基于人工鱼群算法的电网物资需求预测

文/宋 斌

电网建设项目所需的物资是电力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的缺乏，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年全面正式上线，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。

目前电网建设项目的物资需求预测分析刚刚起步，邬斌弢和张玉鑫针对以物资信息提前储备为基础的电网企业物资需求进行了研究[1]。相似的研究中，张斌、陈建国、吴金生等提出了基于精细网格的台风灾损空间模型及相应的台风应急物资需求定性预测模型[2]，傅志妍和陈坚从案例推理所确定关键因素出发构建了灾害应急物资需求预测模型[3]，蔡开龙、姚武文、孙云帆等利用RBF神经网络技术对飞机战伤抢修备件需求预测进行了研究[4]，张晓磊、杨西龙和展丽潇提出了基于模糊相似推理的应急物资需求预测模型[5]。

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，而支持向量机模型能够在此类问题中表现出较强的优势。在现有利用支持向量机进行预测分析的研究中，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[6]，沈梁玉和于欣针对夏季电力负荷采用支持向量机进行预测分析[7]，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[8]。本文则基于支持向量机模型，结合加入混沌搜索因子的人工鱼群算法，提出用于电网建设项目物资需求的预测模型，并通过实例数据测试模型性能。

1.理论基础

1.1 支持向量机

支持向量机（support vector machines， SVM）是由Vapnik提出的一个机器学习算法[9]，以统计学习理论为基础，数学基础完善，几何解释直观，在分类问题、回归分析、图象识别等领域有着广泛应用。其核心思想是将数据实现非线性变换，映射到特征空间，寻找支持向量，确定最优分离超平面（如图1）。

图1 最优分离超平面示意图

支持向量机通过将函数集的子集按照一定规则排列，使得在相同的置信范围子集中，实现风险的最小化。现有的SVM通常有C-支持向量分类机、V-支持向量分类机、 支持向量回归机、ε-支持向量回归机。其中v-支持向量回归机的数学形式为：

而能否较好地求解问题，支持向量机的关键在于满足维数限制的前提下采用合适的核函数，不同的核函数对于不同的SVM算法。常用的SVM的非线性核函数有三种：

1.2 人工鱼群算法

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[10]，该算法具有并行搜索、收敛速度快、能够跳出局部最优、对初值不敏感、鲁棒性强等优点，在参数计算、数据拟合、组合问题和优化调度等领域得到了良好应用。

人工鱼群算法以自然界鱼群的行为学研究为基础，提出人工鱼的概念，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，其中随机行为是前三种行为的缺省行为。人工鱼个体对四种行为方式所引起的求解函数值的变化进行分析，择优执行。通过不断模拟和迭代计算，人工鱼群体能够表现出对函数优化的群体智慧，从而使问题得到优化。

2.预测模型构建

2.1 问题特性分析

电网建设项目以输变电工程、配网工程为主。对于各个不同的电网建设项目而言，物资需求有其个体性和共性。有因工程自身特殊情况而进行的个别设计，也有按照设计规范可以采用的标准设计图集。共性因素作用下的物资需求，可以通过区分不同工程类别，构建恰当的预测模型和算法，取得满意的预测结果。个体性因素作用下的物资需求，往往单体预测模型无法满足精度要求，需采用多项目汇总的方式，控制总体预测误差，使预测结果满足实际使用要求。

由于工程建设的特殊性、设计方案的灵活性，电网建设项目的物资需求非线性明显。物资种类繁多，样本数据矩阵呈现的稀疏性特征，预测难度较大。因此建立的预测模型不仅要适用，而且要通过对比真实值和预测值的差异，逐步修正预测模型参数，才能提高预测质量。

2.2 模型构建思路

对于单体工程预测，选取在非线性问题预测中性能变现良好的支持向量回归机模型。因为选取不同的核函数或设定不同的参数取值，都会影响预测精度，所以需要借助寻优算法优化核函数的选取和支持向量机参数的设置。本文利用对初值不敏感、收敛速度快并且全局搜索能力强的人工鱼群算法进行模型优化。先利用较低精度的预测计算，逐步优化核函数选取和参数设置，结果满意后再进行高精度的正式预测。同时针对预测中不确定性因素较多，核函数选择和参数设置规律性差的特点，在基本的人工鱼群算法中，增加混沌搜索算子，利用其随机不重复遍历的特点，提高算法的搜索性能。采用的混沌搜索算子为：

当μ=4时，系统将处于完全的混沌状态。

2.3 模型代码描述

以增加了混沌搜索算子的人工鱼群算法，优化 支持向量回归机，所构建的电网建设项目物资需求预测模型，用C++语言伪代码描述如下。

3.预测效果分析

3.1 测试数据整理

测试数据采用河南省电力公司自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10kV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。

3.2 结果分析

以控制电缆和钢芯铝绞线两类物资为例对模型预测结果进行说明，见图2、图3所示。图中横轴代表电网建设项目的项目样本编号，纵轴表示物资的需求量。若需求量为0，则表示该项目不使用此项物资。对比预测值和真实值可以看出，在多数情况下，预测值较为准确，但也有个别点预测值与真实值相差较大，如图2中的项目7、项目12，图3中的项目22和项目27。

图2 控制电缆预测值与真实值的比较

图3 钢芯铝绞线预测值与真实值的比较

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前，依靠主要工程建设指标对物资需求预测，此问题又是无法回避的。因此使用模型进行需求预测时，必须通过增加预测项目数量，控制总体预测误差的办法，减小物资使用的随机性，提高预测判断的准确性。

电网建设项目的物资需求预测实践结果表明，除个别特定条件下才使用的少数物资不具备预测条件外，大多数物资可以得到满足使用要求的预测值，且所预测物资的总值占到项目实际所需物资总价值的80%以上。

4.结论

本文通过整理分析现有ERP系统中与电网建设项目物资需求相关的数据，构建了基于支持向量机和人工鱼群算法的物资需求预测模型，测试结果表明模型有效适用，预测结果能够满足物资需求管理所需的精度要求。虽然模型预测性能仍需进一步完善和提高，但对于优化物资管理，降低物资成本具有积极意义，同时为完善物资需求信息，改进物资需求管理模式，提供借鉴和参考。

［1］邬斌弢，张玉鑫.基于双向协同的物资需求计划管理在电网工程中的应用研究[J].华东电力，2012，40(5)：913～914.

［2］张斌，陈建国，吴金生等.台风灾害应急物资需求预测模型[J].清华大学学报(自然科学版)，2012，52(7)：891～895.

［3］傅志妍，陈坚.灾害应急物资需求预测模型研究[J].物流科技.2009(10)：11～13.

［4］蔡开龙，姚武文，孙云帆等.飞机战伤抢修备件需求预测方法研究[J].电光与控制，2010：17(12)：60～63.

［5］张晓磊，杨西龙，展丽潇.基于模糊相似推理的应急物资需求预测模型研究[J].军事物流，2012，31(5)：229～231.