基于支持向量机的风电场快速投资估算

方疆，刘庆超

(1.新疆华电十三间房风电有限责任公司，新疆 哈密 839000;2.华电电力科学研究院，浙江 杭州 310030)

1 问题的提出

根据风电场设计阶段，大致可分为前期规划、项目建议书(预可行性研究)、可行性研究、初步设计、施工图设计及竣工图设计几个阶段［1］。

不同设计阶段所对应的投资深度不同，项目前期规划及项目建议书阶段的投资可称为投资估算，主要方法有生产能力指数法、单位生产能力法、比例法及系数法等。在可行性研究阶段的投资通常称为投资概算，主要编制依据为水电水利规划设计总院编制的FD 022—2007《风电场工程可行性研究报告设计概算编制办法及计算标准》和FD 004—2007《风电场工程概算定额》。风电场可行性研究设计深度通常要求达到工程初步设计深度，但是，风电目前处于大发展阶段，业主给设计单位进行可行性研究时间较短，其设计方案往往无法达到初步设计深度。部分发电集团公司增加了初步设计阶段，其套用的定额除FD 004—2007《风电场工程概算定额》，还增加了《电力工程建设概算定额》(2006年版)，在深度上更加符合电力工程建设需要，施工图阶段主要套用《电力建设工程预算定额》(2006年版)。

项目投资决策通常发生在项目前期规划、项目建议书及可行性研究阶段，因此，如何对投资做出较为准确的估算，对于投资决策行为至关重要。鉴于项目前期规划、项目建议书2个阶段投资估算通常为线性折算，考虑因素较少，准确度亦不高，本文提出了基于支持向量机算法的风电场快速投资估算方法［2－4］。

2 基于支持向量机的风电场投资估算模型

2.1 风电场投资估算影响因素分析

在风电场建设中，影响总投资的主要因素有装机容量、风机台数、机组单位千瓦造价、地形、地基承载力特征值、地震烈度、基础形式、风机荷载、道路长度、集电线路形式、变电站电压等级、永久征地费用、临时征地费用等［1］。

(1)装机容量指风电场实际安装的额定有功功率的总和。装机容量直接影响风电场总投资，目前，平坦地形风电场单位造价为7600～8600元/kW，复杂地形风电场单位造价为9 000～12 000元/kW，滩涂及近海风电场单位造价更高，因此，装机容量直接影响造价高低。

(2)风机台数主要由风电机组的单机容量决定。目前，装机容量为50 MW级别的风电场，1.5 MW机组共需33台，2.0 MW机组共需24台。不同单机容量风电机组单位千瓦造价不等，单机容量越大，造价越高，由于占地面积等技术经济指标随着单机容量增加而减小，这方面的费用会有一定下降，因此，风机台数是影响工程造价的一个重要因素。

(3)机组单位千瓦造价为机组造价的直接影响因素，不同阶段的风电机组造价不同，从2009年的6500元/kW下降到2011年的3600元/kW左右，使得已经竣工投产的项目样本与目前机组造价有较大区别，因此，选用机组单位千瓦造价作为主要因素具有一定意义。

(4)地形。根据目前国内风电场场地建设条件，主要分为山地风电场、平坦风电场、滩涂风电场及海上风电。不同建设条件对风电场的投资影响较大。山地风电场土建投资通常占总投资的30% ～45%，平坦地形风电场土建投资通常占总投资的20%～40%，滩涂风电场土建投资通常占总投资的30% ～50%，海上风电场土建部分占总投资的40%～50%左右。复杂地形土建工程投资较高主要是因为山地地形道路投资较大，在施工过程中二次倒运费用较高。海上风电及滩涂风电场基础造价较高，施工难度大，因此，地形对风电场投资具有较大影响。

