20kV及以下配电网工程设备材料信息价预测实例分析

20kV及以下配电网工程设备材料信息价预测实例分析

陈钦阳

浙江鼎时科技有限公司

摘要：本文利用基于波动特性模型初选方法以及基于预测效果的模型终选方法，选取国网浙江公司20kV及以下工程具体设备和材料进行价格预测和模型优选的实证研究，综合分析和评价各类预测模型的预测效果，得出电网工程主要设备材料最适用的预测模型，以求帮助企业掌握设备材料价格变化趋势，做出合理决策。

关键词：信息价预测模型、指数平滑法、ARIMA模型、GA—BP模型、PSO—SVM模型

1.信息价预测模型的初选

本次课题选取了10kV,630kVA,普通,硅钢片,干式变压器以及AC10kV,YJLV,400, 3,22,ZA,无阻水,电力电缆作为本次电网工程设备材料价格分析的示例，为保持前后的一致性，本章价格预测模型分析时以这两种设备材料为例，进行详细的实证分析。本节将根据2019年至2023年设备材料价格历史数据，预测2024年至2026年3年的设备材料价格。

1.1.近五年信息价分析

从配电网设备材料信息价库查找到2019年至2023年10kV, 630kVA,普通,硅钢片,干式变压器以及AC10kV,YJV,400,3,22,ZA,无阻水,电力电缆历史价格数据，历年价格数据如下所示。

表1 课题选取的设备材料历年价格

1.2.设备材料价格的波动特性

结合10kV,630kVA干式变压器及AC10kV,YJV,400电力电缆2019年至2023年历史价格，根据设备材料价格预测模型分析选择中的波动率计算公式，分别对10kV,630kVA干式变压器和AC10kV,YJV,400电力电缆的价格波动率进行测算，得到两者的波动率大小结果为：

表2 课题选取的设备材料价格波动特性

由表2可知，10kV,630kVA干式变压器的价格波动率为5.86%，AC10kV,YJV,400电力电缆的价格波动率为1.33%。根据上述基于价格波动性的预测方法判断标准可知，波动率在5%以内选择基于价格历史数据的预测模型预测即可获得较好的预测结果，波动率在5%-15%之间的选择基于价格影响因素的预测模型预测效果会更好。因此对于该类变压器，应当选择多元线性回归模型、遗传算法优化的BP神经网络模型、粒子群优化的支持向量机模型进行未来价格预测；对于该类电力电缆而言，则应当选择指数平滑模型、差分自回归滑动平均模型以及灰色预测模型进行未来三年的价格预测。

2.设备材料价格的预测

2.1基于指数平滑法的电力电缆价格预测

以2019－2023年价格水平作为原始数据，采用二次指数平滑预测技术对2024-2026年价格水平进行预测。本文中a=0.9，以，作为初值，求出一次指数平滑数列、二次指数平滑数列、截距和斜率如表3所示。

表3 二次指数平滑法各项参数        单位：万元/km

由上表可知电缆价格的指数平滑预测模型为：

由上述预测模型，预测电缆2024年至2026年的价格，结果如下所示。



表4 基于二次指数法的电缆价格预测表        单位：万元/km

指数平滑法的预测相对误差均控制在1%以内，且整体预测平均相对误差为0.4%，模型拟合效果较好，预测精度较高。且由上述预测结果可知，预计2024年至2026年AC10kV,YJV,400电力电缆价格持续增长，到2026年价格将约为74.55万元/km。

2.2.基于差分自回归滑动平均模型的电力电缆价格预测

本节进行电缆价格差分自回归滑动平均法预测。由上节图5-1可知AC10kV,YJV,400电力电缆2019年至2023年价格序列非平稳序列，因此需要对数据进行差分处理，输入AC10kV,YJV,400电力电缆2019年至2023年价格数据，一阶差分结果如图1所示。

图1电缆价格一阶差分图

由上图可知，电缆价格差分序列基本在3上下两侧，基本可以认为该电缆价格序列在一阶差分后是平稳的。进行平稳化判断以及处理后，需要对模型的阶数进行判断，在此之前，需要观察价格序列的偏自相关系数（PACF）和自相关系数（ACF）和情况。

运用ARIMA模型电缆价格预测结果为：

图2基于ARIMA模型的电缆价格预测结果

表5 基于ARIMA模型的电缆价格预测表     单位：万元/km 

基于ARIMA模型的预测相对误差均控制在4%以内，且整体预测平均相对误差为0.75%，模型拟合效果较好，比指数平滑法稍差。且由上述预测结果可知，预计2024年至2026年AC10kV, YJV,400电力电缆价格持续增长，到2026年价格将约为80.99万元/km。

