CN113902188B - 一种电能计量物资需求预测方法 - Google Patents

Abstract

本发明一种电能计量物资需求预测方法涉及电能计量物资的分配和管理。该方法包括S1、对库房各类型电能计量物资每月实际需求数量，即出库数量进行统计，得到概率统计特征；S2、根据历史数据预测未来周期内各类型电能计量物资需求的期望值；S3、根据步骤S2得到的预测的期望值及步骤S1得出的概率统计特征，计算未来需求量的概率分布函数；S4、综合考虑概率分布函数和各类型电能计量物资库存的可靠性要求，确定各类型电能计量物资的需求数量。本发明方法有效提高库存管理的精益化程度，从而改变电能计量物资库存管理方法及模式较为粗放的现状。

Description

一种电能计量物资需求预测方法

技术领域

本发明一种电能计量物资需求预测方法涉及电能计量物资的分配和管理。

背景技术

电力企业是资金密集型企业，电力物资管理是电力企业的一项基础工作，直接牵涉到电力工程建设、公司成本管理以及安全生产等方面内容。电能计量物资是电力物资最为重要物资之一，其主要包括各种类型的电能表、计量用电压、电流互感器及其二次回路相连接组成的用于计量电能的装置(包括联合接线盒、二次导线)，以及用于采集电能数据的采集设备(包括各种类型的负荷控制终端、集中器、采集器)。随着电网建设投资规模的快速增长，电能计量物资在整个电网投资中所占的比重越来越大。随着未来电力市场化的推进，对电能计量的要求会越来越高，计量物资的所需金额必将持续增长，因此，有必要对电能计量物资进行精益化管理。

实际生产管理过程中，很多电力企业在计量装置管理方面仍然采用较为传统落后的管理方法，与精益化管理要求还存在很大差距。很多电力企业的计量设备需求主要由基建部、高低压客户经理提报，而为顺利开展业务，需求提报人员往往会储存大量存货、增大需求的提报，这种需求信息的不真实性容易使得计量中心在设备管理上发生失误，或造成资金占用、库存量配置不合理，严重违背了电力企业物资集约化的管理思想。

发明内容

本发明的目的是针对上述不足之处，提供一种电能计量物资需求预测方法，该方法是一种基于数据挖掘的电能计量物资需求的方法，用于提高库存管理的精益化程度，从而改变电能计量物资库存管理方法及模式较为粗放的现状。

本发明是采取以下技术方案实现的：

一种电能计量物资需求预测方法，包括如下步骤：

S1、对库房各类型电能计量物资每月实际需求数量，即出库数量进行统计，得到概率统计特征；

S2、根据历史数据预测未来周期内各类型电能计量物资需求的期望值；

S3、根据步骤S2得到的预测的期望值及步骤S1得出的概率统计特征，计算未来需求量的概率分布函数；

S4、综合考虑概率分布函数和各类型电能计量物资库存的可靠性要求，确定各类型电能计量物资的需求数量。

步骤S1对库房的每月实际需求数量进行统计，记某一设备历史上第t月的需求数据为X_t，统计该设备的需求量的各阶中心距，计算方法如下：

式(1)中，X_t表示某一设备历史上第t月的需求数据，E(X)为该设备的需求量的期望值；T为历史记录的样本数量，即库存统计数据的总月数；β_k为该设备的k阶中心距。

步骤S2中，根据历史数据预测未来周期内某个设备需求的期望值，包括如下具体步骤：

根据历史数据建立预测模型，所述预测模型如下，

S_t+1＝aX_t+(1-a)S_t (2)

式(2)中，S_t+1为t+1时刻该设备的平滑值；a为指数平滑系数，为权重系数；X_t为第t期的实际值，S_t为t时刻该设备的平滑值。等式右边各变量中，X_t为历史统计数据，S_t可通过历史数据递归求出，但在初始点t＝0无法根据式(2)中的递推关系直接计算得出，需对其进行初始赋值，所述初始赋值的方式如下：

此外，式(2)中a取值在0～1之间。

a的取值与原始数据的波动性关系较为紧密，可根据历史经验进行设置，一般参考设置方式如下：

如果原始数据序列波动不大，a取值区间在0.1～0.3；

如果原始数据序列波动较大，a取值区间在0.6～0.8，按此取值方式可以加重近期观测值的权数，使各期观察值的权数由近及远较快地变小。

如无历史经验可供参考，可采用历史样本进行估算，直接采用一次平滑估计结果反推a的合理数值。该反推计算方法为：令a在0.1～0.9区间内，按照0.1的步长自增，分别求取在不同a参数条件下的一次平滑误差总偏差。

