[发明专利]基于电力物资的需求智能分析方法、系统、设备及介质

权利要求书

1.一种基于电力物资的需求智能分析方法，其特征在于，所述方法包括：

获取目标电力企业在预设时间段内的历史电力物资需求数据，对所述历史电力物资需求数据进行数据预处理，得到标准需求数据；

对所述标准需求数据进行需求分类，得到所述目标电力企业对应的物资需求类别数据；

对所述物资需求类别数据进行需求初始预测，得到每个所述物资需求类别数据的初始需求预测数据；

构建每个所述初始需求预测数据的需求数据矩阵，对所述需求数据矩阵进行矩阵分解，得到每个所述物资需求类别数据的需求分解矩阵；

根据所述需求分解矩阵计算所述目标电力企业的物资需求预测数据。

2.如权利要求1所述的基于电力物资的需求智能分析方法，其特征在于，所述对所述历史电力物资需求数据进行数据预处理，得到标准需求数据，包括：

分析所述历史电力物资需求数据的数据属性，根据所述数据属性对所述历史电力物资需求数据进行清洗，得到清洗电力物资数据；

识别所述清洗电力物资数据中的异常数据，对所述异常数据进行数据替换，得到标准需求数据。

3.如权利要求1所述的基于电力物资的需求智能分析方法，其特征在于，所述对所述标准需求数据进行需求分类，得到所述目标电力企业对应的物资需求类别数据，包括：

对所述标准需求数据进行哈希运算，得到所述标准需求数据的数据编码；

将所述数据编码与预设的编码类别对应关系相匹配，得到所述目标电力企业对应的需求类别数据。

4.如权利要求1所述的基于电力物资的需求智能分析方法，其特征在于，所述对所述物资需求类别数据进行需求初始预测，得到每个所述物资需求类别数据的初始需求预测数据，包括：

计算每个所述物资需求类别数据的数据分布，根据所述数据分布确定每个所述物资需求数据的趋势项；

利用傅里叶函数计算每个所述物资需求类别数据的季节周期规律，得到每个所述物资需求类别数据的季节项；

利用如下公式生成每个所述物资需求类别数据的季节周期规律：

其中，为每个所述物资需求类别数据的季节周期规律，为每个所述物资需求类别数据的季节周期时间，为第个物资需求类别数据，为每个所述物资需求类别数据的总数，、为预设的平滑参数，为预设的季节周期天数；

提取每个所述物资需求类别数据的节假日数据，根据所述节假日数据生成每个所述物资需求类别数据的节假日项；

将所述趋势项、所述季节项、所述节假日项以及预设的误差项相加，得到每个所述物资需求类别数据的初始需求预测数据。

5.如权利要求4所述的基于电力物资的需求智能分析方法，其特征在于，所述计算每个所述物资需求类别数据的数据分布，包括：

计算每个所述物资需求类别数据的数据均值及数据方差；

根据所述数据均值及数据方差计算平均需求数据，计算所述平均需求数据与每个所述物资需求类别数据中真实物资需求类别数据之间的标准差；

根据所述标准差构建物资需求类别数据分布正态函数，得到每个所述物资需求类别数据的数据分布。

6.如权利要求1所述的基于电力物资的需求智能分析方法，其特征在于，所述对所述需求数据矩阵进行矩阵分解，得到每个所述物资需求类别数据的需求分解矩阵，包括：

根据每个所述需求数据矩阵的行列数分别生成初始分解矩阵；

利用预设的目标函数对所述初始分解矩阵进行随机梯度下降法迭代，得到迭代分解矩阵；

利用如下的目标函数对所述初始分解矩阵进行随机梯度下降法迭代：

其中，为目标函数，为所述需求数据矩阵，为每个所述需求数据矩阵的行与列，为所述初始分解矩阵的总列数，，为初始分解矩阵，为预设的正则系数；

利用均方误差计算所述迭代分解矩阵与所述需求数据矩阵之间的误差，直至所述误差小于预设的误差阈值，得到每个所述物资需求类别数据的需求分解矩阵。