基于人工魚群算法的電網物資需求預測

文/宋 斌

電網建設項目所需的物資是電力企業物資需求的主體，其需求量的合理預測，對于加強物資計劃和采購，提高物資計劃及時性、準確性，節約物資成本具有重要意義。以往由于物資需求預測所需支持數據的缺乏，預測結果往往不佳，使用效果也不理想。國家電網公司的企業資源計劃（ERP）系統已于2010年全面正式上線，為電網建設物資的需求預測提供了一個難得的數據平臺，能夠為物資需求預測提供初步的數據支撐。使得利用系統數據資源，依據工程建設里程碑計劃中的基本工程指標如電壓等級、線路長度、變電容量等，構建合理有效的模型，進行物資需求預測成為可能。

目前電網建設項目的物資需求預測分析剛剛起步，鄔斌弢和張玉鑫針對以物資信息提前儲備為基礎的電網企業物資需求進行了研究[1]。相似的研究中，張斌、陳建國、吳金生等提出了基于精細網格的臺風災損空間模型及相應的臺風應急物資需求定性預測模型[2]，傅志妍和陳堅從案例推理所確定關鍵因素出發構建了災害應急物資需求預測模型[3]，蔡開龍、姚武文、孫云帆等利用RBF神經網絡技術對飛機戰傷搶修備件需求預測進行了研究[4]，張曉磊、楊西龍和展麗瀟提出了基于模糊相似推理的應急物資需求預測模型[5]。

電網建設項目物資需求影響因素（如設計方案、工程實際情況等）復雜多變，所需物資的種類繁多，物資需求呈現明顯的隨機性和非線性特征，而支持向量機模型能夠在此類問題中表現出較強的優勢。在現有利用支持向量機進行預測分析的研究中，鮑永勝和吳振升應用支持向量機對短期風速進行了預測計算[6]，沈梁玉和于欣針對夏季電力負荷采用支持向量機進行預測分析[7]，祝金榮、何永秀和Furong Li結合混沌理論和支持向量機提出了一個新的電價預測模型[8]。本文則基于支持向量機模型，結合加入混沌搜索因子的人工魚群算法，提出用于電網建設項目物資需求的預測模型，并通過實例數據測試模型性能。

1.理論基礎

1.1 支持向量機

支持向量機（support vector machines， SVM）是由Vapnik提出的一個機器學習算法[9]，以統計學習理論為基礎，數學基礎完善，幾何解釋直觀，在分類問題、回歸分析、圖象識別等領域有著廣泛應用。其核心思想是將數據實現非線性變換，映射到特征空間，尋找支持向量，確定最優分離超平面（如圖1）。

圖1 最優分離超平面示意圖

支持向量機通過將函數集的子集按照一定規則排列，使得在相同的置信范圍子集中，實現風險的最小化。現有的SVM通常有C-支持向量分類機、V-支持向量分類機、 支持向量回歸機、ε-支持向量回歸機。其中v-支持向量回歸機的數學形式為：

而能否較好地求解問題，支持向量機的關鍵在于滿足維數限制的前提下采用合適的核函數，不同的核函數對于不同的SVM算法。常用的SVM的非線性核函數有三種：

1.2 人工魚群算法

人工魚群算法是我國學者李曉磊等提出的一種群智能優化算法[10]，該算法具有并行搜索、收斂速度快、能夠跳出局部最優、對初值不敏感、魯棒性強等優點，在參數計算、數據擬合、組合問題和優化調度等領域得到了良好應用。

人工魚群算法以自然界魚群的行為學研究為基礎，提出人工魚的概念，定義了人工魚的四種行為：覓食行為、聚群行為、追尾行為和隨機行為，其中隨機行為是前三種行為的缺省行為。人工魚個體對四種行為方式所引起的求解函數值的變化進行分析，擇優執行。通過不斷模擬和迭代計算，人工魚群體能夠表現出對函數優化的群體智慧，從而使問題得到優化。

2.預測模型構建

2.1 問題特性分析

電網建設項目以輸變電工程、配網工程為主。對于各個不同的電網建設項目而言，物資需求有其個體性和共性。有因工程自身特殊情況而進行的個別設計，也有按照設計規范可以采用的標準設計圖集。共性因素作用下的物資需求，可以通過區分不同工程類別，構建恰當的預測模型和算法，取得滿意的預測結果。個體性因素作用下的物資需求，往往單體預測模型無法滿足精度要求，需采用多項目匯總的方式，控制總體預測誤差，使預測結果滿足實際使用要求。

