技术与应用
一种基于SVM的电力行业物资需求预测方法
韩戟1 , 何成浩2 , 苏星2 , 施成云2 , 刘东映3
1. 云南电网有限责任公司物资部,昆明 650011;
The Kind of Electric Power Industry Material Demand Forecasting Method based on SVM
Han Ji1 , He Chenghao2 , Su Xing2 , Shi Chengyun2 , Liu Dongying3
1. Yunnan Power Grid Co., Ltd, Kunming 650011;
摘要 为了减少物资需求审核工作量,提高审核效率和准确率,提出一种基于SVM的电力行业物资需求预测方法。该方法首先分析历史样本数据,把物资需求审核转换分类问题,然后对数据预处理,结合电力领域知识库,定义及提取需求特征,最后通过支持向量机训练出模型,实现对物资采购数量和种类的审核。实验结果表明,该方法审核精度为87.3%,说明利用领域知识库,基于能够SVM的电力行业物资需求预测方法能够有效提高审核效率和准确率。
关键词 ：
支持向量机 ,
分类 ,
领域知识库 ,
物资采购 ,
审核
Abstract ：The method, based on SVM, a kind of electric power industry material demand forecasts ,has been proposed, in order to reduce audit work of the material demand, improving the efficiency and accuracy. Firstly, the method analyzed historical sample data and translated materials demand audit into classification problem. Secondly, it need preprocessing the data, making it standardization. Defining and extracting demand characteristics by combining power domain knowledge base. Finally, support vector machine, by training model, finished the audit work on types and amounts of material purchase.
Key words ：
SVM
classification
domain knowledge base
material purchasing
review
出版日期: 2016-12-13
基金资助: 云南电网有限公司科技项目基金资助项目（YNKJ00000099）
作者简介 : 韩 戟（1971-）,男,山东省济南市章丘市人,本科,高级经济师,主要从事物资仓储配送、招标采购与综合管理工作。
引用本文:
韩戟, 何成浩, 苏星, 施成云, 刘东映. 一种基于SVM的电力行业物资需求预测方法[J]. 电气技术, 2016, 17(12): 152-154.
Han Ji, He Chenghao, Su Xing, Shi Chengyun, Liu Dongying. The Kind of Electric Power Industry Material Demand Forecasting Method based on SVM. Electrical Engineering, 2016, 17(12): 152-154.
链接本文:
http://dqjs.cesmedia.cn/CN/Y2016/V17/I12/152
[1] 代六玲, 黄河燕, 陈肇雄. 中文文本分类中特征抽取方法的比较研究[J]. 中文信息学报, 2004, 18(1): 26-32.
[1]
夏书悦, 董心怡. 基于经验模态分解法优化支持向量机模型的日前风电功率组合预测
[2]
李程, 李强, 张启超, 刘子瑞, 李伟. 基于支持向量机递归特征消除的电缆局部放电特征寻优
[3]
张朴, 孟令云, 李宝旭. 基于支持向量机的高速铁路列车晚点演化预测
[4]
张召海, 韩来权, 单茗琪. 基于滑动滤波方法的学习状态识别技术
[5]
宋学伟, 刘天羽, 江秀臣, 盛戈皞, 刘玉瑶. 基于改进鱼群算法与最小二乘支持向量机的短期负荷预测
[6]
王涛, 孙志鹏, 崔青, 张志磊, 张天伟. 基于分类决策树算法的电力变压器故障诊断研究
[7]
孙志鹏, 崔青, 张志磊, 王涛, 张天伟. 多分类支持向量机在电力变压器故障诊断中的应用
[8]
叶萌, 谭锡林. 基于实时分类负荷模型的受端电网电压稳定问题研究
[9]
陶莉, 刘景祥, 朱小光. 基于LPWAN的电力数据采集系统设计
[10]
张君琦, 杨帆, 郭谋发. 配电网高阻接地故障时频特征SVM分类识别方法
[11]
李智威, 孙利平, 张凌乐, 贺兰菲, 陈然. 配网物资差异化采购实施后评价研究
[12]
邱鹏锋, 郑连清, 魏成伟. 一种GIS局部放电模式识别新方法及应用
[13]
贺军. 热工参数软测量技术在火电厂节能中的应用
[14]
吴金浩, 杨秀媛, 孙骏. 基于主成分分析法的风电功率短期组合预测
[15]
陶文伟, 周凯, 李金, 游涛, 张喜铭. 基于状态监测的智能变电站二次设备状态检修
2016, Vol. 17 
