CN111553505A - 一种电力物资入库数量预测方法 - Google Patents

Abstract

为了指导电力企业在面对具有不确定性的电力物资时、较难对存储空间进行预留和优化的问题，本发明提出一种电力物资入库数量预测方法，对尚未入库的潜在物资进行联想化预测。步骤包括：首先对电力物资入库数量的随机性以及入库时间进行量化，推导出电力物资预期入库数量的表达式，之后通过历史数据分析找出不同电力物资之间的数量比均值和标准差，通过似然函数来量化，然后通过贝叶斯分析方法推导出未入库电力物资预期入库数量的更新和修正公式，继而对多个公式进行加权集成，所得结果即为本发明的结果。本发明提供的方法能有效地提高电力物资入库数量预测的精度、减少预测的不确定性，指导电力企业合理配置有限的仓库储位资源。

Description

一种电力物资入库数量预测方法

【技术领域】

本发明涉及电力技术领域，具体涉及一种电力物资入库数量预测方法。

【背景技术】

由于电力物资产品的专业性强、品种多、规格杂、数量大，因此电力物资的仓储数据相当庞大和复杂，简单地用肉眼或者是对出入库单据进行查看很难发现其中的规则。因此拟使采用大数据技术，对海量的出入库和在库数据进行自动收集、处理，并进行大数据处理分析，从而挖掘这些数据当中是否隐含某些有价值的信息，为优化电力物资的仓储管理提供科学的依据。

从电力企业物资部门角度实现库内物资储备优化管理。考虑历史订单信息所反映的物资之间的相关性，构建基于物资相关性大数据分析模型和智能化物资储备优化方案。从物资相关性角度来分析，各物资之间存在相互配合、相互备用的现象，不同物资的需求数量上有“同增同减”或“此消彼长”等截然不同的特点，如水泥杆和架空绝缘导线理论上就存在一定的相关关系。借鉴频繁项集和关联规则理论，从历史订单中发现有关电力物资入库的频繁项集，并且找出这些频繁项集之间的联系(即关联规则)。使用贝叶斯分析方法，通过部分已入库的物资数量对其他尚未入库的物资数量进行更新与修正。以帮助电力公司了解库存物资品类间的联系，对尚未入库的潜在物资进行联想化补货，对存储空间和区位进行预留。

【发明内容】

为解决前述问题，本发明提供了一种电力物资入库数量预测方法，对尚未入库的潜在物资进行精确的预测。

一种电力物资入库数量预测方法，包括如下步骤：

获取未入库电力物资的种类编号、已入库电力物资的种类编号和数量、之前每个历史补货周期的电力物资的种类编号和数量；

根据获取到的之前每个历史补货周期的电力物资的种类编号和数量计算之前每个历史补货周期的不同电力物资之间的数量比的均值、之前每个历史补货周期的不同电力物资之间的数量比的标准差；

根据计算得到的之前每个历史补货周期的不同电力物资之间的数量比的均值和标准差、以及获取到的未入库电力物资的种类编号、已入库电力物资的种类编号和数量对未入库电力物资的预期入库数量进行贝叶斯更新以及加权贝叶斯更新，得到最终预测结果。

可选的，其特征在于：

未入库电力物资的种类编号为j’，j′∈J′＝{j|t_j>s}，

J’为未入库电力物资的种类集合，

已入库电力物资的种类编号为j”，j″∈J″＝{j|t_j≤s}，

J”为已入库电力物资的种类集合，

未入库电力物资的种类编号和已入库电力物资的种类编号满足约束条件J′+J″＝J，其中，j为所有物资的种类编号，J为所有电力物资的种类集合，t_j为电力物资j入库的时间，s为所有时间点的编号。

可选的，电力物资预期入库数量根据如下公式计算：

其中，d_js为电力物资预期入库数量，P_j服从数学期望为μ_j、标准方差为τ_j ²的高斯分布，Q_j为已入库的电力物资数量。

可选的，在对未入库电力物资的预期入库数量进行贝叶斯更新前，计算似然函数，所述似然函数π(P_j″|P_j′)为：

再计算P_j″的边际概率分布函数π^Mar(P_j″)：

以及P_j′的后验概率分布函数为π^Pos(P_j′|P_j″)：

其中，

根据似然函数、边际概率分布函数、后验概率分布函数以及获取到的未入库电力物资的种类编号、已入库电力物资的种类编号和数量对未入库电力物资的预期入库数量进行贝叶斯更新：

σ_j′j″为已入库电力物资和未入库电力物资之间数量比之外的误差，θ_j′j″之前每个历史补货周期的不同电力物资之间的数量比，σ_j′j″为之前每个历史补货周期的不同电力物资之间的数量比的标准差。

