Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 明阳智慧能源集团股份公司陆星屹获国家专利权

明阳智慧能源集团股份公司陆星屹获国家专利权

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!

龙图腾网获悉明阳智慧能源集团股份公司申请的专利一种基于风电机组备件数据的净采购量预测方法及系统获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN118485237B

龙图腾网通过国家知识产权局官网在2025-11-18发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202410517927.6,技术领域涉及:G06Q10/0631;该发明授权一种基于风电机组备件数据的净采购量预测方法及系统是由陆星屹;孙启涛;鲁纳纳;李高娟;柳雨生;吕欢;杨帅设计研发完成,并于2024-04-28向国家知识产权局提交的专利申请。

一种基于风电机组备件数据的净采购量预测方法及系统在说明书摘要公布了:本发明公开了一种基于风电机组备件数据的净采购量预测方法及系统,通过历史备件消耗量的月度或季度消耗量数据建立时间序列预测模型,能快速准确地预测不同备件的未来需求量数据,计算安全库存,结合物料在库数量和在途数量,输出净采购量的预测结果,能够快速实现备品备件的净采购量的推荐,进而为状态维修决策提供参考指导;本发明所需的数据获取简便,且模型训练和预测操作简单,在保证备件满足需求的前提下,能较准确预测的备品备件的季度需求量,且兼容性高,能够用于不同备件的季度需求量预测与净采购量计算。

本发明授权一种基于风电机组备件数据的净采购量预测方法及系统在权利要求书中公布了:1.一种基于风电机组备件数据的净采购量预测方法,其特征在于,包括以下步骤: S1、建立备件数据库,读取备件历史消耗量数据; S2、对从备件数据库中读取的备件历史消耗量数据进行清洗和剔除异常值的预处理; S3、对预处理后的备件历史消耗量数据进行特征分析,根据特征选择时间序列预测模型,包括: 对预处理后的备件历史消耗量数据进行季节性、趋势性以及自相关性分析,根据分析得到的数据特征,选择相应的时间序列预测模型; 其中,通过绘制时间序列图判断备件历史消耗量数据是否具有季节性,若时间序列图具有周期性变化,即数据值在一个预设周期内变化幅度大,而数据值其它周期内变化幅度小,则认为当前备件历史消耗量数据具有季节性,反之则不具备季节性; 通过绘制时间序列图判断备件历史消耗量数据是否具有趋势性,若时间序列图具有趋势性变化,即在一个预设周期内数据值持续增加或持续减少,则认为备件历史消耗量数据具有趋势性,反之则不具备趋势性; 使用DW检验法评价备件历史消耗量数据自相关性,标准如下: a当检验值DW∈1.5,2.5时,数据残差与自变量互为独立; b当检验值DW1时,相邻两点数据的残差为正相关; c当检验值DW3时,相邻两点数据的残差为负相关; 所述时间序列预测模型包括简单移动平均模型、加权移动平均模型、一次指数平滑模型、二次指数平滑模型、霍尔特温特模型以及自回归差分移动平均模型; 若备件历史消耗量数据的数据特征为数据量少于预设数据量或备件历史消耗量数据的波动性小于预设波动性,则采用简单移动平均模型;若备件历史消耗量数据的数据特征为存在多种变动因素,不存在趋势性和季节性,则采用加权移动平均模型;若备件历史消耗量数据的数据特征为不存在趋势性和季节性,则采用一次指数平滑模型;若备件历史消耗量数据的数据特征为存在趋势性但不存在季节性,则采用二次指数平滑模型;若备件历史消耗量数据的数据特征为存在趋势性和季节性,则采用霍尔特温特模型;若备件历史消耗量数据的数据特征为存在自相关性和季节性,则采用自回归差分移动平均模型; S4、将预处理后的备件历史消耗量数据输入到步骤S3所选择的时间序列预测模型中进行训练,得到训练好的备件需求量预测模型; S5、使用训练好的备件需求量预测模型预测未来时刻的备件需求量数据,并通过计算误差统计指标来量化备件需求量预测模型的准确性,根据误差统计指标选择应用的备件需求量预测模型; S6、计算安全库存数据,并根据安全库存数据、预测的备件需求量数据以及备件数据库数据,计算备件净采购量数据,包括: 计算安全库存,基于定期订货模型的公式,假设定期订货和补货,根据各个备件的采购提前期、季度平均消耗量、季度消耗量标准差和服务水平计算相应备件的安全库存,安全库存如下公式8所示: SS=ZσT+L8; 其中,Z是特定服务概率下的标准差倍数,σT+L是盘点周期和提前期间需求的标准差,T表示相邻两次盘点的间隔天数,L表示提前期的天数; 计算采购量,由从备件数据库读取到的备件在库数量和在途数量,减掉备件的安全库存数和预测季度需求量之和,最终得到推荐的备件净采购数量。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人明阳智慧能源集团股份公司,其通讯地址为:528437 广东省中山市火炬开发区火炬路22号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。