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:
https://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]
陈宜尊, 朱容更, 邓晗应, 张昕宇. 基于支持向量机的机载自耦变压整流器故障诊断方法
[2]
吕俊超, 丁志远, 傅琪雯. 一种海上风电场柔直送出线单端保护方案
[3]
马君, 万俊杰. 基于健康特征筛选与GWO-LSSVM的锂电池健康状态预测
[4]
龙鹏, 徐涛, 吴新瑞, 彭斌, 揭业炜. 基于营销大数据的售电市场客户分类识别研究
[5]
董志文, 苏晶晶. 基于变分模态分解能量熵混合时域特征和随机森林的故障电弧检测方法
[6]
魏银图, 张旸, 温步瀛, 王怀远. 基于支持向量机的模块化多电平换流器子模块开路故障诊断方法
[7]
张博, 梁凯. 基于贝叶斯的非侵入式负荷监测冲击波形分类方法
[8]
谭翼坤, 陈明, 黄腾, 乔苏朋, 李志军. 基于气体成分分析的变压器过热隐患预警方法
[9]
李琳, 秦泽宇, 刘啸. 电网侧储能电站监控信息接入验收管控方法研究
[10]
张敏, 钱霜秋, 吴仲麒, 王资远. 基于数据挖掘技术的中长期负荷预测方法
[11]
董懿飞, 舒胜文, 陈诚, 金铭, 王建. 基于红外图像分割与SSA-SVM的复合绝缘子缺陷检测方法
[12]
杨昭, 张钢, 赵俊杰, 张灏, 蔺奕存. 基于变分模态分解和改进粒子群算法优化最小二乘支持向量机的短期电价预测
[13]
陈雷刚, 秦明辉, 汪凯顺. 一种暂态录波型故障指示器波形分类方法
[14]
周雄, 周泽民, 彭彦军, 滕本科, 唐明. 特征图谱时频信号放电识别算法研究与现场应用
[15]
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
2016, Vol. 17 
