【技术实现步骤摘要】
本专利技术涉及工程物资需求匹配，特别是涉及一种电网物资选型方法、系统、终端设备及存储介质。
技术介绍
1、电网是关系国计民生的重要基础设施。当前正值新型电力系统建设的关键期。全网采购需求统一管理是现代化物资智慧供应链管理的重要一环，需求计划是物资采购的重要前提，也是左右采购成本优化的关键因素。
2、目前，在需求预测方面已经开展了一系列实证工作，但也存在一些痛点亟待解决：由于缺乏历史采购信息，导致对新型电力设备的需求预测偏差较大；只能获取到宏观上的项目信息，缺乏较为精细的物质需求信息，尤其是缺少物料编码维度下的需求信息，导致难以主动开展物资储备；采购时间窗口不明确导致只能尽早采购来被动响应。
3、因此，化被动响应为主动“规划-计划-采购”，在针对工程前期传递的弱信息如何转换为可以指导物资计划和采购清单的强信息方面，还有待进一步开展研究。
技术实现思路
1、本专利技术要解决的技术问题是如何将工程前期传递的弱信息转换为指导物资计划和采购清单的强信息，并生成物资采购型号集，从而指导后续“规划-计划-采购”映射的“需求窗口”构建工作，保障物资供应质效。为了解决上述技术问题，本专利技术提供了一种电网物资选型方法、系统、终端设备及存储介质。
2、第一方面，本专利技术实施例提供了一种电网物资选型方法，包括：
3、基于工程偏好与物资特征之间的内在关联，构建工程物资多维关联异质网络，所述内在关联包括工程与物资之间的需求交互关系、工程之间的相似关系和物资之
4、根据电网工程建设标准对工程项目弱信息和采购计划信息进行加强，得到电网工程建设标准信息，所述电网工程建设标准包括通用设计、通用设备、通用造价和标准工艺，所述工程项目弱信息包括工程项目的基本信息、投资规模和建设内容；
5、利用所述电网工程建设标准信息对所述工程物资多维关联异质网络进行图采样，并将生成的子图表征为图结构训练数据；
6、基于图注意力神经网络构建初始物资选型预测模型，并根据所述图结构训练数据对所述初始物资选型预测模型进行训练，得到目标物资选型预测模型；
7、将工程特征与物资特征输入所述目标物资选型预测模型，得到每个所述物资特征的选型概率，并选择所述选型概率高于预设阈值的所述物资特征构成所述工程特征对应工程项目的物资型号集。
8、优选地，所述基于工程偏好与物资特征之间的内在关联，构建工程物资多维关联异质网络，包括：
9、基于工程与物资之间的需求交互关系构建项目物资选型交互矩阵；
10、基于工程之间的相似关系构建项目相似矩阵；
11、基于物资之间的互补替代关系分别构建物资互补矩阵和物资替代矩阵；
12、对所述项目物资选型交互矩阵、项目相似矩阵、物资互补矩阵和物资替代矩阵进行集成，得到工程物资多维关联异质网络。
13、优选地，采用如下公式获取所述项目物资选型交互矩阵：
14、
15、其中，r表示项目物资选型交互矩阵，rmn表示项目um对物资vn的选型概率，m表示项目数量，n表示物资数量；
16、采用如下公式获取所述项目相似矩阵：
17、
18、其中，表示项目相似矩阵，simum1表示项目um与项目u1的余弦相似度；
19、采用如下公式获取所述物资互补矩阵：
20、
21、其中，表示物资互补矩阵，所述物资互补矩阵的每个元素表示不同类别的物资同时出现在相同项目的频次；
22、采用如下公式获取所述物资替代矩阵：
23、
24、其中，表示物资替代矩阵，表示物资vn与物资v1之间相同特征的数量，d表示物资的特征维数。
25、优选地，所述根据电网工程建设标准对工程项目弱信息和采购计划信息进行加强，包括：
26、利用电网工程建设标准对工程项目弱信息进行加强，所述加强至少包括数据清洗和数据验证；
27、基于自然语言处理和层次分析，加强采购计划信息。
28、优选地，所述基于自然语言处理和层次分析，加强采购计划信息，包括：
29、基于自然语言处理进行物资归集，以使同一类型的物资归并到同一物资类别；
30、利用层次分析判定是否将同一物资类别的物资纳入采购计划。
31、优选地，所述利用所述电网工程建设标准信息对所述工程物资多维关联异质网络进行图采样，包括：
32、通过pinsage对所述工程物资多维关联异质网络进行图采样。
33、优选地，所述基于图注意力神经网络构建初始物资选型预测模型，并根据所述图结构训练数据对所述初始物资选型预测模型进行训练，得到目标物资选型预测模型，包括：
34、采用如下公式获取所述目标物资选型预测模型的目标函数：
35、
