一種電力資源評測方法及裝置制造方法
【專利摘要】本發明提供一種電力資源評測方法及裝置，通過響應用戶輸入的電力資源的各個屬性值，根據預先設置的BP神經網絡模型，計算對應該電力資源的現金流量，并利用該現金流量及預先設置的收益法評估公式，計算該電力資源的資源值，以實現對該電力資源的評測，使得電網企業在接收電力資源之前對該電力資源進行評估、以減小后期維護該電力資源時的成本、避免該電力資源對電網企業造成的安全隱患問題。
【專利說明】一種電力資源評測方法及裝置
【技術領域】
[0001]本發明涉及電力系統【技術領域】，特別是涉及一種電力資源評測方法及裝置。
【背景技術】
[0002]隨著財政部和國家稅務總局《關于電網企業接收用戶資產有關企業所得稅政策問題的通知》就用戶資產接收免征企業所得稅，接收價值計提成折舊允許稅前扣除等政策出臺，電網企業加快了用戶資產接收步伐。電網企業接收到用戶資產為電力資源，其中，該電力資源的類別主要包括輸配電線路、箱體變電站、配電變壓器、低壓配套設施等。
[0003]當電網企業接收到的電力資源嚴重老化時，電網企業未來可能面臨著需要對這部分電力資源進行大量維護和維修的問題，這會對電網企業造成嚴重的安全隱患及大量的后期維護支出。
【發明內容】
[0004]有鑒于此，本發明實施例提供一種電力資源評測方法及裝置，使得電網企業在接收電力資源之前對該電力資源進行評估、以減小后期維護該電力資源時的成本、避免該電力資源對電網企業造成的安全隱患問題。
[0005]為了實現上述目的，本發明實施例提供的技術方案如下:
[0006]一種電力資源評測方法，包括:
[0007]響應用戶輸入的電力資源的各個屬性值，根據預先設置的BP神經網絡模型，計算對應該電力資源的現金流量；
[0008]利用該現金流量及預先設置的收益法評估公式，計算該電力資源的資源值，以實現對該電力資源的評測。
[0009]優選的，所述屬性值為:該電力資源的使用年限值、當前市場價格、和/或生產廠商。
[0010]優選的，所述BP神經網絡模型的創建過程為:
[0011]S1、響應用戶輸入的創建請求，創建初始BP神經網絡模型；
[0012]S2、響應用戶輸入的電力資源樣本的各個屬性值，根據所述初始BP神經網絡模型，計算與該電力資源樣本對應的現金流量；
[0013]S3、計算所述現金流量與預先設置的預期現金流量之間的誤差值；
[0014]S4、判斷所述誤差值是否滿足預先設置的精度要求；
[0015]S5、當所述誤差值不滿足預先設置的精度要求時，根據所述誤差值調節該初始BP神經網絡模型中的各個神經元之間連接處的加權系數，并返回執行步驟S2 ；
[0016]S6、當所述誤差值滿足預先設置的精度要求時，將當前BP神經網絡模型確定為BP神經網絡模型。
[0017]優選的，所述響應用戶輸入的創建請求，創建初始BP神經網絡模型，包括:
[0018]響應用戶輸入的創建請求，初始化預先設置的BP神經網絡模型計算公式中的各個神經元之間連接處的加權系數；
[0019]利用該BP神經網絡模型計算公式及初始化的加權系數，確定初始BP神經網絡模型。
[0020]優選的，所述利用該現金流量及預先設置的收益法評估公式，計算該電力資源的資源值，以實現對該電力資源的評測，包括:
[0021]獲取用戶輸入的折現率；
[0022]根據所述折現率、現金流量及預先設置的收益法評估公式，計算該電力資源的資源值，以實現對該電力資源的評估。
[0023]一種電力資源評測裝置，包括:
[0024]響應單元，用于響應用戶輸入的電力資源的各個屬性值，根據預先設置的BP神經網絡模型，計算對應該電力資源的現金流量；
[0025]計算單元，用于利用該現金流量及預先設置的收益法評估公式，計算該電力資源的資源值，以實現對該電力資源的評測。
[0026]優選的，所述屬性值為:該電力資源的使用年限值、當前市場價格、和/或生產廠商。
[0027]優選的，還包括:
[0028]PB神經網絡模型創建單元，用于預先創建BP神經網絡模型，該BP神經網絡模型創建單元包括初始BP神經網絡模型創建單元、第一計算單元、第二計算單元、判斷單元、調整單元及確定單元，其中，