一次平滑误差总偏差的计算方法如下：

式(4)中Totalbias为总偏差，T为历史数据点数。计算出a不同参数条件下的总偏差后，选择总偏差最低的a值作为最终预测参数，按照式(2)重新执行预测，即可求得未来t+1时刻设备需求的期望值，即t+1时刻该设备的平滑值S_t+1。在指数平滑预测方法中，t+1时刻的平滑值就是预测值。

在步骤S3中，由于无法预知未来电力建设推进及故障运维情况，所需的各类型电能计量物资数量也存在不确定性。为准确描述各类型电能计量物资的需求特征，采用建立其概率密度函数或概率分布函数的方法；而为后续求解方便，采用直接求取概率分布函数。

未来需求量的概率分布函数结合步骤S2中求出的期望值和步骤S1中计算出的需求量的各阶中心距求出。未来需求量的概率分布函数计算方法如下：

首先将X标准化，将X的期望值S_t+1简记为μ，将标准差(即二阶中心矩开平方)简记为σ，如此可将X标准化为：

关于的概率分布函数/>可表示为：

式(6)中，A_k为由各阶距计算出的常系数，计算方法如下：

公式(7)里的σ与公式(5)中相应变量含义相同，是式(5)中的标准差；β_k为该设备的k阶中心距，与公式(1)中相应的变量含义相同，β₃、β₄、β₅、β₆、β₇、β₈中取值k＝3,4,5,6,7,8。公式(7)为Hermite多项式的展开形式，非经验性数值。

的计算方法如下：

为标准正态分布N(0,1)的密度函数，详细形式如下：

步骤S4，根据步骤S3得到的未来需求量的概率分布函数计算各类型电能计量物资的需求。

实际库房管理过程中，为了满足电力工程建设及故障运维需要，各类型电能计量物资需要保证有一定的库存量，库存不足将影响工程周期，但库存量也不应保持过大，否则容易造成库存积压，而且电能仪表放置超过规定库存周期后，还需重新进行检定合格后才能投入使用，造成一定的人力物力的浪费。为此，需要根据实际可能出现的需求量大小，确定合理的库存配置量。

根据步骤S3中所得到的未来需求量的概率分布函数，可以获得出现不同需求量的概率；利用该函数可求取库存配置的理想值。求取库存配置的理想值的计算方法如下式：

式(10)中δ为未来库存不足的概率值，可根据设备重要程度和管理要求灵活设置，一般建议设置为0.5％至1％。求解式(10)，所得X即为未来的各类型电能计量物资库存需求预测值，其含义为：在保证库存量大于等于X的情况下，可保证未来出现库存不足的概率低于δ。

一种用于实现电能计量物资需求预测方法的系统，包括：

出库数量统计模块，用于针对库房各类型电能计量物资每月实际需求数量，即出库数量进行统计，得到概率统计特征；

电能计量物资需求预测模块，用于根据出库数量统计模块得到的历史数据，预测未来周期内各类型电能计量物资需求的期望值；

未来需求量概率分布函数计算模块，用于根据电能计量物资需求预测模块的期望值及出库数量统计模块的概率统计特征，计算未来需求量的概率分布函数；

需求数量确定模块，用于结合未来需求量概率分布函数计算模块的概率分布函数和各类型电能计量物资库存的可靠性要求，确定各类型电能计量物资的需求数量。

发明优点：本发明通过挖掘各类型电能计量物资的历史库存及用量数据，对未来设备需求量进行预测。在进行确定性预测的基础上，本发明进一步挖掘了电能计量物资需求的概率分布特征，并进一步利用概率分布特征完善预测结果，最终预测结果不再为单一数值，而是概率分布函数，库房管理者可综合考虑设备价格、设备重要程度以及库房管理要求灵活配置库存量。

