赵深,程栋,陈勇杰,贾雍
ZHAO Shen,CHENG Dong,CHEN Yongjie,JIA Yong

• 1:国网浙江省电力有限公司

摘要(Abstract)：

在国家电网当下背景与发展要求下,针对电网物资库存的管理现状,迫切需要对物资需求进行精准预测。以目前的电网数据条件、数据挖掘技术条件为基础进行可行性研究验证;最后通过时间序列、 LSTM神经网络等算法对物资领用历史数据进行建模分析,得到一种有效的物资预测研究方法。
Under the current context and development requirements of the SGCC, it is urgent to accurately forecast the material demand given the existing management of grid material inventory. Based on the present situation of grid data and data mining technology, the feasibility study is verified; finally, the time series forecasting and LSTM are adopted to build a model and analyze historical reception data to conclude an effective material forecasting study method.

关键词(KeyWords)： 物资预测;标包;时间序列;LSTM神经网络;指数平滑法;Croston算法
material forecasting;standard package;time series;LSTM;exponential smoothing method;Croston algorithm

Abstract:

Keywords:

基金项目(Foundation):

作者(Author): 赵深,程栋,陈勇杰,贾雍
ZHAO Shen,CHENG Dong,CHEN Yongjie,JIA Yong

DOI: 10.19585/j.zjdl.202004009

参考文献(References)：

• [1]钱枫林,崔健.BP神经网络模型在应急需求预测中的应用:以地震伤亡人数预测为例[J].中国安全科学学报,2013,23(4):20-25.
• [2]宋斌,卜涛,张洪青.电网建设项目物资需求预测研究[J]物流技术,2013,32(5):319-321.
• [3]王鑫,吴际,刘超,等.基于LSTM循环神经网络的故障时间序列预测[J].北京航空航天大学学报,2018,44(4)772-784.
• [4]韩戟,何成浩,苏星,等.一种基于SVM的电力行业物资需求预测方法[J].电气技术,2016(12):152-154.
• [5]黄宏和,吴臻,琚军,等.基于物资需求特性量化预测未来需求的方法[J].浙江电力,2019,38(7):75-80.
• [6]钱仲文,陈浩,纪德良.一种基于XGBoost算法的月度负荷预测方法[J].浙江电力,2019,38(5):77-82.
• [7]杨建国.推行电力物资供应链管理促进电网应急物资保障[J].市场研究,2011(9):52-54.
• [8]牛永界,郭继坤.组合预测法在战时单兵日均物资需求预测中的应用[J].后勤工程学院学报,2008,24(4):66-69.
• [9]徐晓燕.一种基于需求特性分类的备件库存管理方法及其实证研究[J].系统工程理论与实践,2006,26(2):64-69.
• [10]程凤姣,孙若莹.基于需求特性的组合式库存需求预测方法[J].北京信息科技大学学报(自然科学版),2018,32(3):61-65.
• [11]龚巍.基于需求特性分类的电力物资库存控制与需求预测方法研究[D].沈阳:东北大学,2013.
• [12]彭楚宁,杜新纲,李天阳,等.基于业务特征的智能电能表需求预测模型研究[J].电测与仪表,2019,56(3):139-143.
• [13]刘伟,张锐锋,彭道刚.基于K-Adaboost数据挖掘的配电网负荷预测[J].浙江电力,2019,38(1):104-110.
• [14]叶昕炯.配电网物资储备定额的研究与制订[J].浙江电力,2014,33(4):51-55.
• [15]裴国林.基于战略与需求预测的库存管理研究[J].管理观察,2012(10):82-83.
• [16]张国玲,徐学红.一种基于ARIMA-BPNN的物流需求预测模型[J].控制工程,2017,24(5):958-962.