[发明专利]一种电力物资预测方法

说明书

技术领域

本发明涉及电力物资供应数据分析领域，更具体地，涉及一种电力物资预测方法。

背景技术

电力物资管理是一项基础工作，牵涉到工程建设、成本管理以及安全生产等方面的内容。加强电力物资工作，需要不断完善管理制度，提高效率，降低成本，对物资采购供应过程实行有效的监控，更好地满足工程建设需要，更好的服务企业的生产和经营管理，追求物资供应的协调性与及时性、库存管理的合理性、物资质量及物资服务的优质性。

电力物资计划管理重点也由单一被动需求计划的统计功能发展为主动预测、需求导向的供应链协同计划模式，并在当前大数据时代背景下，发展为应用大数据，建立需求计划的预测模型，前瞻性开展需求总量预测工作，建立以需求分析为导向的物资需求计划模式，确保在供应链环境下，加强与供应商的协同合作，发挥预测、补给机制的作用，加强供需双方的配合度，提高物资调配效率，降低库存成本。

基于历史条件建设物资供应管理系统，实现了需求、采购、履约及出入库等基本流程管理。但仍存在如下问题：各个环节的物资需求和供应准确度未达到智慧型供应链的要求；未建立相应动态需求预测和控制模型，未实现对各个环节的需求的预警和动态提醒以及从信息系统中取数的逻辑研究。为了更好的满足生产及工程物资供应需要，仅仅实现基本的流程管理是远远不够的。随着电网资产规模的不断扩大，企业对过程物质供应的精细化管理手段和机制提出了更高的要求。利用相应的大数据分析和预测手段，提高智慧供应链的物资供应全过程水平，以实现物资供应管理的高效运作及预测模型和监控，已成为电网当前一项重要的任务。

发明内容

本发明的目的是解决目前电力系统缺少动态物资需求预测和控制模型的缺陷，提出一种电力物资预测方法。

为实现以上发明目的，采用的技术方案是：

一种电力物资预测方法，包括以下步骤：

S1：对电力物资数据进行整理，选取数据样本，并对数据样本进行归类；

S2：利用星相图对电力物资数据进行分析，其中星相图中扇形的大小对应电力物资申报数量的多少，不同的色度代表不同的物资；

S3：根据星相图的显示结果确定需要预测的物资，并通过ARIMA模型进行预测。

优选的是，步骤S1中对数据样本进行归类包括将数据样本分为训练集数据和测试集数据。

其中步骤S3包括以下步骤：

S3.1：根据星相图确定需要预测的物资；

S3.2：对待预测物资的数据样本进行分析建模，判断数据样本是否为平稳时间序列；若结果为是，则转入步骤S3.3；若结果为否，则应用差分对数据样本中的不规则部分进行消除；

S3.3：建立ARIMA模型对物资进行预测。

优选的是，步骤S3.2所述分析建模包括对数据样本的季节、趋势、不规则部分进行分析建模。

优选的是，步骤S3.3所述对物资进行预测包括对物资进行年度预测和月度预测。

与现有技术相比，本发明的有益效果是：

本发明通过对电力物资进行预测，加强了电网公司的物资横向联系，有力的促进了智慧供应链的建设，降低了物资浪费和闲置，提升了物资管理的效率，提升了员工的满意度，为南方电网物资管理工作提供了有价值的经验。

附图说明

图1为本发明的流程图；

图2为本发明所述的星相图；

图3为物资申报时间序列图；

图4为物资申报时间序列的一阶方差图；

图5为基于ARIMA模型的物资预测图；

图6为预测误差直方图。

具体实施方式

附图仅用于示例性说明，不能理解为对本专利的限制；

以下结合附图和实施例对本发明做进一步的阐述。

实施例1

一种电力物资预测方法，如图1所示，包括以下步骤：

S1：对电力物资数据进行整理，选取数据样本，并对数据样本进行归类；

通过对原始数据进行整理和分析，采用数据完整、代表性强的数据样本，从中抽取训练集数据和测试集数据，检验模型预测性能。

S2：利用星相图对电力物资数据进行分析，如图2所示，其中星相图中扇形的大小对应电力物资申报数量的多少，不同的色度代表不同的物资；从中也可以粗略看出早期与近期的物资申报情况有明显差异，且有些物资在过去整年内未曾申报需求的情况。

S3：根据星相图的显示结果确定需要预测的物资，并通过ARIMA模型进行预测。