附图说明

图1是本发明方法流程图。

具体实施方式

下面结合附图和具体实施例对本发明作详细说明。

本发明方法基于数据挖掘的电能计量物资需求，对电能计量物资需求预测。

具体实施例

一种电能计量物资需求预测方法，包括如下步骤：

S1、对库房各类型电能计量物资每月实际需求数量，即出库数量进行统计，得到概率统计特征；

对库房的每月实际需求数量进行统计，记某一设备历史上第t月的需求数据为X_t，统计该设备的需求量的各阶中心距，计算方法如下：

式(1)中，X_t表示某一设备历史上第t月的需求数据，E(X)为该设备的需求量的期望值；T为历史记录的样本数量，即库存统计数据的总月数；β_k为该设备的k阶中心距。

S2、根据历史数据预测未来周期内各类型电能计量物资需求的期望值；

根据历史数据建立预测模型，所述预测模型如下，

S_t+1＝aX_t+(1-a)S_t (2)

式(2)中，S_t+1为t+1时刻该设备的平滑值；a为指数平滑系数，为权重系数；X_t为第t期的实际值，S_t为t时刻该设备的平滑值。等式右边各变量中，X_t为历史统计数据，S_t可通过历史数据递归求出，但在初始点t＝0无法根据式(2)中的递推关系直接计算得出，需对其进行初始赋值，所述初始赋值的方式如下：

此外，式(2)中a取值在0～1之间。

a的取值与原始数据的波动性关系较为紧密，可根据历史经验进行设置，一般参考设置方式如下：

如果原始数据序列波动不大，a取值区间在0.1～0.3；

如果原始数据序列波动较大，a取值区间在0.6～0.8，按此取值方式可以加重近期观测值的权数，使各期观察值的权数由近及远较快地变小。

如无历史经验可供参考，可采用历史样本进行估算，直接采用一次平滑估计结果反推a的合理数值。该反推计算方法为：令a在0.1～0.9区间内，按照0.1的步长自增，分别求取在不同a参数条件下的一次平滑误差总偏差。

一次平滑误差总偏差的计算方法如下：

式(4)中Totalbias为总偏差，T为历史数据点数。计算出a不同参数条件下的总偏差后，选择总偏差最低的a值作为最终预测参数，按照式(2)重新执行预测，即可求得未来t+1时刻设备需求的期望值，即t+1时刻该设备的平滑值S_t+1。在指数平滑预测方法中，t+1时刻的平滑值就是预测值。

S3、根据步骤S2得到的预测的期望值及步骤S1得出的概率统计特征，计算未来需求量的概率分布函数；

未来需求量的概率分布函数结合步骤S2中求出的期望值和步骤S1中计算出的需求量的各阶中心距求出。未来需求量的概率分布函数计算方法如下：

首先将X标准化，将X的期望值S_t+1简记为μ，将标准差(即二阶中心矩开平方)简记为σ，如此可将X标准化为：

关于的概率分布函数/>可表示为：

式(6)中，A_k为由各阶距计算出的常系数，计算方法如下：

公式(7)里的σ与公式(5)中相应变量含义相同，是式(5)中的标准差；β_k为该设备的k阶中心距，与公式(1)中相应的变量含义相同，β₃、β₄、β₅、β₆、β₇、β₈中取值k＝3,4,5,6,7,8。公式(7)为Hermite多项式的展开形式，非经验性数值。

的计算方法如下：

为标准正态分布N(0,1)的密度函数，详细形式如下：

S4、综合考虑概率分布函数和各类型电能计量物资库存的可靠性要求，确定各类型电能计量物资的需求数量；

根据步骤S3得到的未来需求量的概率分布函数计算各类型电能计量物资的需求；

根据步骤S3中所得到的未来需求量的概率分布函数，可以获得出现不同需求量的概率；利用该函数可求取库存配置的理想值。求取库存配置的理想值的计算方法如下式：

式(10)中δ为未来库存不足的概率值，可根据设备重要程度和管理要求灵活设置，一般建议设置为0.5％至1％。求解式(10)，所得X即为未来的各类型电能计量物资库存需求预测值，其含义为：在保证库存量大于等于X的情况下，可保证未来出现库存不足的概率低于δ。

本发明方法有效提高库存管理的精益化程度，从而改变电能计量物资库存管理方法及模式较为粗放的现状。

Claims (6)

