应用支持向量机模型探究电网物资需求预测问题.docxVIP

应用支持向量机模型(SVM)探究电网物资需求预测问题 【摘要】为满足电网建设项目物资需求，在现有企业资源 计划(ERP)系统完成上线并能够提供初步数据支持的基础 上，针对如何依据电网建设项目里程碑计划中的基本工程建 设指标，合理预测物资需求，是一个非常值得研究的问题。 本文采用支持向量机模型(SVM)构建应用于电网建设项目 的物资需求预测模型，并通优化算法对模型参数设置进行优 化，从而提高预测模型的预测质量，经过省级电网建设项目 物资需求历史数据测试，模型预测结果能够满足实际使用要 求，可以有效解决电网建设项目物资需求预测的问题。 【关键词】电网建设；物资需求预测；支持向量机；优 化算法 一、引言 电网建设项目所需的物资是电网企业物资需求的主体， 其需求量的合理预测，对于加强物资计划和采购，提高物资 计划及时性、准确性，节约物资成本具有重要意义。以往由 于物资需求预测所需支持数据缺乏，预测结果往往不佳，使 用效果也不理想。国家电网公司的企业资源计划(ERP)系 统已于2010年全面上线运行，为电网建设物资的需求预测 提供了一个难得的数据平台，能够为物资需求预测提供初步 的数据支撑。使得利用系统数据资源，依据工程建设里程碑 计划中的基本工程指标如电压等级、线路长度、变电容量等, 构建合理有效的模型，进行物资需求预测成为可能。 二、模型的构建 电网建设项目物资需求影响因素(如设计方案、工程实 际情况等)复杂多变，所需物资的种类繁多，物资需求呈现 明显的随机性和非线性特征，对于依据若干工程技术指标对 工程项目的物资需求进行预测，结果的不确定性明显，预测 难度较大。然而支持向量机模型能够在此类预测问题中表现 出较强的优势。现有利用支持向量机技术进行复杂情形预测 的理论应用研究有：鲍永胜和吴振升应用支持向量机对短期 风速进行了预测计算［1］,沈梁玉和于欣针对夏季电力负荷 采用支持向量机进行了预测分析［2］,祝金荣，何永秀和 Furong Li结合混沌理论和支持向量机提出了一个新的电 价预测模型［3］。从研究结果看，面对毫无规律性的风速预 测、复杂的夏季电力负荷以及多因素影响和制约的电价，支 持向量机能够取得较好的预测结果，那么可以期望该预测方 法也能在电网建设项目的物资需求预测问题中取得较好的 收效和预期。 支持向量机(support vector machines, SVM)是由 Vapnik提出的一个机器学习算法模型［4］,其基本思想是将 非线性问题通过非线性变换，分割成多维平面，然后通过每 个分割平面的线性求解，来解决整个非线性问题。而这个非 线性变换的具体形式则称之为支持向量机的核函数。核函数 数不同，支持向量机求解方法就不同。 常用的非线性核函数有：多项式函数、高斯函数、径向 基函数等。现有的SVM模型通常有支持向量分类机、支持向 量分类机、支持向量回归机、支持向量回归机。其中每一个 支持向量机对应的是一个通用的数学优化模型。通过模型求 解来解决回归问题，从而进行预测分析。支持向量回归机和 支持向量回归机具有良好的非线性预测能力，模型优化求解 速度快，且所需存储空间小，预测效率高，性能好。 在支持向量机的基础上，我们可构建回归预测模型，通 过求解给出预测结果。但是由于所面对的电网建设项目物资 需求预测问题，事先并不知道哪种核函数更加适用，如何设 置参数取值才能让预测结果更加准确，因此就需要在预测中 不断调整和优化核函数的设置和预测参数取值，所以在这里 需要借助智能优化算法进行预测模型的优化。作者尝试选用 对初值设定不敏感，寻优效率较髙的人工鱼群优化算法进行 优化。 人工鱼群算法是我国学者李晓磊等提出的一种群智能 优化算法［5］。它以自然界鱼群的行为学研究为基础，提出 抽象的人工鱼概念，定义了人工鱼的四种行为：觅食行为、 聚群行为、追尾行为和随机行为。通过对鱼群的生存习性进 行仿生学模拟，能够在不知道优化路径时，经过大量随机模 拟实验，最终按照鱼群觅食的群体智慧找到较优解。 由上述建模的思路和过程，经程序编写与运行测试，能 够为电网建设项目的物资需求预测问题构建出一个实用高 效的预测模型和系统。 三、预测结果与分析 模型的测试数据采自河南省电力公司自2010年1月至 2012年8月间，ERP系统中的全部物资需用数据记录，共约 42万条，包括224种物资小类，涵盖10千伏以上级输变电 项目、技改项目和配网项目。按照项目个体对原始数据进行 整理和分析，采用数据完整、项目代表性强的数据样本，从 中随机抽取训练集数据和测试集数据，检验模型预测性能。 分析其产生的原因，由于工程建设项目的个体性和设计 方案的灵活性，使得是否使用此类物资成为影响预测精度的 首要问题。然而在项目施工图最终完稿，依靠主要工程建设 指标对物资需求预测，此问题又