基于改进粒子群神经网络对电力仓储库存需求预测研究分析

随着电力行业集约化政策的落实，通过协议库存采购货物是电力仓储常见的补货形式，但在现如今的库存补货中，缺乏高效的需求预测模型，补货数量往往依靠经验主义，容易导致仓储库存堆叠，管理成本增加。针对此问题，文章将广州供电局立体库提供的实际数据作为样本数据，首先建立BP神经网络预测模型，并考虑电网物资采购特性，引入改进的粒子群算法进行模型优化，实验结果表明，优化后的电力仓储需求预测模型中，标准均方根误差和平均绝对百分误差分别为原模型的43.15%和67.3%，预测误差明显降低，系统稳定性增强，优化效果明显，可为需求预测在电力仓储中的应用提供新方法。