(5)地基承载力特征值是指载荷试验测定的地基土压力变形曲线线性变形段内规定的变形所对应的压力值，其最大值为比例界限值。由FD 003—2007《风电机组地基基础设计规定》(试行)可知，基础的埋深应满足地基承载力、变形和稳定性的要求。在地基抗压计算中，当承受轴心载荷时，要求荷载效应在标准组合下，扩展基础底面处平均压力要小于或等于修正后地基承载力特征值。当承受偏心载荷时，在载荷效应标准组合下，扩展基础底面边缘最大压力值要小于或等于修正后地基承载力特征值。因此，地基承载力特征值的大小能够影响风机基础的埋深和风机基础的大小，进而影响工程造价。在基础变形计算中，主要验算沉降值和倾斜率，其结果不应大于地基变形影响值。在计算地基沉降时，沉降计算经验系数主要由地基承载力特征值决定，从而影响基础埋深和大小。

(6)地震烈度。由FD 003—2007《风电机组地基基础设计规定》可知，在抗震设防烈度为9度及以上(或50年一遇极端风速超过70 m/s)时，应对于风电机组的地基基础进行专题研究。当地震烈度大于或等于8度时，应计算多遇地震工况荷载下的地基设计内容。通常其控制的载荷为多遇地震工况下的载荷，在此情况下，基地不允许脱开，从而影响基础大小。

(7)基础类型。基础类型主要有扩展基础、桩基础和岩石锚杆基础3种，基础工程量的不同，会影响造价。在通常情况下，岩石锚杆基础工程造价小，扩展基础工程造价次之，桩基础工程造价较高。

(8)在极端载荷工况下的风机载荷。载荷的大小直接影响地基抗压计算、变形计算、风机稳定性计算，从而影响风机基础大小。

(9)道路长度。不同地形下道路造价不同，山地道路造价较高，通常在100万元/km以上，平坦地形道路造价较低，通常为25万元/km左右，因此，道路长度对工程造价影响较大。

(10)集电线路类型主要分为架空线路和地埋电缆2种，2种不同类型集电线路工程造价有较大区别，地埋电缆工程造价远远高于集电线路。因此，这种情况可作为影响工程造价的一个因素。

(11)变电站电压等级目前有35，66，110和220 kV 4个等级，不同等级变电站造价不同。

(12)永久征地费用。不同区域征地费用不同，浙江沿海永久征地费用较高，新疆戈壁滩征地费用低且相差较大，这些因素会直接影响工程造价。

(13)临时征地费费用。不同区域临时征地费用不同，浙江沿海临时征地费用较高，新疆戈壁滩征地费用低，两地征地费用相差较大，这些因素会直接影响工程造价。

2.2 支持向量机模型

支持向量机SVM(Support Vector Machine)的基本思想是通过用内积函数定义的非线性变换将输入空间变换到一个高维空间，在这个高维空间中，寻找输入变量和输出变量的非线性关系。SVM有2层结构:第1层用于选择核函数确定支持向量个数，第2层在相应的特征空间构建最优超平面［5－6］。

给定数据集 {(xi，yi)}，i=1，2，…，n，xi∈X⊆Rn，yi∈Y⊆R，设函数形式为

式中:ø(x)能将输入空间映射到高维特征空间(Hilbert空间)。

根据结构风险最小化准则，f应使得

式中:Lε(g)为惩罚函数(1oss function)，通常称为ε不敏感函数，其定义为

式中:参数C(C＞0)为函数f的平滑度;ε为容许误差，表示数值之间的平衡因子。引入松弛变量ξi，ξ*i，它们代表真实值与e容许误差边界对应值的距离n，公式(2)可表示为

满足条件

引入拉格朗日(Lagrange)乘子和对偶理论(Duality Theory)得到公式(8)

式中:0≤ai≤C;0≤≤ C，i=1，2，…，n。

在式(8)中，ai，称为拉格朗日乘子，满足等式aig=0，则有

式中:K(x，xi)称为核函数，xi，xj的内积等于核函数的值，即 K(xi，xj)= ø(xi)gø(xj)。任一满足 Mercer条件n的函数都可以作为核函数。目前常用的核函数主要有:

