电网设备材料代价预测方法、装置、设备、介质和产品与流程

本技术涉及电网工程建设，特别是涉及一种电网设备材料代价预测方法、装置、设备、介质和产品。

背景技术：

1、随着电网建设工程的投资规模和建设规模的不断扩大，加强电网工程造价管理，提升电网投资精益化管理水平已成为电网企业发展过程中至关重要的一环。与此同时，电网设备材料的代价在电网建设工程造价中占有较大的比重，因此加强电网设备材料的代价值预测管理，对于提高电网建设工程的可研估算、初设概算、施工图预算和竣工结算等造价管控水平，以及提高电网建设投资精益化管理水平具有重要的意义。

2、目前的电网设备材料代价值波动幅度大，呈现非平稳、非线性的变化趋势，导致设备材料的指导代价值难以准确预测。传统的解决方案大多基于单变量时序预测算法和简单的机器学习模型对电网设备材料代价值进行预测，例如，将电网设备材料的多个影响指标作为预测模型的自变量，将电网设备材料代价值作为因变量进行预测。

3、然而，上述方法在预测电网设备材料代价值时存在预测效率低的缺陷。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种能够提高预测效率的电网设备材料代价预测方法、装置、设备、介质和产品。

2、第一方面，本技术提供了一种电网设备材料代价预测方法。该方法包括：

3、获取电网设备材料的初始数据，初始数据包括初始代价值序列和初始影响指标序列；

4、确定初始数据中具有相似特征的子序列，并将具有相似特征的子序列重构，得到重构数据；

5、根据重构数据，预测电网设备材料的代价值。

6、在其中一个实施例中，确定初始数据中具有相似特征的子序列，并将具有相似特征的子序列重构，得到重构数据，包括：

7、确定初始数据中各子序列的模糊熵；

8、对各子序列的模糊熵分别进行归一化处理，得到各子序列的归一化结果；

9、根据各归一化结果，得到具有相似特征的子序列；

10、将具有相似特征的子序列重组，得到重构数据。

11、在其中一个实施例中，根据重构数据，预测电网设备材料的代价值，包括：

12、拓展重构数据的维度，得到高阶张量序列，高阶张量序列包括根据时间点确定的张量数据；

13、分别对各张量数据进行张量分解后预测，得到目标张量序列，目标张量序列包括不同时间点对应的目标张量；

14、根据目标张量序列中的目标张量，预测电网设备材料的代价值。

15、在其中一个实施例中，拓展重构数据的维度，得到高阶张量序列，包括：

16、采用集合经验模态方法，分别将重构数据中各时间点对应的重构数据分解，得到不同时间点对应的第一内涵模态分量序列；

17、采用集合经验模态方法，分别将第一内涵模态分量序列中各第一内涵模态分量分解，得到不同第一内涵模态分量对应的第二内涵模态分量序列；

18、将第一内涵模态分量序列中所有第二内涵模态分量序列进行拼接，得到不同历史时间点对应的张量数据；

19、根据各历史时间点对应的张量数据，得到高阶张量序列。

20、其中一个实施例中，分别对各张量数据进行张量分解后预测，得到目标张量序列，包括：

21、针对任一时间点，对时间点对应的张量数据进行张量分解，得到各时间点对应的因子张量序列；

22、结合每个时间点对应的第一预测模型和因子张量序列，预测各时间点对应的目标张量，得到目标张量序列；

23、其中，第一预测模型根据因子张量序列中因子张量的对应关系训练后得到。

24、在其中一个实施例中，根据目标张量序列中的目标张量，预测电网设备材料的代价值，包括：

25、将训练样本输入预设的预测模型中进行训练，得到第二预测模型，训练样本包括目标张量序列中不同时间点的目标张量之间的对应关系；

26、结合目标张量序列中的目标张量和第二预测模型，得到预测张量；

27、将预测张量投影为多条预测结果序列，并对多条预测结果序列进行逆重组整合，得到电网设备材料的代价值。

28、第二方面，本技术还提供了一种电网设备材料代价预测装置。该装置包括：

29、获取模块，用于获取电网设备材料的初始数据，初始数据包括初始代价值序列和初始影响指标序列；

30、特征重构模块，用于确定初始数据中具有相似特征的子序列，并将具有相似特征的子序列重构，得到重构数据；

31、预测模块，用于根据重构数据，预测电网设备材料的代价值。

32、第三方面，本技术还提供了一种计算机设备。该计算机设备包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现以下步骤：

33、获取电网设备材料的初始数据，初始数据包括初始代价值序列和初始影响指标序列；

34、确定初始数据中具有相似特征的子序列，并将具有相似特征的子序列重构，得到重构数据；

35、根据重构数据，预测电网设备材料的代价值。

36、第四方面，本技术还提供了一种计算机可读存储介质。该计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以下步骤：

37、获取电网设备材料的初始数据，初始数据包括初始代价值序列和初始影响指标序列；

38、确定初始数据中具有相似特征的子序列，并将具有相似特征的子序列重构，得到重构数据；

39、根据重构数据，预测电网设备材料的代价值。

40、第五方面，本技术还提供了一种计算机程序产品。该计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：

41、获取电网设备材料的初始数据，初始数据包括初始代价值序列和初始影响指标序列；

42、确定初始数据中具有相似特征的子序列，并将具有相似特征的子序列重构，得到重构数据；

43、根据重构数据，预测电网设备材料的代价值。

44、上述网设备材料代价预测方法、装置、设备、介质和产品，通过获取电网设备材料的初始数据，该初始数据包括初始代价值序列和初始影响指标序列，其中，同种类型的电网设备材料可以包括不同的规格，任一规格对应的代价值时序数据可以作为初始代价值序列中的子序列，影响电网设备材料代价值的指标通常包括多种，任一影响指标对应的指标时序数据可以作为初始影响指标序列中的子序列。确定初始数据中具有相似特征的子序列，将具有相似特征的子序列重构，得到重构数据，根据重构数据预测电网设备材料的代价值。本技术实施例在电网设备材料代价值协同预测的场景下，不仅可以协同预测多种不同规格的电网设备材料代价值，而且通过挖掘不同规格电网设备材料的代价值时序数据之间的内在相互关系、不同影响指标时序数据之间的内在相互关系以及代价值时序数据和影响指标时序数据之间的内在相互关系，将具有相似特征的子序列重构，避免特征类似的子序列所包含的类似特征被多次引入到后续的时序预测中，从而提高电网设备材料代价值的预测效率，并完善电网设备材料代价值预测时的特征提取能力。