[0029]所述初始BP神經網絡模型創建單元，用于執行S1、響應用戶輸入的創建請求，創建初始BP神經網絡模型；
[0030]所述第一計算單元，用于執行S2、響應用戶輸入的電力資源樣本的各個屬性值，根據所述初始BP神經網絡模型，計算與該電力資源樣本對應的現金流量；
[0031]所述第二計算單元，用于執行S3、計算所述現金流量與預先設置的預期現金流量之間的誤差值；
[0032]所述判斷單元，用于執行S4、判斷所述誤差值是否滿足預先設置的精度要求；
[0033]所述調整單元，用于執行S5、當所述誤差值不滿足預先設置的精度要求時，根據所述誤差值調節該初始BP神經網絡模型中的各個神經元之間連接處的加權系數，并返回執行步驟S2 ；
[0034]所述確定單元，用于執行S6、當所述誤差值滿足預先設置的精度要求時，將當前BP神經網絡模型確定為BP神經網絡模型。
[0035]優選的，所述初始BP神經網絡模型創建單元包括:
[0036]初始化單元，用于響應用戶輸入的創建請求，初始化預先設置的BP神經網絡模型計算公式中的各個神經元之間連接處的加權系數；
[0037]初始BP神經網絡模型確定單元，用于利用該BP神經網絡模型計算公式及初始化的加權系數，確定初始BP神經網絡模型。
[0038]優選的,所述計算單元包括:
[0039]獲取單元，用于獲取用戶輸入的折現率；
[0040]計算子單元，用于根據所述折現率、現金流量及預先設置的收益法評估公式，計算該電力資源的資源值，以實現對該電力資源的評估。
[0041]本發明提供一種電力資源評測方法及裝置，通過響應用戶輸入的電力資源的各個屬性值，根據預先設置的BP神經網絡模型，計算對應該電力資源的現金流量，并利用該現金流量及預先設置的收益法評估公式，計算該電力資源的資源值，以實現對該電力資源的評測，使得電網企業在接收電力資源之前對該電力資源進行評估、以減小后期維護該電力資源時的成本、避免該電力資源對電網企業造成的安全隱患問題。
【專利附圖】
【附圖說明】
[0042]為了更清楚地說明本發明實施例或現有技術中的技術方案，下面將對實施例或現有技術描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發明中記載的一些實施例，對于本領域普通技術人員來講，在不付出創造性勞動的前提下，還可以根據這些附圖獲得其他的附圖。
[0043]圖1為本申請實施例一提供的一種電力資源評測方法流程圖；
[0044]圖2為本申請實施例二提供的一種BP神經網絡模型的創建方法流程圖；
[0045]圖3為本申請實施例三提供的一種電力資源評測裝置的結構示意圖；
[0046]圖4為本申請實施例三提供的一種BP神經網絡模型創建單元的詳細結構示意圖。
【具體實施方式】
[0047]為了使本【技術領域】的人員更好地理解本發明中的技術方案，下面將結合本發明實施例中的附圖，對本發明實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發明一部分實施例，而不是全部的實施例。基于本發明中的實施例，本領域普通技術人員在沒有做出創造性勞動前提下所獲得的所有其他實施例，都應當屬于本發明保護的范圍。
[0048]實施例一:
[0049]圖1為本申請實施例一提供的一種電力資源評測方法流程圖。
[0050]如圖1所示，該方法包括:
[0051]S101、響應用戶輸入的電力資源的各個屬性值，根據預先設置的BP神經網絡模型，計算對應該電力資源的現金流量。
[0052]在本申請實施例提供的一種電力資源評測方法中，首先響應用戶輸入的電力資源的各個屬性值，根據各個屬性值及預先設置的BP神經網絡模型，計算對應該電力資源的現金流量。
[0053]在本申請實施例中，用戶輸入的電力資源的各個屬性值為該電力資源的使用年限值、當前市場價格(同樣的全新的電力資源的當前市場價格)和/或生產廠商等，以上僅僅是本申請實施例的優選方式，發明人還可以根據自己的需求任意設置用戶輸入的電力資源的各個屬性值。
