【目的】电力工程因施工周期长，易受多种不确定因素影响，可能导致成本大幅增加。因此，合理估算应急成本对工程管理至关重要。然而，传统基于经验的方法误差较大，难以适应复杂的工程环境。基于模糊专家系统和机器学习的方法在性能上虽有所改进，但仍存在参数优化难、过拟合严重等问题。为此，提出了一种应急成本估算新方法，通过结合自适应网络模糊推理系统处理不确定性问题的优势，并引入主成分分析模块缓解过拟合问题，进而提高预测精度。【方法】提出了一种结合风险分析和自适应网络的模糊推理系统的应急成本估算方法，通过分析影响电力工程成本的13个风险因素，建立了应急成本与风险因素之间的关系模型；利用模糊逻辑处理不确定性问题，引入了自适应网络模糊推理系统。自适应网络模糊推理系统通过模糊化输入变量并利用神经网络进行推理，避免了传统模糊专家系统对模糊规则库的依赖。为进一步提高预测精度，在自适应网络模糊推理系统中引入了主成分分析模块，通过降维减少冗余信息，缓解了其在小数据集上可能出现的过拟合问题。【结果】实验选取210条电力工程应急成本数据，随机选取80%作为训练集、20%作为测试集，对比4种方法的性能：基于Mamdani模糊推理的方法、基于支持向量机的方法、基于自适应网络模糊推理系统的方法和基于改进型自适应网络模糊推理系统的方法。实验结果表明：对比两种现有方法，基于自适应网络模糊推理系统的方法在训练集上表现优异，但在测试集上过拟合严重；引入主成分分析模块后，基于改进型自适应网络模糊推理系统的方法在测试集上的表现明显更优、泛化能力更强且收敛速度更快。【结论】基于改进型自适应网络模糊推理系统的应急成本估算方法结合了模糊推理和神经网络的优势，提高了对电力工程应急成本的预测精度。主要创新点为：提出了一种应急成本估算方法，结合了模糊逻辑和神经网络的优势，能够有效处理不确定性问题；在自适应网络模糊推理系统中引入了主成分分析模块，通过降维减少了冗余信息，有效避免了模型过拟合问题，提高了其泛化能力。该方法可为电力工程预算管理提供智能化解决方案，也可推广至其他不确定性成本预测领域。