摘 要: | 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。
|