一种面向典型行业大数据的电力经理指数趋势预测方法
【专利摘要】本发明涉及一种面向典型行业大数据的电力经理指数趋势预测方法，包括（1）采用相关性分析对影响行业用电量的指标进行筛选；（2）对筛选出的指标利用统计检验和粗糙集理论进行检验和优化，建立行业电力监测指标体系模型；（3）提出基于电力经理指数（Electrical?Manager's?Index，简称EMI）的构建和预测方法，并基于电力经理指数预测行业用电趋势。本发明能够监测行业用电动态变化、分析其所处状态以及预见其发展趋势，掌握电力市场供求变化的规律，为电力市场营销决策提供可靠的依据。
【专利说明】一种面向典型行业大数据的电力经理指数趋势预测方法
【技术领域】
[0001] 本发明属于电力系统负荷预测领域的方法，具体是一种面向典型行业大数据的电 力经理指数趋势预测方法。
【背景技术】
[0002] 随着信息技术的发展，信息系统在各领域快速拓展，电力行业的信息化促使电力 数据迅速增长和不断融合，电力大数据时代已经到来。电力行业数据量大、类型多、价值高， 贯穿电力工业生产及管理等环节。因此，应当积极投入到数据挖掘与分析运用中，挖掘数据 价值，实践大数据战略，为电力企业决策与管理提供科学指导。
[0003] 经济波动及形势变化对人民生活、企业生产和社会发展有着重要的影响。及时、准 确掌握经济变化信息，对于政府政策的制定、企业生产的调整具有积极的作用。宏观监测指 标体系及一些量化指数(如CPI、PPI、PMI等指数）的建立，能够及时反映经济的变动情况和 变动程度、监测经济的发展动态及预测经济的发展趋势。例如：供需不平衡对市场经济运 行的高效性、稳定性有着重要的影响，所以提出CPI、PPI指数来判断供需平衡程度，估算通 货膨胀(或紧缩）风险；为了能够监测经济的发展动态、反映商业活动的现实情况，因此提出 PMI指数作为一个先行指标监测经济运行、预测经济走势和转折点。
[0004] 同样地，电力市场中也存在与市场经济中相类似的一些问题。电力供求的矛盾是 电力市场的基本矛盾之一，对电力市场运行的高效性、稳定性有着重要的影响。企业作为电 力市场的主要组成要素，其经济效益的波动和变化会影响行业的电力需求数量，导致电力 市场的供需不平衡，从而影响着电力部门的市场决策。因此，需要运用科学的方法对电力市 场供求变化进行研究，监测其动态变化、分析其所处状态以及预见其发展趋势，掌握电力市 场供求变化的规律，为电力市场营销决策提供可靠的依据。
【发明内容】
[0005] 本发明的目的在于提供一种面向典型行业大数据的电力经理指数趋势预测方法， 监测行业用电动态变化、分析其所处状态以及预见其发展趋势，掌握电力市场供求变化的 规律，为电力市场营销决策提供可靠的依据。
[0006] 为实现上述目的，本发明的技术方案是：一种面向典型行业大数据的电力经理指 数趋势预测方法，包括如下步骤， 步骤S1 :采用相关性分析对影响行业用电量的指标进行筛选； 步骤S2 :对筛选出的指标利用统计检验和粗糙集理论进行检验和优化，建立行业电力 监测指标体系模型； 步骤S3 :提出基于电力经理指数的构建和预测方法，并基于电力经理指数预测行业用 电趋势。
[0007] 在本发明实施例中，在所述步骤S1中，所述影响行业用电量的指标包括业扩报装 类、电量类、行业效益类和市场行情类4大类；其中，业扩报装类指标包括扩容容量、减容 销户容量、暂停容量、净扩容容量、扩容企业数、减容销户企业数、暂停企业数和净扩容企业 数；电量类指标包括实际用电量；行业效益类指标包括订单量、产量、库存量、订单完成量、 生产线规模和设备数量；市场行情类指标包括产品价格、价格空间、行业政策、上游行业政 策和行业市场。
[0008] 在本发明实施例中，所述步骤S2的具体实现过程如下， 步骤S21 :对筛选出的指标进行有效性检验和优化； 步骤S22 :指标权重计算； 步骤S23 :综合评分。
[0009] 在本发明实施例中，所述步骤S21对筛选出的指标进行有效性检验和优化的具体 过程如下， (1) 对于连续型指标： 将连续型指标看作时间序列，用统计学方法检验各指标与目标之间的有效关系，具体 即： 首先，采用相关性检验，检测出负荷用电数据与电力指标相关程度的大小；其次，通过 单位根检验，检验时间序列的平稳性；再而，采用协整检验，检验指标之间的长期稳定的比 例关系；最后，通过格兰杰检验，检验指标之间的因果关系，得到最终的指标； (2) 对于离散型指标： 采用粗糙集理论中的重要度概念对离散型指标进行有效性检验和优化，具体步骤如 下： (a) 建立综合评价信息系统和决策表； (b) 确定离散各属性区间，根据各属性区间大小对指标数据进行离散化处理； (C)确定等类集合其中，u表示论域，c为评价指标集 合，ind(C)为C的等价关系，C-{Ci}表示剔除指标Ci后的评价指标集合，D为决策属性指 标； (d) 导出条件属性集合正域/?巩押条件属性集合基数
