基于人工神經網絡的新能源發電項目工程造價控制方法

賀綺瑤

關鍵詞：人工神經網絡；新能源發電項目；工程造價；工程造價指標；激勵函數；權值

１ 引言

現階段，建筑產業轉型升級所帶來的更高要求，使得地產行業由原本的暴發式增長逐漸轉變為平緩發展［１］。 這一時期也是整頓行業的最佳階段。 考慮到建筑行業的實際需求，合理的成本管控成為保障項目順利推進的重要基礎［２］。 在保障建筑質量的同時，追求更低的成本、更大的利潤空間也成為各大地產企業的主流發展方向［３］。 這就涉及工程造價控制的問題。 在傳統模式下，主要根據施工圖預算和竣工結算對工程成本進行管控，但是由于施工階段存在工程變更、工程材料替換等問題［４］，該方法對整個項目而言固化程度較高，并且存在較為明顯的被動性［５］。 為了更好地控制項目建設過程中影響造價的主觀因素和客觀因素，推出具有動態屬性的成本指標管控措施很有必要［６］。

人工神經網絡（Ａｒｔｉｆｉｃｉａｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ，ＡＮＮ）作為一種智能化程度較高的信息處理算法，將其應用到項目工程造價控制中具有巨大的開發空間［７］。 為此，本文提出基于人工神經網絡的新能源發電項目工程造價控制方法，并以實際項目工程為例，分析和驗證了本文方法的應用效果。

２ 新能源發電項目工程造價控制方法設計

２．１ 項目工程造價指標的選取

在選取項目工程造價指標的過程中，本文充分考慮了實際項目建設過程中施工圖設計階段限額指標與實際工程量之間的差異。 其中，加入考量的因素主要包括材料損耗、人工費和機械費用、施工水平。 在選取項目工程造價指標前需要明確的是，建設項目各個分部分項工程對應的造價無法在施工圖設計階段限額指標體系中實現完全覆蓋。 這意味著設計施工圖階段的限額指標與項目工程的實際費用開銷之間是以非線性的關系存在的。 針對該問題，為了確保后續造價控制的合理性，本文選取項目工程造價指標的原則為指標與項目工程的實際開銷之間存在函數關系。 以此為基礎，項目工程造價指標按照新能源發電項目工程的實際情況分為三類，其中共涵蓋 １０ 個指標，具體如表 １ 所列。

如表 １ 所列，本文選取的項目工程造價指標分為主體結構、粗裝結構和安裝結構三類。 其中，主體結構的造價指標主要包括基礎建筑材料；粗裝結構的造價指標主要包括基礎建筑裝置；安裝結構的造價指標主要包括發電相關裝置。 通過該方式，可以確保項目工程造價指標能夠實現對實際項目建設開銷全覆蓋以及控制結果的可靠性。

以此為基礎，本文對新能源發電項目工程造價進行相應的控制。

２．２ 基于人 。 工神經網絡的造價控制

以上文所述的項目工程造價指標為基礎，本文利用 ＡＮＮ 實現對新能源發電項目工程造價的控制，為此構建的 ＡＮＮ 如圖 １ 所示。按照圖 １ 所示的方式，在對新能源發電項目工程造價控制階段，首先對網絡進行初始化處理。 其中，神經網絡輸入層節點數以實際的項目工程造價指標參量為基準進行選擇，使隱含層和輸出層的節點與之保持一致。 為了確保各個指標在造價中的影響分析結果具有更高的合理性，設置初始化輸入層和輸出層神經元之間的連接權值為 Ｗｉｊ，隱含層對項目工程造價指標參量 ｘｉｊ的計算階段經輸出層輸出，具體的計算方式為：

按照上述方式計算，若輸出層輸出結果與預期造價之間差值在工程允許范圍內，則將其作為控制結果，否則重復上述操作，直至符合造價要求。

３ 應用測試與分析

３．１ 項目工程概況

本文進行成本控制的新能源項目在實施過程中，要求貫徹落實科學造價管理理念，在加強對通用性問題分析的基礎上，對工程造價進行控制管理。 項目預計在 ５ 個月內建成投產，項目類型屬于國電電力新能源二期工程，工程位于所在區域的偏北側，其最高海拔為 １６２０ｍ，最低海拔為 １５００ｍ，平均海拔為 １５６０ｍ，整體呈現出較為明顯的山地地形特征。 發電項目的總裝機容量為 ５００ＭＷ，１２ 臺 ＵＰ２０００－１２１ 風機聯合作為發電動力裝置。 另外，項目中還包括一座 １１０ｋＶ的升壓站以及 １ 臺容量為 ５００ＭＶＡ 的主變壓器。 在此基礎上，為其配套了對應的電氣附屬裝置，并且后續為了順利進行辦公，建立了一座綜合樓。 在建設初期，項目工程批復的資金總額為 ３５４０ 萬元。 以該項目為實際工程，采用本文方法對其實施造價控制。

３．２ 造價控制效果分析

在工程不斷推進的過程中，將項目分為 ８ 個子施工項目，對其具體的成本開銷進行統計，并計算出截至項目竣工的總造價，得到的結果如表 ２ 所列。

從表 ２ 可以看出，在本文設計的新能源發電項目工程造價控制方法下，項目工程的單位容量造價值與目標值之間的誤差基本穩定在 ２．００％以內。其中，最大誤差僅為 ２．０２％。 對具體的造價進行分析，實際單位容量造價值均值為 ２８８． ８２ 元 ／ ｋＶＡ，與目標單位容量造價值 ２９０．００ 元 ／ ｋＶＡ 相比，降低了 １．１８ 元 ／ ｋＶＡ，并出現造價低于預期的情況。 測試結果表明，本文設計的基于人工神經網絡的新能源發電項目工程造價控制方法可以實現對工程造價的有效控制，對應的控制結果與預期造價具有較高的一致性。

４ 結束語

受實際施工條件以及偶然因素的影響，項目工程造價超出預期的情況時有發生。 此時，實施科學、有效的造價控制措施成為保障工程順利竣工的重要基礎。 本文設計的基于人工神經網絡的新能源發電項目工程造價控制方法，確保了工程的實際開銷與預期造價保持較高的一致性。 借助本文的研究，希望可以為相關發電項目工程的造價控制問題提供可參考的解決方案。