[發明專利]基于電力物資的需求智能分析方法、系統、設備及介質

在審

• 申請號: 202310068471.5
• 申請日: 2023-02-06
• 公開（公告）號: CN115796398A
• 公開（公告）日: 2023-03-14
• 發明（設計）人: 趙夢;杜雙育;程緒敏;劉衛
• 申請（專利權）人: 佰聆數據股份有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/0631;G06Q10/087;G06Q50/06
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 楊子亮

1.一種基于電力物資的需求智能分析方法，其特征在于，所述方法包括：

獲取目標電力企業在預設時間段內的歷史電力物資需求數據，對所述歷史電力物資需求數據進行數據預處理，得到標準需求數據；

對所述標準需求數據進行需求分類，得到所述目標電力企業對應的物資需求類別數據；

對所述物資需求類別數據進行需求初始預測，得到每個所述物資需求類別數據的初始需求預測數據；

構建每個所述初始需求預測數據的需求數據矩陣，對所述需求數據矩陣進行矩陣分解，得到每個所述物資需求類別數據的需求分解矩陣；

根據所述需求分解矩陣計算所述目標電力企業的物資需求預測數據。

2.如權利要求1所述的基于電力物資的需求智能分析方法，其特征在于，所述對所述歷史電力物資需求數據進行數據預處理，得到標準需求數據，包括：

分析所述歷史電力物資需求數據的數據屬性，根據所述數據屬性對所述歷史電力物資需求數據進行清洗，得到清洗電力物資數據；

識別所述清洗電力物資數據中的異常數據，對所述異常數據進行數據替換，得到標準需求數據。

3.如權利要求1所述的基于電力物資的需求智能分析方法，其特征在于，所述對所述標準需求數據進行需求分類，得到所述目標電力企業對應的物資需求類別數據，包括：

對所述標準需求數據進行哈希運算，得到所述標準需求數據的數據編碼；

將所述數據編碼與預設的編碼類別對應關系相匹配，得到所述目標電力企業對應的需求類別數據。

4.如權利要求1所述的基于電力物資的需求智能分析方法，其特征在于，所述對所述物資需求類別數據進行需求初始預測，得到每個所述物資需求類別數據的初始需求預測數據，包括：

計算每個所述物資需求類別數據的數據分布，根據所述數據分布確定每個所述物資需求數據的趨勢項；

利用傅里葉函數計算每個所述物資需求類別數據的季節周期規律，得到每個所述物資需求類別數據的季節項；

利用如下公式生成每個所述物資需求類別數據的季節周期規律：

其中，為每個所述物資需求類別數據的季節周期規律，為每個所述物資需求類別數據的季節周期時間，為第個物資需求類別數據，為每個所述物資需求類別數據的總數，、為預設的平滑參數，為預設的季節周期天數；

提取每個所述物資需求類別數據的節假日數據，根據所述節假日數據生成每個所述物資需求類別數據的節假日項；

將所述趨勢項、所述季節項、所述節假日項以及預設的誤差項相加，得到每個所述物資需求類別數據的初始需求預測數據。

5.如權利要求4所述的基于電力物資的需求智能分析方法，其特征在于，所述計算每個所述物資需求類別數據的數據分布，包括：

計算每個所述物資需求類別數據的數據均值及數據方差；

根據所述數據均值及數據方差計算平均需求數據，計算所述平均需求數據與每個所述物資需求類別數據中真實物資需求類別數據之間的標準差；

根據所述標準差構建物資需求類別數據分布正態函數，得到每個所述物資需求類別數據的數據分布。

6.如權利要求1所述的基于電力物資的需求智能分析方法，其特征在于，所述對所述需求數據矩陣進行矩陣分解，得到每個所述物資需求類別數據的需求分解矩陣，包括：

根據每個所述需求數據矩陣的行列數分別生成初始分解矩陣；

利用預設的目標函數對所述初始分解矩陣進行隨機梯度下降法迭代，得到迭代分解矩陣；

利用如下的目標函數對所述初始分解矩陣進行隨機梯度下降法迭代：

其中，為目標函數，為所述需求數據矩陣，為每個所述需求數據矩陣的行與列，為所述初始分解矩陣的總列數，，為初始分解矩陣，為預設的正則系數；

利用均方誤差計算所述迭代分解矩陣與所述需求數據矩陣之間的誤差，直至所述誤差小于預設的誤差閾值，得到每個所述物資需求類別數據的需求分解矩陣。