由于工程建設的特殊性、設計方案的靈活性，電網建設項目的物資需求非線性明顯。物資種類繁多，樣本數據矩陣呈現的稀疏性特征，預測難度較大。因此建立的預測模型不僅要適用，而且要通過對比真實值和預測值的差異，逐步修正預測模型參數，才能提高預測質量。

2.2 模型構建思路

對于單體工程預測，選取在非線性問題預測中性能變現良好的支持向量回歸機模型。因為選取不同的核函數或設定不同的參數取值，都會影響預測精度，所以需要借助尋優算法優化核函數的選取和支持向量機參數的設置。本文利用對初值不敏感、收斂速度快并且全局搜索能力強的人工魚群算法進行模型優化。先利用較低精度的預測計算，逐步優化核函數選取和參數設置，結果滿意后再進行高精度的正式預測。同時針對預測中不確定性因素較多，核函數選擇和參數設置規律性差的特點，在基本的人工魚群算法中，增加混沌搜索算子，利用其隨機不重復遍歷的特點，提高算法的搜索性能。采用的混沌搜索算子為：

當μ=4時，系統將處于完全的混沌狀態。

2.3 模型代碼描述

以增加了混沌搜索算子的人工魚群算法，優化 支持向量回歸機，所構建的電網建設項目物資需求預測模型，用C++語言偽代碼描述如下。

3.預測效果分析

3.1 測試數據整理

測試數據采用河南省電力公司自2010年1月至2012年8月間ERP系統中的全部物資需用數據記錄。共約42萬條，包括224種物資小類，涵蓋10kV以上級輸變電項目、技改項目和配網項目。按照項目個體對原始數據進行整理和分析，采用數據完整、項目代表性強的數據樣本，從中隨機抽取訓練集數據和測試集數據，檢驗模型預測性能。

3.2 結果分析

以控制電纜和鋼芯鋁絞線兩類物資為例對模型預測結果進行說明，見圖2、圖3所示。圖中橫軸代表電網建設項目的項目樣本編號，縱軸表示物資的需求量。若需求量為0，則表示該項目不使用此項物資。對比預測值和真實值可以看出，在多數情況下，預測值較為準確，但也有個別點預測值與真實值相差較大，如圖2中的項目7、項目12，圖3中的項目22和項目27。

圖2 控制電纜預測值與真實值的比較

圖3 鋼芯鋁絞線預測值與真實值的比較

分析其產生的原因，由于工程建設項目的個體性和設計方案的靈活性，使得是否使用此類物資成為影響預測精度的首要問題。然而在項目施工圖最終完稿前，依靠主要工程建設指標對物資需求預測，此問題又是無法回避的。因此使用模型進行需求預測時，必須通過增加預測項目數量，控制總體預測誤差的辦法，減小物資使用的隨機性，提高預測判斷的準確性。

電網建設項目的物資需求預測實踐結果表明，除個別特定條件下才使用的少數物資不具備預測條件外，大多數物資可以得到滿足使用要求的預測值，且所預測物資的總值占到項目實際所需物資總價值的80%以上。

4.結論

本文通過整理分析現有ERP系統中與電網建設項目物資需求相關的數據，構建了基于支持向量機和人工魚群算法的物資需求預測模型，測試結果表明模型有效適用，預測結果能夠滿足物資需求管理所需的精度要求。雖然模型預測性能仍需進一步完善和提高，但對于優化物資管理，降低物資成本具有積極意義，同時為完善物資需求信息，改進物資需求管理模式，提供借鑒和參考。

［1］鄔斌弢，張玉鑫.基于雙向協同的物資需求計劃管理在電網工程中的應用研究[J].華東電力，2012，40(5)：913～914.

［2］張斌，陳建國，吳金生等.臺風災害應急物資需求預測模型[J].清華大學學報(自然科學版)，2012，52(7)：891～895.

［3］傅志妍，陳堅.災害應急物資需求預測模型研究[J].物流科技.2009(10)：11～13.

［4］蔡開龍，姚武文，孫云帆等.飛機戰傷搶修備件需求預測方法研究[J].電光與控制，2010：17(12)：60～63.

［5］張曉磊，楊西龍，展麗瀟.基于模糊相似推理的應急物資需求預測模型研究[J].軍事物流，2012，31(5)：229～231.