電力物資智能成套推薦方法的應用

汪寶康 張蕓 田然 馬黎 朱曉旸

關鍵詞：物資成套；ADriori算法；物資出庫

1引言

近年來，隨著電網企業的不斷發展，對供應鏈物資精益化以及智能化的管理要求越來越高。目前，在電網企業的供應鏈物資管理模式中，針對物資出庫環節，在實際工作過程中因物資種類繁多、規格型號各異或操作錯誤等原因，造成物資出庫錯出、漏出、多出等問題，進而影響線路搶修、工程施工等工程進度。因此，通過數據關聯算法研究電力物資智能成套推薦方法的應用，能夠使電力物資在出庫領用環節，基于歷史出庫數據挖掘關聯分析，將物資進行智能成套推薦。這在提高物資出庫效率與準確率，保障物資供應及時率以及工程施工進度方面具有重要意義。

目前，常用的關聯規則算法有很多，如貝葉斯網絡、決策樹、Apriori算法等。其中，Apriori算法是關聯規則挖掘頻繁項集的經典算法，最早由Rakesh Agrawal等人在1993年提出，是一種挖掘單維布爾型的關聯規則算法，很多算法也是以其為核心進行改進的。因此，本文提出的電力物資智能成套方法應用Apriori算法，基于歷史物資出庫數據，開展電力物資智能成套方法的研究和應用。

2電力物資成套問題分析

2.1電力物資智能成套問題定義

針對目前在供應鏈管理的高標準嚴要求下，因物資出庫時因物資漏出、錯出、多出等情況，造成工程施工、故障搶修、用戶報裝等施工進度的影響，開展電力物資智能成套管理。電力物資智能成套針對目前電力物資在各個使用場景中，利用歷史出庫數據為樣本參考，結合數據挖掘關聯分析算法，將應用同一場景中的電力物資進行智能成套組合，以提高物資出庫效率與準確率，保障電力物資在工程施工、故障搶修、用戶報裝等工作中的高效供應。

2.2電力物資智能成套特點

電力物資雖然品類繁多，規格型號各異，對物資臺賬管理方面造成一定困難，但由于不同品類的物資適用性、針對性較強，同一使用場景下的物資品類、規格相對集中；各個倉庫出庫物資品類、規格型號大有不同，但基本使用場景卻相同。因此，不同倉庫、不同使用場景下的電力物資智能成套推薦方法的應用，在實際生產工作中具有較高的實用性，在提高物資出庫效率，提升物資供應管理水平上具有重要意義。

3電力物資智能成套推薦方法研究

3.1數據采集范圍要求

應用電力物資智能成套推薦方法時，首先，應當確定本次電力物資智能成套方法應用對象的范圍，可以針對具體的某一個倉庫或某幾個倉庫，也可以針對該單位下的所有倉庫。其次，確定本次電力物資智能成套方法應用對象的使用場景，選擇一個具體的物資出庫場景，如工程施工、故障搶修、用戶報裝等具體的物資使用場景。最后，確定本方法應用對象的歷史出庫數據，如近一個月內或近30次物資出庫歷史數據。

3.2電力物資智能成套方法分析步驟

以采集電力物資的歷史出庫目標數據為依據，假定出料物品為al，……an共n種，從電力物資的歷史出庫目標數據中選取具有相同出料目的m個出庫記錄，得到初始數據集D。

步驟1

得到第一候選項集Li

計算出每個出料物品a1，……an在m個出庫記錄下出現的支持度，即支持度1＝（a1，……an在m個出庫記錄出現的次數）/m，將a1，……an及其相對應的支持度，進行列表，得到第一數據項集C1，在上述數據項集C1中剔除支持度小于最小支持度的物品，得到第一候選項集L1。

步驟2得到第二候選項集L

根據第一候選項集Li，計算出任意兩個出料物品同時出現在m個出庫記錄出現的支持度，即支持度2=（任意兩個出料物品同時出現的次數）／m，將任意兩個出料物品同時出現的次數及其相對應的支持度2進行列表，得到第二數據項集C2，在上述第二數據項集C2中剔除支持度，小于最小支持度的物品，得到第二候選項集。

步驟3得到候選頻繁k項集

重復步驟2，物品組合數量加1，計算出任意p個出料物品同時出現在m個出庫記錄出現的支持度，最終得到第p個候選項集L，當第p個候選項集L為空集時，選取L候選項集為頻繁項集，頻繁項集所包括的K個數據項為電力物資智能成套推薦的方案。

