以及直接不确定风险因素；
第四计算子模块4052，用于若所述第一投资指标的风险因素类别为所述间接不确定风险因素，则通过控制变量法，计算不确定风险因素的变化量；
第五计算子模块4053，用于若所述第一投资指标的风险因素类别为所述直接不确定风险因素，则根据所述第一投资指标的变化量，直接计算不确定风险因素的变化量；
第二确定子模块4054，用于根据所述不确定风险因素的变化量，确定所述不确定风险因素的变化区间。
可选的，如图9所示，所述测算模块406具体包括：
离散化子模块4061，用于按预设的离散步长，对所述不确定风险因素的变化区间进行离散化操作，得到风险离散序列；
第六计算子模块4062，用于根据所述风险离散序列，计算得到风险概率序列；
测算子模块4063，用于基于所述风险概率序列，测算所述电网的投资区间。
可选的，如图10的所示，所述测算子模块4063具体包括：
期望值计算单元40631，用于根据所述风险概率序列，计算风险期望值；
风险等级确定单元40632，用于根据所述风险期望值，确定对应的风险等级区间；
测算区间获取单元40633，用于获取投资测算区间；
投资区间确定单元40634，用于根据所述投资测算区间以及所述风险等级区间，确定所述电网的投资区间。
需要说明的是，本发明实施例提供的电网投资测算装置可以应用于可以进行电网投资测算的手机、监控器、计算机、服务器等设备。
本发明实施例提供的电网投资测算装置能够实现上述方法实施例中电网投资测算方法实现的各个过程，且可以达到相同的有益效果。为避免重复，这里不再赘述。
参见图11，图11是本发明实施例提供的一种电子设备的结构示意图，如图11所示，包括：存储器1102、处理器1101及存储在所述存储器1102上并可在所述处理器1101上运行的计算机程序，其中：
处理器1101用于调用存储器1102存储的计算机程序，执行如下步骤：
获取电网对应的测算指标体系以及电网的历史投资数据；
根据所述测算指标体系以及电网的历史投资数据，提取第一投资指标；
根据所述第一投资指标以及所述历史投资数据，建立投资需求测算模型；
在所述投资需求测算模型下，通过所述第一投资指标对投资需求进行预测，并通过任意设定的投资规模利用所述需求测算模型计算所述第一投资指标的变化量；
根据所述第一投资指标的变化量，计算所述第一投资指标的变化量所对应的不确定风险因素的变化区间；
基于所述不确定风险因素的变化区间，测算所述电网的投资区间，所述投资区间包括对应的风险提示。
可选的，所述电网对应的测算指标体系包括投资指标，所述投资指标数量大于或等于所述第一投资指标的数量，所述第一投资指标包括至少一个投资指标，处理器1101执行的所述根据所述测算指标体系以及电网的历史投资数据，提取第一投资指标的步骤具体包括：
通过相关性分析法，计算测算指标体系中每个投资指标与历史投资数据之间的第一相关性系数；
将绝对值大于相关性阈值的第一相关性系数所对应的投资指标加入第一保留指标组；
基于所述第一保留指标组，确定所述第一投资指标。
可选的，所述第一保留指标组包括第二投资指标，所述第二投资指标数量大于或等于所述第一投资指标的数量，所述第二投资指标数量小于或等于所述投资指标，所述第一投资指标包括至少一个第二投资指标，所述第二投资指标包括至少一个投资指标，处理器1101执行的所述基于所述第一保留指标组，确定所述第一投资指标的步骤具体包括：
通过贡献度分析法，计算所述保留指标组中各项第二投资指标对所述历史投资数据的贡献度；以及
计算所述保留指标组中每两个第二投资指标之间的第二相关性系数；
基于所述第二相关性系数与所述贡献度，确定所述第一投资指标。
可选的，处理器1101执行的所述在所述投资需求测算模型下，通过所述第一投资指标对投资需求进行预测，并通过任意设定的投资规模利用所述需求测算模型计算所述第一投资指标的变化量的步骤具体包括：
通过敏感性分析法，计算各个第一投资指标对投资需求预测值的敏感性系数；
根据所述敏感性系数，计算得到第一投资指标的变化量。
可选的，处理器1101执行的所述根据所述第一投资指标的变化量，计算所述第一投资指标的变化量所对应的不确定风险因素的变化区间的步骤具体包括：
判断所述第一投资指标的风险因素类别，所述风险类别包括间接不确定风险因素以及直接不确定风险因素；
若所述第一投资指标的风险因素类别为所述间接不确定风险因素，则通过控制变量法，计算不确定风险因素的变化量；
若所述第一投资指标的风险因素类别为所述直接不确定风险因素，则根据所述第一投资指标的变化量，直接计算不确定风险因素的变化量；
根据所述不确定风险因素的变化量，确定所述不确定风险因素的变化区间。
可选的，处理器1101执行的所述基于所述不确定风险因素的变化区间，测算所述电网的投资区间的步骤具体包括：
按预设的离散步长，对所述不确定风险因素的变化区间进行离散化操作，得到风险离散序列；
根据所述风险离散序列，计算得到风险概率序列；
基于所述风险概率序列，测算所述电网的投资区间。
可选的，处理器1101执行的所述基于所述风险概率序列，测算所述电网的投资区间的步骤具体包括：
根据所述风险概率序列，计算风险期望值；
根据所述风险期望值，确定对应的风险等级区间；
获取投资测算区间；
根据所述投资测算区间以及所述风险等级区间，确定所述电网的投资区间。
需要说明的是，上述电子设备可以是可以应用于可以进行电网投资测算的手机、监控器、计算机、服务器等设备。
本发明实施例提供的电子设备能够实现上述方法实施例中电网投资测算方法实现的各个过程，且可以达到相同的有益效果，为避免重复，这里不再赘述。
本发明实施例还提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现本发明实施例提供的电网投资测算方法的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存取存储器(RandomAccessMemory，简称RAM)等。
