張春光 魏俊奎 楊濱名 李沙浪

摘 要：物資需求管理是電力企業(yè)一項重要能力，是提高整理管理水平、運營效率的重要保障。國家電網(wǎng)“三集五大”體系的建設(shè)有效提高物資需求管理水平，同時對需求管理手段提出更高的要求，需求預(yù)測是其中一項關(guān)鍵工作。文章在現(xiàn)有物資預(yù)測文獻的基礎(chǔ)上提出一種新型組合預(yù)測模型，實證結(jié)果表明，該模型能有效提高物資需求預(yù)測進度，為協(xié)議庫存采購、優(yōu)化等決策提供了有利條件。

關(guān)鍵詞：三集五大；組合預(yù)測；物資需求

中圖分類號：TM73 文獻標識碼：A 文章編號：1006-8937（2016）32-0054-02

1 概 述

為了使協(xié)議庫存更好地發(fā)揮降本增效的作用，通過需求預(yù)測確定協(xié)議庫存簽訂量是關(guān)鍵。本文從需求預(yù)測的角度出發(fā)，提出一種新的組合預(yù)測模型，有效提高模型預(yù)測精度，為電力公司制定物資采購計劃提供決策支持。

2 預(yù)測方法綜述

常用的物資需求預(yù)測模型主要包括三大類：第一類是基于時間序列的預(yù)測模型如指數(shù)平滑預(yù)測模型、移動平均預(yù)測模型等[1-3]；第二類是基于因果分析的預(yù)測模型，模型通過識別影響需求的重要因素，構(gòu)建因素與需求的因果關(guān)系，并根據(jù)因果關(guān)系構(gòu)建預(yù)測模型，如回歸預(yù)測模型、非線性回歸模型等[4-5]；第三類是基于機器學習的預(yù)測模型，其在時間序列與因果預(yù)測方法的基礎(chǔ)上采用機器學習的方法構(gòu)建復(fù)雜的非線性模型，不需要提前設(shè)定模型結(jié)構(gòu)，如神經(jīng)網(wǎng)絡(luò)預(yù)測模型、支持向量機預(yù)測模型等[6-7]。實際應(yīng)用中，單一的預(yù)測方法難以獲得高精度的預(yù)測結(jié)果，組合預(yù)測方法得到廣泛得應(yīng)用。常用的組合預(yù)測方法是將多種預(yù)測方法的預(yù)測結(jié)果按照一定的權(quán)重進行組合[8-10]。這種方法比較依賴組合權(quán)重的選擇，不能很好地綜合各種預(yù)測方法的優(yōu)勢。本文將時間序列分解為線性趨勢、季節(jié)性趨勢、指數(shù)平滑趨勢、非線性趨勢，其中非線性趨勢采用神經(jīng)網(wǎng)絡(luò)的方法進行預(yù)測。這種方法一方面充分利用時間序列的各種趨勢信息，另一方面減少神經(jīng)網(wǎng)絡(luò)模型在數(shù)據(jù)點較少時過度擬合的問題，在實際物料需求預(yù)測工作中有效提高預(yù)測精度。

4 模型預(yù)測結(jié)果

本文以國網(wǎng)山東電力公司2010年2月到2016年4月ERP系統(tǒng)所有架空絕緣導(dǎo)線的采購記錄為基礎(chǔ)，將數(shù)據(jù)整理為75個時間點，選取前69個時間點為訓練集，訓練模型參數(shù)，對后6個時間點進行模型預(yù)測，預(yù)測結(jié)果，如圖2所示。

圖中橫軸表示時間序列（本文在神經(jīng)網(wǎng)絡(luò)模型中最大滯后項為6個月，因此時間軸中1表示2010年8月），縱軸表示物料需求金額。由圖可見大部分月份真實值與預(yù)測值相對誤差較小，說明本文提出的組合模型基本能挖掘時間序列變動的規(guī)律。通過比較訓練集和測試集發(fā)現(xiàn)，本文提出的模型有較好的泛化能力，測試集的預(yù)測精度與訓練集的預(yù)測精度沒有明顯差別。

進一步比較本文組合預(yù)測模型與其他常用的預(yù)測模型的預(yù)測精度，結(jié)果見表1，可以看出大多數(shù)情況下組合預(yù)測模型的預(yù)測誤差要小于其他的預(yù)測方法。其他預(yù)測方法中季節(jié)性趨勢預(yù)測方法的預(yù)測精度相對較高，說明山東省電力公司架空絕緣導(dǎo)線物資的需求存在顯著的季節(jié)性特征。

5 結(jié) 語

物資需求管理是電力企業(yè)管理的一個重要環(huán)節(jié)，本文在傳統(tǒng)的時間序列預(yù)測方法難以獲得高精度的預(yù)測結(jié)果的背景下提出一種新型組合預(yù)測方法，該方法將時間序列分解，其中非線性趨勢采用神經(jīng)網(wǎng)絡(luò)的方法進行預(yù)測。這種方法一方面充分利用時間序列的各種趨勢信息，另一方面減少神經(jīng)網(wǎng)絡(luò)模型在數(shù)據(jù)點較少時過度擬合的問題。實證結(jié)果顯示本文提出的組合預(yù)測方法能有效提高模型的預(yù)測精度，基本滿足國家電網(wǎng)對需求管理的精度要求，為協(xié)議庫存采購、優(yōu)化等決策提供了有利條件。

參考文獻：

[1]毛玉鳳.基于時間序列分析的電力需求預(yù)測及季節(jié)調(diào)整模型的研究 [D].北京：北京工業(yè)大學，2013.