[0054]S102、利用該現金流量及預先設置的收益法評估公式，計算該電力資源的資源值，以實現對該電力資源的評測。
[0055]在本申請實施例中，當計算得到對應電力資源的現金流量后，可以利用該現金流量及預先設置的收益法評估公式，計算該電力資源的資源值，以實現對該電力資源的評測。
[0056]在本申請實施例中，利用該現金流量及預先設置的收益法評估公式，計算該電力資源的資源值，以實現對該電力資源的評測包括:
[0057]1、獲取用戶輸入的折現率。
[0058]在本申請實施例中，通過收益法評估公式評測資源值時，選擇合適的折現率是很重要的環節，與實體自由現金流量相匹配的折現率是電力資源的加權平均資本成本。在本申請實施例中，發明人可以根據自己的需求準確的估算電力資源的各種資本成本，然后按比例加權求得加權平均資本成本,并以此作為本申請實施例中用戶輸入的折現率。
[0059]在本申請實施例中，具體的計算折現率的方式是現有技術，發明人可以根據自己的需求通過任意一種現有技術求得本申請實施例中所涉及到的用戶輸入的折現率，在此不作詳細介紹。
[0060]2、根據折現率、現金流量及預先設置的收益法評估公式，計算該電力資源的資源值，以實現對該電力資源的評估。
[0061]在本申請實施例中，收益法評估公式為現有技術，且通過該收益法評估公式、利用折現率及現金流量計算電力資源的資源值，以實現對該電力資源的評估的過程也為現有技術，在此不做詳細介紹。
[0062]本申請實施例提供一種電力資源評測方法，通過響應用戶輸入的電力資源的各個屬性值，根據預先設置的BP神經網絡模型，計算對應該電力資源的現金流量，并利用該現金流量及預先設置的收益法評估公式，計算該電力資源的資源值，以實現對該電力資源的評測，使得電網企業在接收電力資源之前對該電力資源進行評估、以減小后期維護該電力資源時的成本、避免該電力資源對電網企業造成的安全隱患問題。
[0063]實施例二:
[0064]圖2為本申請實施例二提供的一種BP神經網絡模型的創建方法流程圖。
[0065]如圖2所示，該方法包括:
[0066]S1、響應用戶輸入的創建請求，創建初始BP神經網絡模型。
[0067]在本申請實施例提供的一種BP神經網絡模型的創建方法中，首先響應用戶輸入的創建請求，創建初始BP神經網絡模型。
[0068]其中，創建初始BP神經網絡模型的過程為:響應用戶輸入的創建請求，初始化預先設置的BP神經網絡模型計算公式中的各個神經元之間連接處的加權系數；利用該BP神經網絡模型計算公式及初始化的加權系數，確定初始BP神經網絡模型。
[0069]在本申請實施例中，優選的，初始化預先設置的BP神經網絡模型計算公式中的各個神經元之間連接處的加權系數為:將預先設置的BP神經網絡模型計算公式中的各個神經元之間連接處的加權系數隨機設置為很小的值。
[0070]在本申請實施例中，初始BP神經網絡模型即為各個神經元之間連接處的加權系數被初始化后的BP神經網絡模型。
[0071]S2、響應用戶輸入的電力資源樣本的各個屬性值，根據初始BP神經網絡模型，計算與該電力資源樣本對應的現金流量。
[0072]S3、計算現金流量與預先設置的預期現金流量之間的誤差值。
[0073]S4、判斷誤差值是否滿足預先設置的精度要求。
[0074]S5、當誤差值不滿足預先設置的精度要求時，根據誤差值調節該初始BP神經網絡模型中的各個神經元之間連接處的加權系數，并返回執行步驟S2。
[0075]S6、當誤差值滿足預先設置的精度要求時，將當前BP神經網絡模型確定為BP神經網絡模型。
[0076]在本申請實施例提供的創建BP神經網絡模型的思想參見現有技術，在此不再對本申請提供的創建BP神經網絡模型的過程進行詳細介紹。
[0077]本申請實施例提供一種BP神經網絡模型創建方法，通過對該BP神經網絡模型創建方法的介紹，使得本申請實施例提供的電力資源評測方法更加清晰、完善、便于本領域技術人員理解。
[0078]實施例三:
[0079]圖3為本申請實施例三提供的一種電力資源評測裝置的結構示意圖。