以上所揭露的仅为本发明较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。
Claims (10)
1.一种电网投资测算方法，其特征在于，包括以下步骤：
获取电网对应的测算指标体系以及电网的历史投资数据；
根据所述测算指标体系以及电网的历史投资数据，提取第一投资指标；
根据所述第一投资指标以及所述历史投资数据，建立投资需求测算模型；
在所述投资需求测算模型下，通过所述第一投资指标对投资需求进行预测，并通过任意设定的投资规模利用所述需求测算模型计算所述第一投资指标的变化量；
根据所述第一投资指标的变化量，计算所述第一投资指标的变化量所对应的不确定风险因素的变化区间；
基于所述不确定风险因素的变化区间，测算所述电网的投资区间，所述投资区间包括对应的风险提示。
2.如权利要求1所述的方法，其特征在于，所述电网对应的测算指标体系包括投资指标，所述投资指标数量大于或等于所述第一投资指标的数量，所述第一投资指标包括至少一个投资指标，所述根据所述测算指标体系以及电网的历史投资数据，提取第一投资指标的步骤具体包括：
通过相关性分析法，计算测算指标体系中每个投资指标与历史投资数据之间的第一相关性系数；
将绝对值大于相关性阈值的第一相关性系数所对应的投资指标加入第一保留指标组；
基于所述第一保留指标组，确定所述第一投资指标。
3.如权利要求2所述的方法，其特征在于，所述第一保留指标组包括第二投资指标，所述第二投资指标数量大于或等于所述第一投资指标的数量，所述第二投资指标数量小于或等于所述投资指标，所述第一投资指标包括至少一个第二投资指标，所述第二投资指标包括至少一个投资指标，所述基于所述第一保留指标组，确定所述第一投资指标的步骤具体包括：
通过贡献度分析法，计算所述第一保留指标组中各项第二投资指标对所述历史投资数据的贡献度；以及
计算所述第一保留指标组中每两个第二投资指标之间的第二相关性系数；
基于所述第二相关性系数与所述贡献度，确定所述第一投资指标。
4.如权利要求1所述的方法，其特征在于，所述在所述投资需求测算模型下，通过所述第一投资指标对投资需求进行预测，并通过任意设定的投资规模利用所述需求测算模型计算所述第一投资指标的变化量的步骤具体包括：
通过敏感性分析法，计算各个第一投资指标对投资需求的敏感性系数；
根据所述敏感性系数，计算得到第一投资指标的变化量。
5.如权利要求1所述的方法，其特征在于，所述根据所述第一投资指标的变化量，计算所述第一投资指标的变化量所对应的不确定风险因素的变化区间的步骤具体包括：
判断所述第一投资指标的风险因素类别，所述风险类别包括间接不确定风险因素以及直接不确定风险因素；
若所述第一投资指标的风险因素类别为所述间接不确定风险因素，则通过控制变量法，计算不确定风险因素的变化量；
若所述第一投资指标的风险因素类别为所述直接不确定风险因素，则根据所述第一投资指标的变化量，直接计算不确定风险因素的变化量；
根据所述不确定风险因素的变化量，确定所述不确定风险因素的变化区间。
6.如权利要求1所述的方法，其特征在于，所述基于所述不确定风险因素的变化区间，测算所述电网的投资区间的步骤具体包括：
按预设的离散步长，对所述不确定风险因素的变化区间进行离散化操作，得到风险离散序列；
根据所述风险离散序列，计算得到风险概率序列；
基于所述风险概率序列，测算所述电网的投资区间。
7.如权利要求6所述的方法，其特征在于，所述基于所述风险概率序列，测算所述电网的投资区间的步骤具体包括：
根据所述风险概率序列，计算风险期望值；
根据所述风险期望值，确定对应的风险等级区间；
获取投资测算区间；
根据所述投资测算区间以及所述风险等级区间，确定所述电网的投资区间。
8.一种电网投资测算装置，其特征在于，所述装置包括：
获取模块，用于获取电网对应的测算指标体系以及电网的历史投资数据；
提取模块，用于根据所述测算指标体系以及电网的历史投资数据，提取第一投资指标；
构建模块，用于根据所述第一投资指标以及所述历史投资数据，建立投资需求测算模型；
第一计算模块，用于在所述投资需求测算模型下，通过所述第一投资指标对投资需求进行预测，并通过任意设定的投资规模利用所述需求测算模型计算所述第一投资指标的变化量；
第二计算模块，用于根据所述第一投资指标的变化量，计算所述第一投资指标的变化量所对应的不确定风险因素的变化区间；
测算模块，用于基于所述不确定风险因素的变化区间，测算所述电网的投资区间。
9.一种电子设备，其特征在于，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述的电网投资测算方法中的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的电网投资测算方法中的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011445400.5A CN112446551A (zh) | 2020-12-08 | 2020-12-08 | 电网投资测算方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011445400.5A CN112446551A (zh) | 2020-12-08 | 2020-12-08 | 电网投资测算方法、装置、电子设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112446551A true CN112446551A (zh) | 2021-03-05 |