可选的，经加权贝叶斯更新后的某一种未入库电力物资j′的预期入库数量：

本发明所提供的方法使得更新和修正后的未入库电力物资预期入库数量更接近实际入库数量。从更新前后的结果比较来看，更新后的需求均值其精度会持续提高，且离入库时间越远，精度提高的幅度越大；而更新后的需求数量的稳定性也越来越高。本发明所提供的方法不仅可以提高电力物资数量的预测精度，还同时减少了电力物资数量预测的不确定性和变数。从实例运行结果来看，本发明所提出的方法有效地减小了电力企业在对仓储管理和库存控制的难度，指导企业合理配置有限仓库储位资源、降低了仓储运营成本，提高了仓储管理水平和运营水平。

本发明的这些特点和优点将会在下面的具体实施方式以及附图中进行详细的揭露。本发明最佳的实施方式或手段将结合附图来详尽表现，但并非是对本发明技术方案的限制。另外，在每个下文和附图中出现的这些特征、要素和组件是具有多个，并且为了表示方便而标记了不同的符号或数字，但均表示相同或相似构造或功能的部件。

【附图说明】

下面结合附图对本发明作进一步说明：

图1为本发明实施例的框架图。

【具体实施方式】

下面结合本发明实施例的附图对本发明实施例的技术方案进行解释和说明，但下述实施例仅为本发明的优选实施例，并非全部。基于实施方式中的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得其他实施例，都属于本发明的保护范围。

在本说明书中引用的“一个实施例”或“实例”或“例子”意指结合实施例本身描述的特定特征、结构或特性可被包括在本专利公开的至少一个实施例中。短语“在一个实施例中”在说明书中的各位置的出现不必都是指同一个实施例。

实施例：

本实施例提供了一种电力物资入库数量预测方法，包含以下步骤：

获取未入库电力物资的种类编号、已入库电力物资的种类编号和数量、之前每个历史补货周期的电力物资的种类编号和数量；

根据获取到的之前每个历史补货周期的电力物资的种类编号和数量计算之前每个历史补货周期的不同电力物资之间的数量比的均值、之前每个历史补货周期的不同电力物资之间的数量比的标准差；

根据计算得到的之前每个历史补货周期的不同电力物资之间的数量比的均值和标准差、以及获取到的未入库电力物资的种类编号、已入库电力物资的种类编号和数量对未入库电力物资的预期入库数量进行贝叶斯更新以及加权贝叶斯更新，得到最终预测结果。

详细步骤如下：

j’为未入库电力物资的种类编号，j′∈J′＝{j|t_j>s}，

J’为未入库电力物资的种类集合，

j”为已入库电力物资的种类编号，j″∈J″＝{j|t_j≤s}，

J”为已入库电力物资的种类集合，

未入库电力物资的种类编号和已入库电力物资的种类编号满足约束条件J′+J″＝J，其中，j为所有物资的种类编号，J为所有电力物资的种类集合，t_j为电力物资j入库的时间，s为所有时间点的编号。

根据获取到的未入库电力物资的种类集合、未入库电力物资的种类编号、已入库电力物资的种类集合和已入库电力物资的种类编号计算电力物资预期入库数量，根据如下公式计算：

其中，d_js为电力物资预期入库数量，P_j服从数学期望为μ_j、标准方差为τ_j ²的高斯分布，Q_j为已入库的电力物资数量。

经调研发现，电力物资j在入库之前，即当t_j>s时，物资预期入库数量d_js是一个服从正态分布的随机变量P_j，即

虽然P_j的定义域为(-∞,+∞)，这与电力物资的数量不可能为负数相矛盾，但考虑到P_j落到负数区间的概率极低，因此这种极低概率的情况忽略不计，而当t_j≤s时，表明物资已入库，可获得准确的物资入库数量Q_j。

根据获取到的之前每个历史补货周期的电力物资的种类编号和数量计算之前每个历史补货周期的不同电力物资之间的数量比的均值θ_j′j″、之前每个历史补货周期的不同电力物资之间的数量比的标准差σ_j′j″。

接着推算出似然函数π(P_j″|P_j′)为：

根据似然函数、以及获取到的未入库电力物资的种类编号、已入库电力物资的种类编号和数量对未入库电力物资的预期入库数量进行贝叶斯更新：

根据电力物资预期入库数量的计算公式和贝叶斯定理，计算出P_j″的边际概率分布函数π^Mar(P_j″)：

以及P_j′的后验概率分布函数为π^Pos(P_j′|P_j″)：

其中，

把Q_j″近似看成是P_j″的观测值，将P_j′的后验概率分布函数和ρ_j′j″计算式中的P_j″用Q_j″取代，得到

随着时间的推移，已入库电力物资的种类集合J″中的电力物资种类j″的个数会逐渐增多。由于P_j″被Q_j″取代后的P_j′的后验概率分布函数是针对已入库电力物资的种类集合J″中的某一种电力物资j″对未入库电力物资的种类集合J′中的某一种电力物资j′进行预期入库数量更新和修正，因此当已入库电力物资的种类集合J″中的电力物资种类j″的个数为n(n为≥1的正整数)时，P_j″被Q_j″取代后的P_j′的后验概率分布函数的结果也会有n个，即相当于对某一种未入库电力物资j′的数量进行了n次贝叶斯更新和修正。

