基于人工神经网络的新能源发电项目工程造价控制方法

贺绮瑶

关键词：人工神经网络；新能源发电项目；工程造价；工程造价指标；激励函数；权值

１ 引言

现阶段，建筑产业转型升级所带来的更高要求，使得地产行业由原本的暴发式增长逐渐转变为平缓发展［１］。 这一时期也是整顿行业的最佳阶段。 考虑到建筑行业的实际需求，合理的成本管控成为保障项目顺利推进的重要基础［２］。 在保障建筑质量的同时，追求更低的成本、更大的利润空间也成为各大地产企业的主流发展方向［３］。 这就涉及工程造价控制的问题。 在传统模式下，主要根据施工图预算和竣工结算对工程成本进行管控，但是由于施工阶段存在工程变更、工程材料替换等问题［４］，该方法对整个项目而言固化程度较高，并且存在较为明显的被动性［５］。 为了更好地控制项目建设过程中影响造价的主观因素和客观因素，推出具有动态属性的成本指标管控措施很有必要［６］。

人工神经网络（Ａｒｔｉｆｉｃｉａｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ，ＡＮＮ）作为一种智能化程度较高的信息处理算法，将其应用到项目工程造价控制中具有巨大的开发空间［７］。 为此，本文提出基于人工神经网络的新能源发电项目工程造价控制方法，并以实际项目工程为例，分析和验证了本文方法的应用效果。

２ 新能源发电项目工程造价控制方法设计

２．１ 项目工程造价指标的选取

在选取项目工程造价指标的过程中，本文充分考虑了实际项目建设过程中施工图设计阶段限额指标与实际工程量之间的差异。 其中，加入考量的因素主要包括材料损耗、人工费和机械费用、施工水平。 在选取项目工程造价指标前需要明确的是，建设项目各个分部分项工程对应的造价无法在施工图设计阶段限额指标体系中实现完全覆盖。 这意味着设计施工图阶段的限额指标与项目工程的实际费用开销之间是以非线性的关系存在的。 针对该问题，为了确保后续造价控制的合理性，本文选取项目工程造价指标的原则为指标与项目工程的实际开销之间存在函数关系。 以此为基础，项目工程造价指标按照新能源发电项目工程的实际情况分为三类，其中共涵盖 １０ 个指标，具体如表 １ 所列。

如表 １ 所列，本文选取的项目工程造价指标分为主体结构、粗装结构和安装结构三类。 其中，主体结构的造价指标主要包括基础建筑材料；粗装结构的造价指标主要包括基础建筑装置；安装结构的造价指标主要包括发电相关装置。 通过该方式，可以确保项目工程造价指标能够实现对实际项目建设开销全覆盖以及控制结果的可靠性。

以此为基础，本文对新能源发电项目工程造价进行相应的控制。

２．２ 基于人 。 工神经网络的造价控制

以上文所述的项目工程造价指标为基础，本文利用 ＡＮＮ 实现对新能源发电项目工程造价的控制，为此构建的 ＡＮＮ 如图 １ 所示。按照图 １ 所示的方式，在对新能源发电项目工程造价控制阶段，首先对网络进行初始化处理。 其中，神经网络输入层节点数以实际的项目工程造价指标参量为基准进行选择，使隐含层和输出层的节点与之保持一致。 为了确保各个指标在造价中的影响分析结果具有更高的合理性，设置初始化输入层和输出层神经元之间的连接权值为 Ｗｉｊ，隐含层对项目工程造价指标参量 ｘｉｊ的计算阶段经输出层输出，具体的计算方式为：

按照上述方式計算，若输出层输出结果与预期造价之间差值在工程允许范围内，则将其作为控制结果，否则重复上述操作，直至符合造价要求。

３ 应用测试与分析

３．１ 项目工程概况

本文进行成本控制的新能源项目在实施过程中，要求贯彻落实科学造价管理理念，在加强对通用性问题分析的基础上，对工程造价进行控制管理。 项目预计在 ５ 个月内建成投产，项目类型属于国电电力新能源二期工程，工程位于所在区域的偏北侧，其最高海拔为 １６２０ｍ，最低海拔为 １５００ｍ，平均海拔为 １５６０ｍ，整体呈现出较为明显的山地地形特征。 发电项目的总装机容量为 ５００ＭＷ，１２ 台 ＵＰ２０００－１２１ 风机联合作为发电动力装置。 另外，项目中还包括一座 １１０ｋＶ的升压站以及 １ 台容量为 ５００ＭＶＡ 的主变压器。 在此基础上，为其配套了对应的电气附属装置，并且后续为了顺利进行办公，建立了一座综合楼。 在建设初期，项目工程批复的资金总额为 ３５４０ 万元。 以该项目为实际工程，采用本文方法对其实施造价控制。

３．２ 造价控制效果分析

在工程不断推进的过程中，将项目分为 ８ 个子施工项目，对其具体的成本开销进行统计，并计算出截至项目竣工的总造价，得到的结果如表 ２ 所列。

从表 ２ 可以看出，在本文设计的新能源发电项目工程造价控制方法下，项目工程的单位容量造价值与目标值之间的误差基本稳定在 ２．００％以内。其中，最大误差仅为 ２．０２％。 对具体的造价进行分析，实际单位容量造价值均值为 ２８８． ８２ 元 ／ ｋＶＡ，与目标单位容量造价值 ２９０．００ 元 ／ ｋＶＡ 相比，降低了 １．１８ 元 ／ ｋＶＡ，并出现造价低于预期的情况。 测试结果表明，本文设计的基于人工神经网络的新能源发电项目工程造价控制方法可以实现对工程造价的有效控制，对应的控制结果与预期造价具有较高的一致性。

４ 结束语

受实际施工条件以及偶然因素的影响，项目工程造价超出预期的情况时有发生。 此时，实施科学、有效的造价控制措施成为保障工程顺利竣工的重要基础。 本文设计的基于人工神经网络的新能源发电项目工程造价控制方法，确保了工程的实际开销与预期造价保持较高的一致性。 借助本文的研究，希望可以为相关发电项目工程的造价控制问题提供可参考的解决方案。