(1)多项式核函数

(2)径向基函数(RBF)核函数

(3)Sigmoid核函数

式中:d，v，c为核函数的参数。

2.3 基于支持向量机的风电场投资估算模型

运用支持向量机算法对风电场投资进行快速估算，需要对各个影响因素进行量化和标准化，由于支持向量机输入因素通常为0～1数据，因此，可对各输入因素进行如下定义:

(1)装机容量(A1)。单位为MW，利用“装机容量/1000 MW”进行归一化处理。

(2)风机台数(A2)。单位为台，利用“总台数/1000台”进行归一化处理。

(3)机组单位千瓦造价(A3)。单位为元/kW，利用“单位造价/(10 000元/kW)”进行归一化处理。

(4)地形(A4)。复杂山地取0.1，较为复杂山地取0.2，较为平坦地形取0.3，非常平坦地形取0.4，沿海滩涂风电场取0.5。

(5)地基承载力特征值(A5)。单位为kPa，利用“地基承载力特征值/10000 kPa”进行归一化处理。

(6)地震烈度(A6)。大于7度地震烈度区域取0.1，小于或等于7度地震烈度区域取0.2。

(7)基础形式(A7)。扩展基础为0.1，桩基础为0.2，锚杆基础为0.3。

(8)风机载荷(A8)。单位为109 N·m，利用“风机荷载/(1 N·m)”进行归一化处理。

(9)道路长度(A9)。单位为km，利用“道路长度/100 km”进行归一化处理。

(10)集电线路形式(A10)。架空线取0.1，地缆取0.2。

(11)变电站电压等级(A11)。35 kV变电站用0.035表示，66 kV变电站用0.066表示，110 kV变电站用0.110表示，220 kV变电站用0.220表示。

(12)永久征地费用(A12)。单位为元/m2，利用“永久征地费用/(1000元/m2)”进行归一化处理。

(13)临时征地费用(A13)。单位为元/m2，利用“临时征地费用/(1000元/m2)”进行归一化处理。

(14)总投资(B):单位为亿元，利用“总投资/100亿元”进行归一化处理。

归一化后，利用(1)～(13)条作为影响因素输入，(14)条作为结果输出，对其建立支持向量机模型，再通过已有数据作为样本进行训练，以要预测的项目影响因素数据作为输入，从而可实现总投资的估算。

3 案例分析

表1 训练样本数据

搜集国内各个区域7个风电场实际数据，对该模型方法进行了验证，验证结果见表1。

运用表1中的前6个风电场数据进行网络训练，以第7个风电场数据作为检验样本，其计算结果为26582万元，与实际结果27260万元误差为2.49%，预测精度较高，因此，可用该模型进行投资估算。

4 结束语

决策阶段的投资估算是在没有详细技术方案前提下对工程造价进行的一种推测，其估算精度的高低直接影响着项目是否可行。因此，如何把投资估算预测得更加准确对于业主进行项目决策具有重要意义。

本文通过对影响风电场工程造价的主要因素进行了深入分析，最终确定13个重要影响参数，通过利用SVM模型对其进行模拟训练，选取6个样本进行学习并以1个样本进行预测和验证，结果表明，预测精度较高，该模型在实际运用中具有可行性。

［1］宫靖远.风电场工程技术手册［M］.北京:机械工业出版社，2004.

［2］Wei Chunri，Gai Zizhou.Application of Continual Multiplication to Investment Estimation［J］.Petroleum Planning ＆Engineering，2005(6):34－36.

［3］Han Chunmin，Li Zhanqiao.The Discuss of Investment Estimation by Fuzzy Mathmatics［J］.Group Economy，2006(20):241－242.

［4］Lu Jianbing，Ye Fei.The Application of Three Segment Linear Method to the Investment Estimation of Wastewater Treatment［J］.Journal of Qingdao Institute of Architecture and Engineering，2004(3):107－111.

［5］雷雨龙，王健，田华.基于支持向量机的换档质量评价系统［J］.系统仿真学报，2007(24):34－27.

［6］肖文兵，费奇，万虎.基于支持向量机的信用评估模型及风险评价［J］.华中科技大学学报(自然科学版)，2007(5):23－25.