[發(fā)明專利]一種基于MATLAB算法的電力供應(yīng)商綜合評價方法

在審

• 申請?zhí)枺?/td>: 201910171882.0
• 申請日: 2019-03-07
• 公開（公告）號: CN109872252A
• 公開（公告）日: 2019-06-11
• 發(fā)明（設(shè)計）人: 溫富國;馮曙明;胡天牧
• 申請（專利權(quán)）人: 國網(wǎng)江蘇省電力有限公司物資分公司;江蘇電力信息技術(shù)有限公司
• 主分類號: G06Q50/06
• 分類號: G06Q50/06;G06Q10/04;G06N20/00
• 代理公司: 南京匯盛專利商標(biāo)事務(wù)所(普通合伙) 32238
• 代理人: 陳揚

本發(fā)明公開一種基于MATLAB算法的電力供應(yīng)商評價方法，采用收集供應(yīng)商合同對應(yīng)的物資種類和歷史用電量信息，選取一定數(shù)量數(shù)據(jù)作為樣本，通過小波變換將用電量數(shù)據(jù)分離為趨勢和波動，建立供應(yīng)商用電量分析模型，根據(jù)模型分析供應(yīng)商月度用電量的合理區(qū)間，結(jié)合供應(yīng)商的月度實際用電量，從而可以更客觀準(zhǔn)確的評價供應(yīng)商的產(chǎn)能是否符合要求。

技術(shù)領(lǐng)域

本發(fā)明涉及一種電力供應(yīng)商評價方法，具體是一種基于MATLAB算法的電力供應(yīng)商評價方法。

背景技術(shù)

電力物資公司的供應(yīng)商數(shù)量眾多，對于企業(yè)實際產(chǎn)能信息，供應(yīng)商不會主動上報給物資公司，存在部分供應(yīng)商產(chǎn)能不足，甚至將產(chǎn)品生產(chǎn)任務(wù)外包給其他供應(yīng)商，提高了物資供應(yīng)的風(fēng)險。實際工作過程中，物資公司也無法對所有供應(yīng)商的生產(chǎn)現(xiàn)場進行審核和監(jiān)控，但又迫切需要針對供應(yīng)商產(chǎn)能、轉(zhuǎn)包等問題進行預(yù)警。

發(fā)明內(nèi)容

本發(fā)明的目的是提供一種基于機器學(xué)習(xí)的物料質(zhì)量評估方法。本方法利用物資公司能夠收集到的供應(yīng)商相關(guān)信息，通過MATLAB算法預(yù)測供應(yīng)商合理的用電量區(qū)間，從而進行科學(xué)的產(chǎn)能預(yù)警。

本發(fā)明的目的通過以下技術(shù)方案實現(xiàn)：

一種基于MATLAB算法的電力供應(yīng)商綜合評價方法，其特征在于：該方法采用收集供應(yīng)商合同物資種類和歷史用電量信息，選取一定數(shù)量數(shù)據(jù)作為樣本，通過小波變換將用電量數(shù)據(jù)分離為趨勢和波動，建立供應(yīng)商用電量分析模型，根據(jù)模型分析供應(yīng)商月度用電量的合理區(qū)間，結(jié)合供應(yīng)商的月度實際用電量，客觀準(zhǔn)確的評價供應(yīng)商的產(chǎn)能是否符合要求。

具體包括如下步驟：

S1收集供應(yīng)商戶號：按供應(yīng)商類別收集供應(yīng)商用電戶號信息；

S2抽取歷史用電量：按戶號抽取供應(yīng)商的歷史月度用電量信息；

S3建立用電量預(yù)測模型:將收集的用電量信息進行標(biāo)準(zhǔn)化處理，再利用小波變換，挖掘出穩(wěn)定的用電量趨勢，使用濾波技術(shù)，去除異常的用電量信息，最后使用BP網(wǎng)絡(luò)模型建立用電量預(yù)測模型，根據(jù)歷史用電量預(yù)測次月用電量的合理區(qū)間；

S4評估供應(yīng)商產(chǎn)能:根據(jù)預(yù)測的用電量區(qū)間和實際用電量進行比對，對供應(yīng)商產(chǎn)能進行評估。

建立用電量預(yù)測模型具體如下：

先對供應(yīng)商歷史用電量數(shù)據(jù)進行標(biāo)準(zhǔn)化和數(shù)據(jù)分離處理，再挖掘歷史異常數(shù)據(jù)后預(yù)測供應(yīng)商次月用電量數(shù)據(jù)，最后設(shè)定次月用電量預(yù)警區(qū)間，編寫用電量預(yù)測模型；

1)數(shù)據(jù)標(biāo)準(zhǔn)化處理

由于單個供應(yīng)商歷史月之間用電數(shù)據(jù)量差異比較大，為提高數(shù)據(jù)分析的便利性，進行數(shù)據(jù)歸一化處理；

2)用電量數(shù)據(jù)分離

供應(yīng)商的歷史月度用電量數(shù)據(jù)可理解為一組信號，采用傅里葉變換，將該組信號的趨勢和隨機波動進行分離；再利用小波變換，將數(shù)據(jù)序列里面的最穩(wěn)定用電量趨勢挖掘出來；標(biāo)準(zhǔn)化后的數(shù)據(jù)與原始數(shù)據(jù)趨勢和波動情況基本一致，而且標(biāo)準(zhǔn)化后的數(shù)據(jù)在一定程度上消減年與年之間用電量差額的影響；

3)歷史異常數(shù)據(jù)挖掘

對于歷史異常數(shù)據(jù)的挖掘，采用數(shù)據(jù)處理中常用的濾波技術(shù)——低階差分去噪來實現(xiàn)該目標(biāo)；

4)預(yù)測次月用電量數(shù)據(jù)

在預(yù)測方法的選用上，選擇BP神經(jīng)網(wǎng)絡(luò)進行預(yù)測，利用神經(jīng)網(wǎng)絡(luò)自學(xué)習(xí)和適應(yīng)的功能建立用電量序列的非參數(shù)化模型；

5)設(shè)置次月用電量區(qū)間

通過再次取樣法，設(shè)定預(yù)警區(qū)間；

6)編寫用電量預(yù)測模型

采用MATLAB對模型進行程序編寫，利用模型對各個供應(yīng)商的月度用電量進行更新。