36、其中，l(ypred,ytrue)表示目标函数，ypred表示预测物资型号集，ytrue表示实际物资型号集，n表示物资数量，ytrue,i表示实际物资型号集的第i个元素，ypred,i表示预测物资型号集的第i个元素。
37、第二方面，本专利技术实施例提供了一种电网物资选型系统，适用于如上所述的电网物资选型方法，包括：
38、多维关联异质网络构建模块，用于基于工程偏好与物资特征之间的内在关联，构建工程物资多维关联异质网络，所述内在关联包括工程与物资之间的需求交互关系、工程之间的相似关系和物资之间的互补替代关系，所述工程物资多维关联异质网络包括项目物资选型交互矩阵、项目相似矩阵、物资互补矩阵和物资替代矩阵；
39、弱信息加强模块，用于根据电网工程建设标准对工程项目弱信息和采购计划信息进行加强，得到电网工程建设标准信息，所述电网工程建设标准包括通用设计、通用设备、通用造价和标准工艺，所述工程项目弱信息包括工程项目的基本信息、投资规模和建设内容；
40、图采样模块，用于利用所述电网工程建设标准信息对所述工程物资多维关联异质网络进行图采样，并将生成的子图表征为图结构训练数据；
41、物资选型预测模型构建模块，用于基于图注意力神经网络构建初始物资选型预测模型，并根据所述图结构训练数据对所述初始物资选型预测模型进行训练，得到目标物资选型预测模型；
42、物资型号集获取模块，用于将工程特征与物资特征输入所述目标物资选型预测模型，得到每个所述物资特征的选型概率，并选择所述选型概率高于预设阈值的所述物资特征构成所述工程特征对应工程项目的物资型号集。
43、第三方面，本专利技术实施例提供了一种终端设备，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如上所述的电网物资选型方法。
44、第四本文档来自技高网...
【技术保护点】
1.一种电网物资选型方法，其特征在于，包括：
2.根据权利要求1所述的电网物资选型方法，其特征在于，所述基于工程偏好与物资特征之间的内在关联，构建工程物资多维关联异质网络，包括：
3.根据权利要求2所述的电网物资选型方法，其特征在于，采用如下公式获取所述项目物资选型交互矩阵：
4.根据权利要求1所述的电网物资选型方法，其特征在于，所述根据电网工程建设标准对工程项目弱信息和采购计划信息进行加强，包括：
5.根据权利要求4所述的电网物资选型方法，其特征在于，所述基于自然语言处理和层次分析，加强采购计划信息，包括：
6.根据权利要求1所述的电网物资选型方法，其特征在于，所述利用所述电网工程建设标准信息对所述工程物资多维关联异质网络进行图采样，包括：
7.根据权利要求1所述的电网物资选型方法，其特征在于，所述基于图注意力神经网络构建初始物资选型预测模型，并根据所述图结构训练数据对所述初始物资选型预测模型进行训练，得到目标物资选型预测模型，包括：
8.一种电网物资选型系统，适用于如权利要求1至7任一项所述的
9.一种终端设备，其特征在于，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述的电网物资选型方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1至7中任一项所述的电网物资选型方法。
...【技术特征摘要】
1.一种电网物资选型方法，其特征在于，包括：
2.根据权利要求1所述的电网物资选型方法，其特征在于，所述基于工程偏好与物资特征之间的内在关联，构建工程物资多维关联异质网络，包括：
3.根据权利要求2所述的电网物资选型方法，其特征在于，采用如下公式获取所述项目物资选型交互矩阵：
4.根据权利要求1所述的电网物资选型方法，其特征在于，所述根据电网工程建设标准对工程项目弱信息和采购计划信息进行加强，包括：
5.根据权利要求4所述的电网物资选型方法，其特征在于，所述基于自然语言处理和层次分析，加强采购计划信息，包括：
6.根据权利要求1所述的电网物资选型方法，其特征在于，所述利用所述电网工程建设标准信息对所述工程物资多维关联异质网络进行图采样，包括：
7...
【专利技术属性】
技术研发人员：辛诚，段婧，张兵，胡永焕，柏扬，曲华磊，霍慧娟，陈天穹，王硕，李薇薇，罗瑾，王晓锋，庄彦，
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：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。