为了使对某一种未入库电力物资j′的预期入库数量预测结果更为准确，综合所有贝叶斯更新的结果，设计了一个加权的贝叶斯更新函数，由此获得经加权贝叶斯更新后的某一种未入库电力物资j′的预期入库数量：

本技术方案所提供的方法，总结出两类电力物资j′和j″的入库数量更新方式：对于某一种未入库电力物资j′，其预期入库数量仍为随机变量，其后验概率分布函数可以通过加权贝叶斯更新的计算公式得到；对于某一种已入库电力物资j″，其入库数量为确定性的常数Q_j″。

在实际中的应用实例如下：

某电力企业仓库存有各种电力物资。表1列出了五种典型电力物资的需求(预期)数量。以铁附件为例，铁附件在第二周入库，因此在第二周可获得铁附件的精确入库数量450件，而第一周只能获得铁附件的入库预期数量，为服从均值为350(件)、标准差为80(件)的正态分布的随机变量。五种电力物资之间的历史数量比均值和标准差如表2。

由于不同的电力物资其入库时间不同，因此获得精确入库数量的时间也不一样。如金具的入库时间最迟，因此获得其精确的入库数量也最晚。在仓库容量有限的现实约束下，需要提前对未入库物资的储位进行预留；且可将相关性较大的物资存放在相近储位，以优化搬运路线和运力。

表1电力物资需求(预期)数量

表2历史电力物资之间的数量比均值和标准差

2)求解结果。

经过贝叶斯分析方法更新后的需求预测结果如表3所示。

表3经过更新和修正的电力物资需求预期数量

3)用本文的方法来更新和修正未入库电力物资预测数量可获得的效果。

表4更新前后的结果比较(需求数量均值)

精度＝(更新后的数量-更新前的数量)/入库后的精确数量

表5更新前后的结果比较(需求数量标准差)

稳定度＝(更新前的标准差-更新后的标准差)/更新前的标准差

以上，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，熟悉该本领域的技术人员应该明白本发明包括但不限于附图和上面具体实施方式中描述的内容。任何不偏离本发明的功能和结构原理的修改都将包括在权利要求书的范围中。

Claims (5)

1.一种电力物资入库数量预测方法，其特征在于：所述电力物资入库数量预测方法包括如下步骤：

获取未入库电力物资的种类编号、已入库电力物资的种类编号和数量、之前每个历史补货周期的电力物资的种类编号和数量；

根据获取到的之前每个历史补货周期的电力物资的种类编号和数量计算之前每个历史补货周期的不同电力物资之间的数量比的均值、之前每个历史补货周期的不同电力物资之间的数量比的标准差；

根据计算得到的之前每个历史补货周期的不同电力物资之间的数量比的均值和标准差、以及获取到的未入库电力物资的种类编号、已入库电力物资的种类编号和数量对未入库电力物资的预期入库数量进行贝叶斯更新以及加权贝叶斯更新，得到最终预测结果。

2.根据权利要求1所述的电力物资入库数量预测方法，其特征在于：

未入库电力物资的种类编号为j’，j′∈J′＝{j|t_j>s}，

J’为未入库电力物资的种类集合，

已入库电力物资的种类编号为j”，j″∈J″＝{j|t_j≤s}，

J”为已入库电力物资的种类集合，

未入库电力物资的种类编号和已入库电力物资的种类编号满足约束条件J′+J″＝J，其中，j为所有物资的种类编号，J为所有电力物资的种类集合，t_j为电力物资j入库的时间，s为所有时间点的编号。

3.根据权利要求2所述的电力物资入库数量预测方法，其特征在于：电力物资预期入库数量根据如下公式计算：

其中，d_js为电力物资预期入库数量，P_j服从数学期望为μ_j、标准方差为τ_j ²的高斯分布，Q_j为已入库的电力物资数量。

4.根据权利要求3所述的电力物资入库数量预测方法，其特征在于：

在对未入库电力物资的预期入库数量进行贝叶斯更新前，计算似然函数，所述似然函数π(P_j″|P_j′)为：

再计算P_j″的边际概率分布函数π^Mar(P_j″)：

以及P_j′的后验概率分布函数为π^Pos(P_j′|P_j″)：

其中，

根据似然函数、边际概率分布函数、后验概率分布函数以及获取到的未入库电力物资的种类编号、已入库电力物资的种类编号和数量对未入库电力物资的预期入库数量进行贝叶斯更新：

σ_j′j″为已入库电力物资和未入库电力物资之间数量比之外的误差，θ_j′j″之前每个历史补货周期的不同电力物资之间的数量比，σ_j′j″为之前每个历史补货周期的不同电力物资之间的数量比的标准差。

5.根据权利要求4所述的电力物资入库数量预测方法，其特征在于：经加权贝叶斯更新后的某一种未入库电力物资j′的预期入库数量：

Images