基于深度学习的电力物资需求预测方法及系统

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。