1.一种电能计量物资需求预测方法，其特征在于，包括如下步骤：

S1、对库房各类型电能计量物资每月实际需求数量，即出库数量进行统计，得到概率统计特征；

S2、根据历史数据预测未来周期内各类型电能计量物资需求的期望值；

S3、根据步骤S2得到的预测的期望值及步骤S1得出的概率统计特征，计算未来需求量的概率分布函数；

S4、综合考虑概率分布函数和各类型电能计量物资库存的可靠性要求，确定各类型电能计量物资的需求数量；

步骤S1对库房的每月实际需求数量进行统计，记某一设备历史上第t月的需求数据为X_t，统计该设备的需求量的各阶中心距，计算方法如下：

式(1)中，X_t表示某一设备历史上第t月的需求数据，E(X)为该设备的需求量的期望值；T为历史记录的样本数量，即库存统计数据的总月数；β_k为该设备的k阶中心距；

步骤S2中，根据历史数据预测未来周期内某个设备需求的期望值，包括如下具体步骤：

根据历史数据建立预测模型，所述预测模型如下，

S_t+1＝aX_t+(1-a)S_t (2)

式(2)中，S_t+1为t+1时刻该设备的平滑值；a为指数平滑系数，为权重系数；X_t为第t期的实际值，S_t为t时刻该设备的平滑值；等式右边各变量中，X_t为历史统计数据，S_t可通过历史数据递归求出，但在初始点t＝0无法根据式(2)中的递推关系直接计算得出，需对其进行初始赋值，所述初始赋值的方式如下：

在步骤S3中，未来需求量的概率分布函数计算方法如下：

首先将X标准化，将X的期望值S_t+1简记为μ，将标准差简记为σ，如此将X标准化为：

关于的概率分布函数/>可表示为：

式(6)中，A_k为由各阶距计算出的常系数，计算方法如下：

公式(7)里的σ与公式(5)中相应变量含义相同，是式(5)中的标准差；β_k为该设备的k阶中心距，与公式(1)中相应的变量含义相同，β₃、β₄、β₅、β₆、β₇、β₈中取值k＝3,4,5,6,7,8；公式(7)为Hermite多项式的展开形式，非经验性数值；

的计算方法如下：

为标准正态分布N(0,1)的密度函数，详细形式如下：

2.根据权利要求1所述的电能计量物资需求预测方法，其特征在于，式(2)中a取值在0～1之间。

3.根据权利要求2所述的电能计量物资需求预测方法，其特征在于，a的取值与原始数据的波动性关系较为紧密，根据历史经验进行设置，一般参考设置方式如下：

如果原始数据序列波动不大，a取值区间在0.1～0.3；

如果原始数据序列波动较大，a取值区间在0.6～0.8；

如无历史经验可供参考，可采用历史样本进行估算，直接采用一次平滑估计结果反推a的合理数值。

4.根据权利要求3所述的电能计量物资需求预测方法，其特征在于，所述反推的计算方法为：

令a在0.1～0.9区间内，按照0.1的步长自增，分别求取在不同a参数条件下的一次平滑误差总偏差；

一次平滑误差总偏差的计算方法如下：

式(4)中Totalbias为总偏差，T为历史数据点数；

计算出a不同参数条件下的总偏差后，选择总偏差最低的a值作为最终预测参数，按照式(2)重新执行预测，即求得未来t+1时刻设备需求的期望值，即t+1时刻该设备的平滑值S_t+1。

5.根据权利要求1所述的电能计量物资需求预测方法，其特征在于，所述步骤S4根据步骤S3中所得到的未来需求量的概率分布函数，求取库存配置的理想值，求取库存配置的理想值的计算方法如下式：

式(10)中δ为未来库存不足的概率值，设置为0.5％至1％；求解式(10)，所得X即为未来的各类型电能计量物资库存需求预测值。

6.一种用于实现权利要求1所述的电能计量物资需求预测方法的系统，其特征在于，包括：

出库数量统计模块，用于针对库房各类型电能计量物资每月实际需求数量，即出库数量进行统计，得到概率统计特征；

电能计量物资需求预测模块，用于根据出库数量统计模块得到的历史数据，预测未来周期内各类型电能计量物资需求的期望值；

未来需求量概率分布函数计算模块，用于根据电能计量物资需求预测模块的期望值及出库数量统计模块的概率统计特征，计算未来需求量的概率分布函数；

需求数量确定模块，用于结合未来需求量概率分布函数计算模块的概率分布函数和各类型电能计量物资库存的可靠性要求，确定各类型电能计量物资的需求数量。