Family
ID=74739021
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011445400.5A Pending CN112446551A (zh) | 2020-12-08 | 2020-12-08 | 电网投资测算方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112446551A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113592176A (zh) * | 2021-07-29 | 2021-11-02 | 国网新疆电力有限公司经济技术研究院 | 一种电网生产技改项目投资预测方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108898322A (zh) * | 2018-07-11 | 2018-11-27 | 国网浙江省电力有限公司经济技术研究院 | 一种基于fcm算法的电网投资策略效益综合评价方法 |
| CN110503462A (zh) * | 2019-07-18 | 2019-11-26 | 上海交通大学 | 基于灰色关联度分析的电网投资测算方法、系统及介质 |
| CN111091229A (zh) * | 2019-11-19 | 2020-05-01 | 国网安徽省电力有限公司经济技术研究院 | 一种电网基建项目精准投资决策方法 |
-
2020
- 2020-12-08 CN CN202011445400.5A patent/CN112446551A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108898322A (zh) * | 2018-07-11 | 2018-11-27 | 国网浙江省电力有限公司经济技术研究院 | 一种基于fcm算法的电网投资策略效益综合评价方法 |
| CN110503462A (zh) * | 2019-07-18 | 2019-11-26 | 上海交通大学 | 基于灰色关联度分析的电网投资测算方法、系统及介质 |
| CN111091229A (zh) * | 2019-11-19 | 2020-05-01 | 国网安徽省电力有限公司经济技术研究院 | 一种电网基建项目精准投资决策方法 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113592176A (zh) * | 2021-07-29 | 2021-11-02 | 国网新疆电力有限公司经济技术研究院 | 一种电网生产技改项目投资预测方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110222897A (zh) | 一种配电网可靠性分析方法 | |
| CN112446534B (zh) | 一种输变电工程的建设工期预测方法和装置 | |
| CN112990500B (zh) | 基于改进加权灰色关联分析的台区线损分析方法及系统 | |
| CN110490409B (zh) | 一种基于dnn的低压台区线损率标杆值设定方法 | |
| CN109064023B (zh) | 一种人力效能管理系统的方法和装置 | |
| CN108416466A (zh) | 复杂特性影响的电力负荷预测方法、计算机信息处理系统 | |
| CN110489783B (zh) | 一种基于qrnn的低压台区线损率合理范围估计方法 | |
| CN111008870A (zh) | 一种基于pca-bp神经网络模型的区域物流需求预测方法 | |
| CN106779277A (zh) | 一种配电网网损的分类评估方法及装置 | |
| CN109767074A (zh) | 一种高可靠性供电区配网规划效果综合评估方法 | |
| CN110969306A (zh) | 基于深度学习的配电低压台区负荷预测方法及装置 | |
| CN113627735A (zh) | 工程建设项目安全风险的预警方法及系统 | |
| CN109523077B (zh) | 一种风电功率预测方法 | |
| CN111460378A (zh) | 一种考虑风险测度的配电网精准投资项目优选方法 | |
| CN101739614A (zh) | 层级组合预测通信业务的方法 | |
| CN114626769B (zh) | 一种电容式电压互感器运维方法及系统 | |
| CN112417627A (zh) | 一种基于四维指标体系配电网运行可靠性分析方法 | |
| CN112101673A (zh) | 一种基于隐马尔可夫模型的电网发展趋势预测方法及系统 | |
| CN112446551A (zh) | 电网投资测算方法、装置、电子设备及存储介质 | |
| CN107679666A (zh) | 一种基于Shapley值及经济发展的用电预测方法 | |
| CN114066004A (zh) | 一种基于电力大数据的gdp现时预测方法 | |
| CN111708987B (zh) | 一种变电站多台并联变压器负荷预测方法 | |
| CN105654194B (zh) | 一种电网发展指数测算方法 | |
| CN112508254A (zh) | 变电站工程项目投资预测数据的确定方法 | |
| CN108229786B (zh) | 电网投资分配处理方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210305 |