一种电网物料招采价格区间预测方法、系统和可读介质技术方案

本发明专利技术属于机器学习技术领域，涉及一种电网物料招采价格区间预测方法、系统和可读介质，一种电网物料招采价格区间预测方法，包括以下步骤：根据电力物料历史招采价格数据，对长短期记忆循环神经网络模型进行训练生成电力物料招采价格预测模型；通过电力物料招采价格预测模型进行电力物料招采价格预测，获得价格区间的基准值；通过时间窗内每一批次招采价格的四分位距生成历史价格区间宽度，结合基准值预测招采价格区间宽度；根据区间预测的指导原则，对预测招采价格区间宽度进行筛选，生成电力物料招采价格预测区间。其解决了现有的人工智能技术过于依赖算法、推广泛化能力差等问题，具有较强的适应性、准确性、包容性和可调整性。性。性。

【技术实现步骤摘要】
一种电网物料招采价格区间预测方法、系统和可读介质


[0001]本专利技术涉及一种电网物料招采价格区间预测方法、系统和可读介质，属于机器学习


技术介绍

[0002]受成本推动型和需求拉动型并存的混合型通胀压力影响，大宗商品价格出现了快速上涨，进而影响到电力物料招标估算价格制定的准确性。电力为公用事业，利润率相对微薄，因此公司对物资价格的变化相对敏感，亟需增强工程计价及物资采购中的价格风险管控能力。而电力物料招采类目繁多，不同物料之间招采频率、价格、数量差异极大，物料价格的影响因素极为复杂，且不同量级的电力物料的招采风险影响不同，风险处理态度不同。
[0003]现有关于电力物料的技术主要关注电力物料需求预测、采购效益评估和供应商管理方面，如公开号为CN 111784024 A的专利公开了一种基于多种来源数据感知的配网物资采购方法，其包括：采集互联网上和电网CSGII系统中的历史配网物资资料；汇总历史配网物资资料，构建数学分析模型；利用数学分析模型分析配网物资采购价格走势；依据配网物资采购价格走势管控配网物资的采购。其中，数学分析模本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电网物料招采价格区间预测方法，其特征在于，包括以下步骤：根据电力物料历史招采价格数据，对长短期记忆循环神经网络模型进行训练生成电力物料招采价格预测模型；通过所述电力物料招采价格预测模型进行电力物料招采价格预测，获得价格区间的基准值；通过时间窗内每一批次招采价格的四分位距生成历史价格区间宽度，结合所述基准值预测招采价格区间宽度；根据区间预测的指导原则，对所述预测招采价格区间宽度进行筛选，生成电力物料招采价格预测区间。2.如权利要求1所述的电网物料招采价格区间预测方法，其特征在于，获取所述电力物料历史招采价格数据的方法为：获取电力物料历史招采价格原始数据；以若干个月为一个招采批次，计算每个所述招采批次成交价格的中位数，若缺失成交价格中位数，使用线性插值法对缺失值进行填充，并生成由招采批次和对应成交价格中位数组成的二维数据集；将所述二维数据集进行归一化处理，并将处理后的数据集分为训练集和验证集；按照时间窗抽取特征值，组成测试集输入数据和验证集输入数据。3.如权利要求2所述的电网物料招采价格区间预测方法，其特征在于，所述归一化处理的公式为：其中，x为电力物料历史招采价格，x
′
为经过归一化处理的电力物料历史招采价格；x
max
为最高电力物料历史招采价格，x
min
为最低电力物料历史招采价格。4.如权利要求2所述的电网物料招采价格区间预测方法，其特征在于，所述生成电力物料招采价格预测模型的方法为：使用训练集对长短期记忆循环神经网络模型进行训练，然后使用验证集进行参数调整，重复上述步骤，得到最终的长短期记忆循环神经网络模型作为电力物料招采价格预测模型。5.如权利要求2所述的电网物料招采价格区间预测方法，其特征在于，电力物料招采价格预测模型的损失函数为：其中，y为真实值，为预测值，MSE为均方误差，E...

【专利技术属性】
技术研发人员：辛诚，
申请(专利权)人：国网经济技术研究院有限公司，
类型：发明
国别省市：