电力配网建设物资需求预测方法及装置

摘要

一种电力配网建设物资需求预测方法，包括步骤：获取历史项目预设属性的参数和历史项目物资使用量，对历史项目物资使用量采用聚类算法进行分群，确定聚类族，对聚类族采用关键词频分析法，确定项目类型属性，将各种历史项目物资使用量标准化到预设范围内；根据历史项目预设属性的参数、历史项目物资使用量、预设隐含节点数和项目类型属性，采用预设算法构建预测模型，根据预测模型确定隐含节点权重参数矩阵；获取待测项目预设属性的参数和待测项目的项目类型属性，根据隐含节点权重参数矩阵、待测项目预设属性的参数和项目类型属性，采用预测模型确定对应待测项目物资使用量。本方案提供相应装置，构建项目类型属性，提高确定物资使用量的准确率。

主权项

一种电力配网建设物资需求预测方法，其特征在于，包括步骤：获取历史项目预设属性的参数和各种历史项目物资使用量，对所述各种历史项目物资使用量采用聚类算法进行分群，确定聚类族，对所述聚类族采用关键词频分析法，确定项目类型属性，将所述各种历史项目物资使用量标准化到预设范围内；所述聚类算法为Global K‑Means算法；所述关键词频分析法的内容包括：在Global K‑Means产生的项目群中利用中文分词方法，对每个项目名称进行分词处理，过滤掉对于预测分析没有信息量但出现频率很高的词，再统计每个词的词频，词频高的词语被定义为关键词；根据所述的历史项目预设属性的参数、所述标准化的各种历史项目物资使用量、预设隐含节点数和所述项目类型属性，采用预设算法构建预测模型，根据所述预测模型确定隐含节点权重参数矩阵；所述预设算法包括单隐层前馈神经网络、BP神经网络学习算法、极限学习机或者增量极限学习机；所述根据所述预测模型确定隐含节点权重参数矩阵包括：采用公式P_k+1β_k+1＝Q_k+1确定隐含节点权重参数矩阵β_k+1，其中，$P_{k+1}={\left[\begin{array}{c}{H}_0\\ M\\ H_k\\ H_{k+1}\end{array}\right]}^T\left[\begin{array}{c}{H}_0\\ M\\ H_k\\ H_{k+1}\end{array}\right]=H_0^T{H}_0+{\mathrm{LH}}_k^T{H}_k+H_{k+1}^T{H}_{k+1}=P_k+H_{k+1}^T{H}_{k+1}$$Q_{k+1}={\left[\begin{array}{c}{H}_0\\ M\\ H_k\\ H_{k+1}\end{array}\right]}^T\left[\begin{array}{c}{T}_0\\ M\\ T_k\\ T_{k+1}\end{array}\right]=H_0^T{T}_0+{\mathrm{LH}}_k^T{T}_k+H_{k+1}^T{T}_{k+1}=Q_k+H_{k+1}^T{T}_{k+1}$$\begin{array}{cc}{P}_0=H_0^T{H}_0,& Q_0=H_0^T{T}_0\end{array},$P₀β₀＝Q₀，H_k表示第K批次的隐含节点输出矩阵，K表示历史项目批次，T_k表示第K批次项目物资使用量矩阵，β_k表示第K批次的隐含节点权重参数矩阵，L表示隐含节点数，M为物资种类；获取待测项目预设属性的参数和待测项目的项目类型属性，根据所述隐含节点权重参数矩阵、所述待测项目预设属性的参数和待测项目的项目类型属性，采用所述预测模型确定对应待测项目物资使用量的预测值，按标准化对应比例还原所述预测值，确定对应待测项目物资使用量。