[发明专利]一种配电网物资需求预测方法及系统

权利要求书

1.一种配电网物资需求预测方法，其特征在于，包括以下步骤：

采集配电网物资历史使用数据，获取配电网物资历史年份物资使用数据；对历史使用数据进行准确性验证；有明显异常的数据做出标记，直到全部数据都校验通过，清理问题数据；根据配电网物资历史年份物资使用数据，建立物资需求预测模型，预测模型训练选择最优预模型参数。

2.根据权利要求1所述的配电网物资需求预测方法，其特征在于，配电网物资历史数据包括物资的历史需求计划、采购量、系统领用量、系统实时库存量。

3.根据权利要求2所述的配电网物资需求预测方法，其特征在于，所述建立物资需求预测模型包括：根据配电网物资历史年份物资使用数据，基于“差分整合移动平均自回归模型：ARIMA(p，d，q)模型”建立配电网物资需求预测模型，其中：

P：代表预测模型中采用的时序数据本身的滞后数lags；

d：代表时序数据需要进行几阶差分化，才是稳定的；

q：代表预测模型中采用的预测误差的滞后数lags。

4.根据权利要求2所述的配电网物资需求预测方法，其特征在于，所述预测模型训练选择最优预模型参数包括：

C1、开展数据的平稳性处理及检验

用Python对数据进行分析处理建模，模拟画出按年份配网物资使用量的时间路径图；

C2、确定自相关系数和平均移动系数(p,q)

根据时间序列的识别规则，采用ACF图、PAC图，赤道信息量准则AIC和贝叶斯准则BIC相结合的方式来确定ARMA模型的阶数,选取AIC和BIC值达到最小的那一组为理想阶数；

C3、进行残差和白噪声检验

对模型ARIMA(0,1,1)的残差序列arma_mod.resid进行ADF检验；

C4、物资需求量预测模型校验

选取a物资开展物资需求量预测模型验证。

5.一种配电网物资需求预测系统，其特征在于，包括：

数据存储模块：用于采集配电网物资历史使用数据、年份物资使用数据；

数据处理模块：用于对历史使用数据进行准确性验证，能对有明显异常的数据做出标记，直到全部数据都校验通过，清理问题数据；

物资需求预测模块，用于建立物资需求预测模型，能通过预测模型训练选择最优预模型参数，生成验证结果。

6.根据权利要求5所述的配电网物资需求预测系统，其特征在于，所述物资需求预测模块还用于：根据配电网物资历史年份物资使用数据，基于“差分整合移动平均自回归模型ARIMA(p，d，q)模型”建立配电网物资需求预测模型，其中：

P：代表预测模型中采用的时序数据本身的滞后数lags；

d：代表时序数据需要进行几阶差分化，才是稳定的；

q：代表预测模型中采用的预测误差的滞后数lags；

还能开展数据的平稳性处理及检验：用Python对数据进行分析处理建模，模拟画出按年份配网物资使用量的时间路径图；

能确定自相关系数和平均移动系数(p,q)：根据时间序列的识别规则，采用ACF图、PAC图，赤道信息量准则AIC和贝叶斯准则BIC相结合的方式来确定ARMA模型的阶数,选取AIC和BIC值达到最小的那一组为理想阶数；

能进行残差和白噪声检验对模型ARIMA(0,1,1)的残差序列arma_mod.resid进行ADF检验；

能对物资需求量预测模型校验：选取a物资开展物资需求量预测模型验证。