黄宏和，吴 臻，琚 军，章 斌，王雪峰，潘永贺，郑 辉，赵仲夏

（国网浙江省电力有限公司衢州供电公司，浙江 衢州 324000）

0 引言

随着电力企业生产水平和信息化水平的不断提升、业务数据的快速积累，电力企业已经形成了海量的业务数据，步入大数据时代。 然而，现阶段的问题在于单纯的数据积累无法有效地实现数据价值转换，传统的经验决策模式难以适应实际工作需求，难以指导电力企业做出正确决策。因此，需要进行大数据挖掘分析，为企业运营决策提供依据。

目前，电力企业对于物资需求预测管理停留于统计分析层面，没有分析物资的需求特性，难以实现物资需求精准预测。 本文采用数据挖掘技术，提出实现物资高特征分类、剖析物资需求规律的方法，通过建立时间序列、灰色预测、指数平滑等预测模型，提高物资需求预测能力，辅助支撑物资部门物资采购相关工作。

1 算法理论

1.1 预测方法原理

预测是对未来尚未发生或者不明确的事物进行估算和推测，预测的依据主要是基于过去和现场的情况，采用一定的技术和方法去挖掘、解析、探索、模拟出复杂的中间过程，提取出较为明显的规律特征，形成涵盖知识性的结构化方程或函数，通过输入相应的变量值实现对未来结果的推断预测。

企业物资需求预测可从数量、资金等多个角度开展。 本文从物资管理实际情况出发，对物资历史采购数据和消耗数据进行分析，结果表明：物资需求特性分为连续性需求特征和间断性需求特征两类时，需求特征较为显著。……