2.3.基于灰色预测法的电缆价格预测

以2019年至2023年AC10kV,YJV,400电力电缆价格水平作为原始数据，采用灰色预测技术，借用灰色预测软件对AC10kV,YJV,400电力电缆价格进行预测，得出预测结果如下所示。

表6 基于灰色预测法的电缆价格预测表     单位：万元/km

基于灰色预测法的预测相对误差均控制在3%以内，且整体预测平均相对误差为1.3%，模型拟合效果较好，但比前两种方法稍差。且由上述预测结果可知，预计2024年至2026年AC10kV, YJV,400电力电缆价格持续增长，到2026年价格将约为78.76万元/km。

2.4.基于GA—BP模型的变压器价格预测

以2019年至2023年10kV,630kVA干式变压器的价格关键影响因素——原材料价格、人工成本和货币政策作为训练集的输入量，变压器价格作为输出量进行神经网络训练，然后进行训练集的误差修正训练，得到训练后的神经网络。

将2019年至2023年原材料价格（铜价格）、人工成本和货币政策预测值输入到上述训练后的BP神经网络进行变压器价格预测，预测结果为如下所示。

表7 基于GA—BP模型的变压器价格预测表     单位：万元/台  

基于GA—BP模型的预测相对误差均控制在2%以内，且整体预测平均相对误差为0.95%，模型拟合效果较好。且由上述预测结果可知，预计2024年至2026年10kV,630kVA干式变压器价格持续增长，到2026年价格将约为9.99万元/台。

2.4.基于多元线性回归的变压器价格预测

在基于价格影响因素的预测模型中，其中价格影响因素选取中价格关键影响因素作为分析因素。分析可知10kV,630kVA干式变压器价格的关键影响因素分别为原材料价格、人工成本和货币政策，因此基于多元线性回归的变压器价格预测中选取原材料价格（铜价格）、人工成本和货币政策为自变量，将2019年至2023年自变量和因变量的数据，建立多元线性回归模型，得到相关系数Ｒ的平方为0.87，相关性高，模型拟合效果较好。

由上述预测模型，预测变压器2024年至2026年的价格，结果如下所示。

表8 基于多元线性回归的变压器价格预测表     单位：万元/台  

基于多元线性回归的预测相对误差均控制在4%以内，且整体预测平均相对误差为2.24%，模型拟合效果较好。且由上述预测结果可知，预计2024年至2026年10kV,630kVA干式变压器价格持续增长，到2026年价格将约为10.16万元/台。

2.5.基于PSO—SVM模型的变压器价格预测

以2019年至2023年10kV,630kVA干式变压器的价格关键影响因素——原材料价格、人工成本和货币政策作为训练集的输入量，变压器价格作为输出量，使用PSO计算训练参数，然后进行训练集的误差修正训练，得到训练后的支持向量机。

将2024年至2026年原材料价格（铜价格）、人工成本和货币政策预测值输入到上述训练后的支持向量机进行变瓜器价格预测，预测结果如下所示。

表9 基于PSO－SVM模型的变压器价格预测表     单位：万元/台  

基于PSO－SVM模型的预测相对误差均控制在3%以内，且整体预测平均相对误差为1.69%，模型拟合效果较好。且由上述预测结果可知，预计2024年至2026年10kV,630kVA干式变压器价格持续增长，到2026年价格将约为9.81万元/台。

3.最终预测价格

本章根据上一章节的模型预测结果，为10kV,630kVA干式变压器与AC10kV,YJV,400电力电缆选择最优的预测模型，给出最终预测价格。

对10kV,630kVA干式变压器而言，GA—BP模型预测效果最佳，2024年至2026年最终预测价格如下表所示。

表10 10kV,630kVA干式变压器最终预测价格表   单位：万元/台

对AC10kV,YJV,400电力电缆而言，二次指数平滑法预测效果最佳，2024年至2026年最终预测价格如下表所示。

表11 AC10kV,YJV,400电力电缆最终预测价格表  单位：万元/km

4.总结

本文以10kV,630kVA干式变压器以及AC10kV,YJV,400电力电缆为主要例子，基于预测效果反馈的价格预测模型动态修正机制，进行设备材料价格预测技术终选详细的实例分析。在对配电网设备材料价格进行预测时，可以根据设备材料历史价格波动性，选择使用考虑不同影响因素的预测模型，例如一些材料价格波动性小的，线性特征明显，建议考虑仅考虑时间因素的模型，不仅能保证预测精度，又可使得预测工作得以简化，而一些工艺复杂的电气设备，价格受到的因素较多，为保证预测精度，更适合选择考虑多因素的预测模型。