[发明专利]一种配电网物资需求预测方法及系统

说明书

本发明公开了一种配电网物资需求预测方法及系统，用于在配网物资需求预测中，实现配网物资需求智能化预测，经过配网物资的分类及历史使用量分析计算，优化物资预测模型，选择最优预测算法模型。所述的配电网物资需求预测模型及计算机程序产品包括：自动采集配电网物资历史使用数据；自动建立物资需求预测模型；自动进行预测模型训练选择最优预模型参数；智能化开展配电网物资需求预测，自动生成物资需求预测量。本发明提供多角度物资需求预测方法，生成多维度，全覆盖的物资需求预测结果，完善电网公司内部物资需求预测管理模式，提升物资需求预测准确率，确保物资供应链及时、高效，实现企业高效率、高效益的经营目标。

技术领域

本发明涉及电力计算分析方法技术领域，具体为一种配电网物资需求预测方法及系统。

背景技术

物资需求量的预测是指在规划阶段公司为满足项目建设等方面需要耗费的物资量做出的推测和预计，结合历史使用数据进行分析处理，对电网物资数据可采用同时处理连续性需求和间断性需求的多个预测模型进行组合预测，以实现预测模型选择的自动化和智能化，能够对物资未来的需求量以及变化趋势做出相应的预估。物资需求量的预测隶属供应链理论中的需求管理领域，在电力系统中的应用处于起步阶段，还没有一套成熟的配电网物资需求预测模型。

发明内容

有鉴于此，本发明主要提供一种配电网物资需求预测模型及计算机程序产品，为配配电网物资需求预测提供解决思路，并在计算机中建立配电网物资需求预测模型，采用计算机充分获取历史数据并使用高速计算代替传统手动分析，提高计算的精准度，提升配电网物资需求预测结果的可靠性。

具体的，本发明用于在配网物资需求预测中，实现配网物资需求智能化预测，经过配网物资的分类及历史使用量分析计算，优化物资预测模型，选择最优预测算法模型。所述的配电网物资需求预测模型及计算机程序产品包括：自动采集配电网物资历史使用数据；自动建立物资需求预测模型；自动进行预测模型训练选择最优预模型参数；智能化开展配电网物资需求预测，自动生成物资需求预测量。

本发明的工作原理和有益效果介绍：通过采集配电网物资历史使用数据，经过核实校验后，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，并训练选择最优预模型参数，经过开展数据的平稳性处理及检验、确定自相关系数和平均移动系数(p,q)、进行残差和白噪声检验，得到物资需求量预测模型校验，得需求量结果。本发明提供配电网物资需求预测模型，利用模型预测配电网物资需求量，提升配电网物资需求预测的可靠性；采用建立计算机模型进行计算，代替人工统计分析，减少因工人计算带来的误差，提升计算的精确度，提高配电网物资需求预测工作的效率。通过本研究成果，将人工从繁杂重复的数据收集，统计，计算中解放出来，节约更多的时间用于其他更深层次的研究，让配电网物资需求预测模型不断精进，提升物资供应准确性，减少物资浪费。

附图说明

图1为实施例3中配电网物资的原始数据图；

图2为对图1中原始数据取对数图；

图3为实施例3中的差分图；

图4为实施例3中的偏自相关图；

图5为实施例3中自相关图；

图6为实施例3中ARIMA结果图；

图7为实施例3中模型结果；

图8为实施例3中预测结果图；

图9为实施例3中预测结果还原图；

图10实施例3中为原始数据与预测结果走势图。

具体实施方式