买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：广东瑞和通数据科技有限公司;南方电网供应链科技(广东)有限公司

摘要：本申请实施例提供一种基于深度学习的电力物资需求预测方法及系统，利用样例电力设备关联轨迹和样例物资关联轨迹作为输入数据，通过提取轨迹图矢量并引入第一预测单元和第二预测单元，分别生成样例电力物资知识矢量和样例电站知识矢量。进一步，通过计算两者之间的特征距离作为目标训练代价参数，对基础预测神经网络进行精细的参数调整与优化，从而生成更为精准的目标预测神经网络，不仅能够有效捕捉电站与电力物资之间的复杂需求关联，还能自动适应电力系统中需求模式的变化，为电力系统提供及时、准确的电力物资需求预测，为物资调配、库存管理以及采购决策提供了强有力的支持，有效降低了库存成本，提高了供应链的整体效率和响应速度。

主权项：1.一种基于深度学习的电力物资需求预测方法，其特征在于，所述方法包括：获取X个样例电力设备关联轨迹和Y个样例物资关联轨迹，每个所述样例电力设备关联轨迹表征以样例电站为需求引导节点时所述样例电站与样例电力物资之间的需求关联知识点，每个所述样例物资关联轨迹表征以所述样例电力物资为需求引导节点时所述样例电力物资与所述样例电站之间的需求关联知识点；提取每个所述样例电力设备关联轨迹的轨迹图矢量、以及每个所述样例物资关联轨迹的轨迹图矢量；将Y个所述样例物资关联轨迹的轨迹图矢量作为基础预测神经网络中的第一预测单元的模型加载数据，生成样例电力物资知识矢量，以及将所述样例电力物资知识矢量或第一衍生传递矢量中的一个、X个所述样例电力设备关联轨迹的轨迹图矢量作为所述基础预测神经网络中的第二预测单元的模型加载数据，获得样例电站知识矢量，所述第一衍生传递矢量表征所述第二预测单元拟合所述第一预测单元的预测结果时的特征矢量；计算所述样例电力物资知识矢量与所述样例电站知识矢量之间的特征距离，获得目标训练代价参数，依据所述目标训练代价参数对所述基础预测神经网络进行参数学习，生成目标预测神经网络，所述目标预测神经网络用于对X个目标电力设备关联轨迹的轨迹图矢量和Y个目标物资关联轨迹的轨迹图矢量进行预测输出，生成目标电力物资知识矢量和目标电站知识矢量，所述目标电力物资知识矢量和所述目标电站知识矢量用于确定目标电力物资需求结果。

全文数据：

权利要求：

百度查询： 广东瑞和通数据科技有限公司 南方电网供应链科技(广东)有限公司 基于深度学习的电力物资需求预测方法及系统