基于Prophet 算法的電力物資需求預測方法研究

牛 凱 洪芳華 費 冬 徐弘道 胡承鑫

（國網(wǎng)上海市電力公司物資公司，上海200000）

1 概述

電力物資需求種類繁多，采購周期長，時效性強，同時受政策影響較大，如何精準預測電力物資需求量一直是電力公司需要解決的問題。

為有效應對協(xié)議庫存物資斷貨風險的防范，提高協(xié)議庫存物資的采購計劃環(huán)節(jié)管理水平，物資公司運用大數(shù)據(jù)手段對招標物資用量進行預測，提高物資管理效率，同時將采購計劃與需求預測集成，對提高電力物資需求預測精確度意義重大。

因此，一個具有更高準確性、更加智能化的需求預測分析方法的應用成為在我國電力物資的重要發(fā)展趨勢之一。

本文研究基于Prophet 算法的電力物資需求預測分析方法[1],運用分段線性和邏輯增長曲線趨勢的加性回歸模型，通過使用傅立葉級數(shù)建模的年度季節(jié)組件進行預測。

2 基于Prophet 算法的電力物資需求預測方法研究

2.1 研究現(xiàn)狀

目前，在需求預測中，歷史數(shù)據(jù)需要經(jīng)過數(shù)據(jù)清洗，然后運用Prophet 預測模型進行預測值計算。

數(shù)據(jù)清洗的處理方式有：重復缺失數(shù)據(jù)處理、沖銷數(shù)據(jù)處理、單價異常處理、去除負值、階段性重大工程影響處理以及季節(jié)性（時序）異常處理。

現(xiàn)階段，輸入數(shù)據(jù)包括：協(xié)議庫存目錄、新舊物料對應關系、項目清單、出庫數(shù)據(jù)、采購訂單數(shù)據(jù)。輸出結(jié)果為各物資的未來一段時間的需求預測數(shù)量值?；赑rophet 模型的電力物資需求預測做了以下的處理：對過去2016-2018 三年協(xié)議庫存電力物資歷史數(shù)據(jù)做合理的趨勢性回歸，確定未來一年的總體需求趨勢；對季節(jié)的周期性變化，經(jīng)過三年的數(shù)據(jù)擬合，作未來一年的季節(jié)性預測；對歷史特殊事件的處理，做適當?shù)氖录蛩厝コ惓Ｘ撝岛蜆O值的處理，隔離重大特殊工程以使得預測值更加合理，比如：光明工程、架空線工程等階段性重大工程。

2.2 Prophet 算法理論基礎

Prophet 是一種專用于大規(guī)模時間序列分析的預測模型，具有同源的開源軟件包，以促進模型算法的實現(xiàn)。Prophet 模型采用廣義加法模型來對時間序列進行擬合和預測，其框架組成如式(1) 所示:

這里，Prophet 模型將時間序列分解成4 個部分，即模擬時間序列發(fā)展趨勢的g(t) 、周期變化項s(t) 、特殊事件引起的數(shù)據(jù)突變項h(t) 以及服從正態(tài)分布的噪聲項εt。

Prophet 模型趨勢項g(t)的擬合函數(shù)可分為兩種類型：

a.當目標序列增長趨勢是非線性增長( 如電力不同類別物資增長趨勢)時，g(t) 項為邏輯回歸函數(shù)，如式(2)所示:

其中，c 為趨勢值的上限值，k 為增長率，m 為偏移量。隨著時間t 的增加，增長趨勢以增長率k 非線性增加，最后趨于飽和值c。

對于復雜的時間序列而言，增長率k 是多變的，此時需要引入自適應調(diào)整偏移量項γ 以及增長率變化向s 量δ∈R，其中S 為拐點組成的集合，集合中第j 個元素表示為sj。對式(3) 修正后得到Prophet 模型中的非線性趨勢增長項如式(3)所示:

其中，aj( t ) = 1，t≥sjor aj( t ) = 0，t

b.當目標序列增長趨勢為線性增長時，g(t) 項退化為線性函數(shù)，如式(4) 所示:

Prophet 模型周期變化項s (t) 的擬合函數(shù)為周期序列的傅里葉級數(shù)，如式(5) 所示:

其中，p 表示目標序列的周期，Cn 為要估計的系數(shù)參數(shù); N為設定的近似項個數(shù)，N 越大，越能擬合復雜的周期性，但可能起不到很好的濾波效果。 N 的設定需要 結(jié)合P 進行考慮，對于每周的周期性，p 設置為7，N 則設置為3[1]。

2.3 誤差評價函數(shù)的構(gòu)建

為了評價預測模型準確度，以式平均絕對誤差(MAE)，平均絕對百分誤差(MAPE)，均方差(MSE) 和均方根誤差(RMSE)作為準確度衡量指標，將預測數(shù)據(jù)與驗證集（實際數(shù)量）進行比較[5]。

其中，y 為真實值，y’為預測值。

2.4 實驗結(jié)果分析

實驗以上海電力物資需求預測為例證，針對近期電力物資需求開展大數(shù)據(jù)預測分析，根據(jù)對電力不同類別物資的歷史數(shù)據(jù)信息，開展對電力物資供應需求的綜合分析和短期預測，大幅降低“供大于求”或“供不應求”的預測誤差事件發(fā)生的幾率，提高預測分析精確度，實現(xiàn)對電力物資管理的智能化需求預測分析。該實驗中對上海電力的電纜保護管需求預測分析結(jié)果如表1 所示。從電纜保護管的需求預測實驗結(jié)果中可以看出，本文研究“基于Prophet 算法的電力物資需求預測方法”具備很高的精準度，其預測分析具體值的偏差均在較高預測準確率的范圍之內(nèi)。

以電纜保護管為實驗示例，預測未來一年的物資需求。從實驗預測結(jié)果看，基于Prophet 算法的電力物資需求預測分析方法具有很高的準確率。

表1 Experimental result data（電纜保護管）

結(jié)束語

文中科學研究基于Prophet 算法的電力物資需求預測方法，融合己知的Prophet 理論基礎，結(jié)合不同種類的電力物資需求特點，根據(jù)對電力物資歷史數(shù)據(jù)信息的多方面分析和自適應學習，創(chuàng)建了“具備大異常值處理和趨勢變化的日常周期數(shù)據(jù)處理”特點的電力物資供應需求預測方法，極大地減少了出現(xiàn)“供大于求”和“供不應求”的誤差預測事件產(chǎn)生的幾率。本文只科學研究需求預測分析精確度，沒有考慮其他外在要素的綜合影響，因而可以從其他外在要素對預測精確度的影響開展進一步研究。