[0080]如圖3所示，該裝置包括:
[0081]響應單元11，用于響應用戶輸入的電力資源的各個屬性值，根據預先設置的BP神經網絡模型，計算對應該電力資源的現金流量。
[0082]在本申請實施例中，優選的，該屬性值為:該電力資源的使用年限值、當前市場價格、和/或生產廠商，以上僅僅是本申請實施例的優選方式，發明人還可以根據自己的需求任意設置該屬性值的具體表現形式。
[0083]計算單元12，用于利用該現金流量及預先設置的收益法評估公式，計算該電力資源的資源值，以實現對該電力資源的評測。
[0084]在本申請實施例中，優選的,該計算單元12包括:獲取單元及計算子單元,其中，獲取單元，用于獲取用戶輸入的折現率；計算子單元，用于根據折現率、現金流量及預先設置的收益法評估公式，計算該電力資源的資源值，以實現對該電力資源的評估。
[0085]進一步的，在本申請實施例提供的一種電力資源評測裝置中，還包括PB神經網絡模型創建單元。
[0086]該BP神經網絡模型創建單元用于預先創建BP神經網絡模型。
[0087]圖4為本申請實施例三提供的一種BP神經網絡模型創建單元的詳細結構示意圖。
[0088]如圖4所示,該BP神經網絡模型創建單元包括:初始BP神經網絡模型創建單元21、第一計算單元22、第二計算單元23、判斷單元24、調整單元25及確定單元26，其中，
[0089]初始BP神經網絡模型創建單元21，用于執行S1、響應用戶輸入的創建請求，創建初始BP神經網絡模型。
[0090]在本申請實施例中，該初始BP神經網絡模型創建單元21包括:初始化單元及初始BP神經網絡模型確定單元，其中，初始化單元，用于響應用戶輸入的創建請求，初始化預先設置的BP神經網絡模型計算公式中的各個神經元之間連接處的加權系數；初始BP神經網絡模型確定單元，用于利用該BP神經網絡模型計算公式及初始化的加權系數，確定初始BP神經網絡模型。
[0091]第一計算單元22，用于執行S2、響應用戶輸入的電力資源樣本的各個屬性值，根據初始BP神經網絡模型，計算與該電力資源樣本對應的現金流量。
[0092]第二計算單元23，用于執行S3、計算現金流量與預先設置的預期現金流量之間的誤差值。
[0093]判斷單元24，用于執行S4、判斷誤差值是否滿足預先設置的精度要求。
[0094]調整單元25，用于執行S5、當誤差值不滿足預先設置的精度要求時，根據誤差值調節該初始BP神經網絡模型中的各個神經元之間連接處的加權系數，并返回執行步驟S2。
[0095]確定單元26，用于執行S6、當誤差值滿足預先設置的精度要求時，將當前BP神經網絡模型確定為BP神經網絡模型。
[0096]本申請實施例提供一種電力資源評測裝置，該裝置通過響應用戶輸入的電力資源的各個屬性值，根據預先設置的BP神經網絡模型，計算對應該電力資源的現金流量，并利用該現金流量及預先設置的收益法評估公式，計算該電力資源的資源值，以實現對該電力資源的評測，使得電網企業在接收電力資源之前對該電力資源進行評估、以減小后期維護該電力資源時的成本、避免該電力資源對電網企業造成的安全隱患問題。
[0097]本發明中各個實施例采用遞進的方式描述，每個實施例重點說明的都是與其他實施例的不同之處，各個實施例之間相同相似部分互相參見即可。對于實施例公開的裝置而言，由于其與實施例公開的方法相對應，所以描述的比較簡單，相關之處參見方法部分說明即可。
[0098]以上僅是本發明的優選實施方式，使本領域技術人員能夠理解或實現本發明。對這些實施例的多種修改對本領域的技術人員來說將是顯而易見的，本文中所定義的一般原理可以在不脫離本發明的精神或范圍的情況下，在其它實施例中實現。因此，本發明將不會被限制于本文所示的這些實施例，而是要符合與本文所公開的原理和新穎特點相一致的最寬的范圍。
【權利要求】
1.一種電力資源評測方法，其特征在于，包括: 響應用戶輸入的電力資源的各個屬性值，根據預先設置的BP神經網絡模型，計算對應該電力資源的現金流量； 利用該現金流量及預先設置的收益法評估公式，計算該電力資源的資源值，以實現對該電力資源的評測。