步驟4確定頻繁項集的關聯規則

將上述所有項集的置信度分別與最小置信度進行比較，挑選出大于最小置信度的關聯，即可得到電力物資智能成套推薦的頻繁項集的關聯規則。

步驟（4）按照關聯規則推薦物品

根據關聯規則，如果用戶需要關聯前的物品，向用戶同時推薦關聯后的物品。

4Apriori算法在電力物資智能成套推薦中的應用

Apriori算法是一個關聯規則挖掘算法，也是最經典的算法。它利用逐層搜索的迭代方法找出數據庫中項集的關系，以形成規則，其過程由連接與剪枝組成。其算法思想如下：

電力物資智能成套推薦方法應用算法計算分析思想不斷迭代過程中的連接與剪枝，產生新的數據頻繁項集，由數據頻繁項集生成物資智能成套方案。

5實例分析

本文采集了楚雄供電局的急救包物資出庫歷史數據進行電力物資智能成套推薦方法的應用實例驗證，其中包括單相智能電能表、500V鋁芯低壓電線、鐵附件、三相智能電能表和漏電開關共5種物資，對應的物資出庫記錄如表1所列。

計算出每個出庫物資的支持度，得到第一數據項集C1，在上述數據項集C1剔除支持度小于最小支持度的物品，最小支持度設定為50%，得到第一候選項集L1，如表2所列。

根據第一候選項集L1，計算出任意兩個出料物品的支持度，得到第二數據項集C2，在上述第二數據項集C2中剔除支持度，小于最小支持度的物品，得到第

5.1頻繁項集推薦方案

方案1：單相智能電能表，500V鋁芯低壓電線，鐵附件。

方案2：單相智能電能表，500V鋁芯低壓電線，三相智能電能表。

方案3：500V鋁芯低壓電線，鐵附件，三相智能電能表。

步驟8

確定頻繁項集的關聯規則

步驟（5）計算所得到上述三個頻繁項集中的支持度

在所得到所有頻繁項集中，若出現任意組合頻繁項集支持度小于最小支持度，則提出該頻繁項集，（此處剔除頻繁項集K2，K3）進行步驟（6）。

步驟（7）得到頻繁項集的關聯規則

將上述所有項集的置信度分別與最小置信度進行比較，挑選出大于最小置信度的關聯，最小置信度設定為70%，可得：①單相智能電能表＝500V鋁芯低壓電線：②500V鋁芯低壓電線＝單相智能電能表；③單相智能電能表，鐵附件＝500V鋁芯低壓電線；④500V鋁芯低壓電線，鐵附件＝單相智能電能表，即得到電力物資智能成套推薦的頻繁項集的關聯規則。

總結：通過對該歷史出庫數據的挖掘計算分析，最終得到數據頻繁關聯規則如下。

頻繁關聯規則1：單相智能電能表＝500V鋁芯低壓電線。

頻繁關聯規則2：500V鋁芯低壓電線＝單相智能電能表。

頻繁關聯規則3：單相智能電能表，鐵附件＝500V鋁芯低壓電線。

頻繁關聯規則4：500V鋁芯低壓電線，鐵附件＝單相智能電能表。

步驟（8）按照關聯規則推薦物品

5.2關聯規則推薦方案

方案1：單相智能電能表=500V鋁芯低壓電線。

方案2：500V鋁芯低壓電線=單相智能電能表。

方案3：單相智能電能表，鐵附件=500V鋁芯低壓電線。

方案4：500V鋁芯低壓電線，鐵附件=單相智能電能表。

6結束語

在供應鏈管理日益精益化以及嚴格要求下，供應鏈管理的各個環節對基層員工、管理人員的崗位職責以及工作要求有了更高的準則。為推動供應鏈數字化轉型，提高供應鏈物資管理水平以及物資供應保障能力，本文針對當前楚雄供電局物資出庫存在的問題，提出應用電力物資智能成套推薦方法。基于物資出庫歷史數據，應用數據挖掘關聯分析算法Apriori，生成最終的電力物資智能成套方案。

通過應用電力物資智能成套推薦方法，提升了基層倉庫領料員的物資出庫效率、物資出庫準確率；減少了物資出庫時錯出、漏出、多出等情況，保障了物資在工程施工、故障搶修、用戶報裝等使用場景中的供應及時率與準確率。