【权利要求】
1. 一种面向典型行业大数据的电力经理指数趋势预测方法，其特征在于：包括如下步 骤， 步骤S1 :采用相关性分析对影响行业用电量的指标进行筛选； 步骤S2 :对筛选出的指标利用统计检验和粗糙集理论进行检验和优化，建立行业电力 监测指标体系模型； 步骤S3 :提出基于电力经理指数的构建和预测方法，并基于电力经理指数预测行业用 电趋势。
2. 根据权利要求1所述的一种面向典型行业大数据的电力经理指数趋势预测方法，其 特征在于：在所述步骤S1中，所述影响行业用电量的指标包括业扩报装类、电量类、行业效 益类和市场行情类4大类；其中，业扩报装类指标包括扩容容量、减容销户容量、暂停容量、 净扩容容量、扩容企业数、减容销户企业数、暂停企业数和净扩容企业数；电量类指标包括 实际用电量；行业效益类指标包括订单量、产量、库存量、订单完成量、生产线规模和设备数 量；市场行情类指标包括产品价格、价格空间、行业政策、上游行业政策和行业市场。
3. 根据权利要求1所述的一种面向典型行业大数据的电力经理指数趋势预测方法，其 特征在于：所述步骤S2的具体实现过程如下， 步骤S21 :对筛选出的指标进行有效性检验和优化； 步骤S22 :指标权重计算； 步骤S23 :综合评分。
4. 根据权利要求3所述的一种面向典型行业大数据的电力经理指数趋势预测方法，其 特征在于：所述步骤S21对筛选出的指标进行有效性检验和优化的具体过程如下， (1) 对于连续型指标： 将连续型指标看作时间序列，用统计学方法检验各指标与目标之间的有效关系，具体 即： 首先，采用相关性检验，检测出负荷用电数据与电力指标相关程度的大小；其次，通过 单位根检验，检验时间序列的平稳性；再而，采用协整检验，检验指标之间的长期稳定的比 例关系；最后，通过格兰杰检验，检验指标之间的因果关系，得到最终的指标； (2) 对于离散型指标： 采用粗糙集理论中的重要度概念对离散型指标进行有效性检验和优化，具体步骤如 下： (a) 建立综合评价信息系统和决策表； (b) 确定离散各属性区间，根据各属性区间大小对指标数据进行离散化处理； (c) 确定等类集合
其中，U表示论域，C为评价指标集 合，ind(C)为C的等价关系，C-{Ci}表示剔除指标Ci后的评价指标集合，D为决策属性指 标； (d) 导出条件属性集合正域
条件属性集合基数
(e) 计算D对C的依赖程度r/你及D对
的依赖程度
即
(f)计算条件属性对于决策属性的重要程度;若某项 指标的重要程度小于阈值，则剔除该指标。
5. 根据权利要求3所述的一种面向典型行业大数据的电力经理指数趋势预测方法，其 特征在于：所述步骤S22中，采用组合权重计算方法对指标权重进行计算，即分别采用相容 矩阵层次分析法和粗糙集理论计算权重，通过组合权重计算得到两种方法的组合权重。
6. 根据权利要求5所述的一种面向典型行业大数据的电力经理指数趋势预测方法，其 特征在于：所述采用相容矩阵层次分析法计算权重的方法，具体如下， (1) 判断矩阵的构造： 构造判断矩阵J = &.),且判断矩阵i = (?)的元素满足：
其中，标度数值表示指标;f的下级指标4与1^·的相对重要关系系数；该些赋值通 过1、标度法给出； (2) -致性处理： 一般认为指标之间具有传递性，即已知<与^的相对重要关系系数%,$与&的相 这!1 对重要关系系数%，则可以根据%和%得到1^与11的相对重要关系系数3典=即可 得，一致性条件为：
但判断矩阵内的元素是根据指标重要性将指标两两比较来确定的，因此，不能 绝对保证判断矩阵的一致性；故而，层次分析法提出，当判断矩阵的随机一致性比率
时，即可说明判断矩阵具有可接受的一致性，
；其中，c /.为 一致性指标，λ /.为平均随机一致性指标,为矩阵的最大特征值，β为；Γ的下级指标个 数； 1/,的取值为： 若 η=3,则及./.=0· 58 ; 若 η=4,则及/.=0.90 ; 若 η=5,则及./.=1. 12 ; 若 n=6,则反/. =1. 24 ; 若11=7,则及/.=1.32; 若 n=8,则 5丄=1.41 ; 若 n=9,则尺/,=1.45 ; 若11=10,则及/.=1.49; 若11=11,则及./.=1.51; 为减少反复构造判断矩阵的工作量，保证判断矩阵的一致性，从而简化确定指标权重 的过程，此处采用基于相容矩阵的层次分析法； 将任何一个判断矩阵