2.根據權利要求1所述的方法，其特征在于，所述屬性值為:該電力資源的使用年限值、當前市場價格、和/或生產廠商。
3.根據權利要求2所述的方法，其特征在于，所述BP神經網絡模型的創建過程為: 51、響應用戶輸入的創建請求，創建初始BP神經網絡模型； 52、響應用戶輸入的電力資源樣本的各個屬性值，根據所述初始BP神經網絡模型，計算與該電力資源樣本對應的現金流量； 53、計算所述現金流量與預先設置的預期現金流量之間的誤差值； 54、判斷所述誤差值是否滿足預先設置的精度要求； 55、當所述誤差值不滿足預先設置的精度要求時，根據所述誤差值調節該初始BP神經網絡模型中的各個神經元之間連接處的加權系數，并返回執行步驟S2 ； 56、當所述誤差值滿足預先設置的精度要求時，將當前BP神經網絡模型確定為BP神經網絡模型。
4.根據權利要求3所述的方法，其特征在于，所述響應用戶輸入的創建請求，創建初始BP神經網絡模型，包括: 響應用戶輸入的創建請求，初始化預先設置的BP神經網絡模型計算公式中的各個神經元之間連接處的加權系數； 利用該BP神經網絡模型計算公式及初始化的加權系數，確定初始BP神經網絡模型。
5.根據權利要求4所述的方法，其特征在于，所述利用該現金流量及預先設置的收益法評估公式，計算該電力資源的資源值，以實現對該電力資源的評測，包括: 獲取用戶輸入的折現率； 根據所述折現率、現金流量及預先設置的收益法評估公式，計算該電力資源的資源值，以實現對該電力資源的評估。
6.一種電力資源評測裝置，其特征在于，包括: 響應單元，用于響應用戶輸入的電力資源的各個屬性值，根據預先設置的BP神經網絡模型，計算對應該電力資源的現金流量； 計算單元，用于利用該現金流量及預先設置的收益法評估公式，計算該電力資源的資源值，以實現對該電力資源的評測。
7.根據權利要求6所述的裝置，其特征在于，所述屬性值為:該電力資源的使用年限值、當前市場價格、和/或生產廠商。
8.根據權利要求7所述的裝置，其特征在于，還包括: PB神經網絡模型創建單元，用于預先創建BP神經網絡模型，該BP神經網絡模型創建單元包括初始BP神經網絡模型創建單元、第一計算單元、第二計算單元、判斷單元、調整單元及確定單元，其中， 所述初始BP神經網絡模型創建單元，用于執行S1、響應用戶輸入的創建請求，創建初始BP神經網絡模型； 所述第一計算單元，用于執行S2、響應用戶輸入的電力資源樣本的各個屬性值，根據所述初始BP神經網絡模型，計算與該電力資源樣本對應的現金流量； 所述第二計算單元，用于執行S3、計算所述現金流量與預先設置的預期現金流量之間的誤差值； 所述判斷單元，用于執行S4、判斷所述誤差值是否滿足預先設置的精度要求； 所述調整單元，用于執行S5、當所述誤差值不滿足預先設置的精度要求時，根據所述誤差值調節該初始BP神經網絡模型中的各個神經元之間連接處的加權系數，并返回執行步驟S2 ； 所述確定單元，用于執行S6、當所述誤差值滿足預先設置的精度要求時，將當前BP神經網絡模型確定為BP神經網絡模型。
9.根據權利要求8所述的裝置，其特征在于，所述初始BP神經網絡模型創建單元包括: 初始化單元，用于響應用戶輸入的創建請求，初始化預先設置的BP神經網絡模型計算公式中的各個神經元之間連接處的加權系數； 初始BP神經網絡模型確定單元，用于利用該BP神經網絡模型計算公式及初始化的加權系數，確定初始BP神經網絡模型。
10.根據權利要求9所述的裝置，其特征在于，所述計算單元包括: 獲取單元，用于獲取用戶輸入的折現率； 計算子單元，用于根據所述折現率、現金流量及預先設置的收益法評估公式，計算該電力資源的資源值，以實現對該電力資源的評估。
【文檔編號】G06Q50/06GK104134171SQ201410411355
【公開日】2014年11月5日 申請日期:2014年8月20日 優先權日:2014年8月20日
【發明者】郭麗平, 周潔, 任恒杰, 余躍, 朱振洪, 鄭瑩瑩, 徐朝暉 申請人:國網浙江余姚市供電公司, 國家電網公司, 國網浙江省電力公司寧波供電公司