利用公式，
迭代变换为相容矩阵，
后，且满足
(3)权重计算： 权重的计算公式为：
7.根据权利要求6所述的一种面向典型行业大数据的电力经理指数趋势预测方法，其 特征在于：所述采用的粗糙集理论计算权重的方法，具体如下： (1) 建立综合评价信息系统和决策表； (2) 确定离散属性区间，根据各属性区间大小对指标数据进行离散化处理； (3) 确定等类集合U/(緣U/⑷),其中，U表示论域，C为评价指标集 合，ind(C)为C的等价关系，C-{Ci}表示剔除指标Ci后的评价指标集合，D为决策属性指 标； (4) 导出条件属性集合正域为
求条件属性集合的基数为
(5) 计算D对C的依赖程度r/你及D对C-匕丨的依赖程度^,丨(功,即
(6) 计算条件属性对于决策属性的重要程度，即
(7)利用重要度计算各评价指标的客观权重系数为
8. 根据权利要求7所述的一种面向典型行业大数据的电力经理指数趋势预测方法，其 特征在于：所述采用的组合权重的方法，即采用乘法合成的方法将各种权重进行组合，即将 各权重计算方法得出的某一指标的权重进行相乘，然后归一化处理，最终得到组合权重，具 体如下： 假设有》个指标，7种方法求得的权重#，则组合权重为：
其中，^为指标的组合权重，户1，2，···，》;左=1，2，···，<7。
9. 根据权利要求3所述的一种面向典型行业大数据的电力经理指数趋势预测方法，其 特征在于：所述步骤S23中，所述综合评分，即按照权重汇总各指标值，以获得评价对象的 综合评价分值，用于考核评判对象，具体如下： 选用线性模型对各指标归一化指标值汇总，最后得到综合评分；
其中，为系统综合评分值，?为评价指标值&的权重系数，
10. 根据权利要求1所述的一种面向典型行业大数据的电力经理指数趋势预测方法， 其特征在于：所述步骤S3中的基于电力经理指数预测用电趋势的具体步骤为： (1) 数据汇总： 对行业中用电大户企业和典型企业进行市场数据调研，采用等频率划分算法将各项 数据与上月相比的变化百分比进行区间离散化，即将离散属性区间按基本持平、〇%_25%、 25%-75%和75%以上进行划分，并将基本持平的离散化等级定为50作为一个基数，离散化等 级以10作为一个梯度变化； 按照离散等级数，将同一属性各等级所含有的企业数进行汇总，统计每个属性下各离 散化等级的个数； (2) 单个指标等级数计算： ①对于连续型指标： 根据调研的电力统计数据计算出指标的净变化量和总变化量，按下述公式采用不加 权的方法得出百分比并按照所划分的离散区间对计算出的百分比进行离散，得到离散等级 数：
其中，若似7 > 0,则表明本月用电量可能上升；若似7 < 0,则表明本月用电量可能下 降； ②对于离散型指标： 根据各项市场统计数据的离散等级数和统计出来的各属性中相应等级的企业数，按下 述公式采用加权的方法得出加权后的离散等级数：
其中，々心等级数所对应的百分比可根据所划分的离散区间得到； (3) 综合指数计算： (a) 月环比指数的计算： 电力经理指数万#/是一个综合指数，由各指数的离散等级数加权而成，即
根据每月的统计数据，按上述公式计算出的EMI指数即为EMI的月环比指数； (b) 定基指数的计算： 由各期月环比指数连乘计算，公式为：
其中，4、心、…、尤分别表示基期至报告期间各期的月环比指数； (c) 指数的换算：
(4) 荣枯分水线： 万#/=50为荣枯分水线；若^￥/大于50,则表示行业用电需求在增长；若^￥/低于50,则 表示行业用电需求在下降必#/偏离50的程度表示行业用电量变化的大小，朝大于50的方 向偏离越大，则表明行业用电需求将大大增加；朝小于50的方向偏离越大，则表明行业用 电需求将大大减小。
【文档编号】G06Q50/06GK104123600SQ201410398967
【公开日】2014年10月29日 申请日期:2014年8月14日 优先权日:2014年8月14日
【发明者】李喜兰, 唐田, 林章岁, 邱柳青, 赖敏榕, 余希, 蒋朋博, 徐青山, 王玉荣, 洪卢诚 申请人:国家电网公司, 国网福建省电力有限公司, 国网福建省电力有限公司经济技术研究院, 东南大学