一种基于区域的电费标杆模型的电费管理水平评估方法与流程

1.本发明属于电费标杆模型技术领域，具体涉及一种基于区域的电费标杆模型的电费管理水平评估方法。


背景技术：

2.随着移动通信网络运营发展，移动网络站点数量呈现出几何级的增长方式，站点的类型多种多样，如何评估分布广阔的末端通信设备电费合理性日渐重要；因此需要开发计一种基于区域的电费标杆模型的电费管理水平评估方法，以此来对末端通信设备电费合理性进行评估管理，从而减少其产生费用。


技术实现要素：

3.针对上述背景技术所提出的问题，本发明的目的是：旨在提供一种基于区域的电费标杆模型的电费管理水平评估方法。
4.为实现上述技术目的，本发明采用的技术方案如下：
5.一种基于区域的电费标杆模型的电费管理水平评估方法，包括以下步骤，
6.s1：建立区域电量预测模型；
7.s101：采集数据样本；采集移动站点日均电费同站点内配置的耗电相关的设备资源信息；
8.s102：将样本进行随机划分为2部分，模型生成样本库和模型测试样本库；
9.s103：通过对模型生成样本库中的基站历史日均耗电量同所有提取的资源指标进行强关联分析，识别主要影响因子；
10.s104：进行过度拟合排查，对所述s103中的主要影响因子中具有相互影响的指标项目进行归并或剔除；
11.s105：建立多元线性回归模型，求解参数最优解，获得多元线性回归电量预测公式；
12.s2：建立电费评估模型；根据站点日均耗电量、站点电费协议单价建立二维聚类分析模型，通过最小二乘法求解簇心作为区域单价评估指数；
13.s3：对区域电费管理水平进行评估；
14.s301：根据所述区域电量预测模型计算单站点的预测电量，结合站点对应的协议电价生成区域电费规模；
15.s302：根据所述区域电费评估模型的区域单价评估指数来描述区域的站点电费管理水平，间接反映区域电费管理的合理性。
16.作为本发明的一种优选方案，所述s103中，识别主要影响因子的具体方法为把所有初始因子全部拿来计算，建立日均能耗与各个因素的散点图，找出线性相关的因子，根据多元线性代数回归方法，找出其主要影响因子。
17.作为本发明的一种优选方案，所述s105中，电量预测公式为：
18.e＝β+β1*zb_t+β2*p_t+ε
19.其中，zb_t：载波数通过转换后对应能耗，其值为：(2g+3g+2.5*4g载波数)*α1；
20.其中，α1为对应的能耗系数；
21.p_t：设备对应能耗，其值为：(无线设备总功率+传输设备总功率)*α2；
22.其中，α2为对应的能耗系数；
23.β：截距；
24.β1：载波波动因子；
25.β2：设备功率波动因子；
26.ε:补充因子。
27.作为本发明的一种优选方案，所述电量预测公式中，ε主要由空调影响，因为空调随季节变化对能耗的影响是剧烈的；所以ε即空调随季节影响的因子，所以ε可以认为空调影响的，即：
28.ε＝β0*kt_p
29.其中，β0：认为是空调波动因子；
30.kt_p：空调对应能耗，其值为：空调总功率*α331.其中，α3为对应的能耗系数；
32.因此电量预测模型为：
33.e＝β+β1*zb_t+β2*p_t+β0*kt_p
34.根据梯度下降法收敛，得出因子如下：
35.β0：随季节波动，经过大数据演算，可采用以下取值：
36.7，8月为2.5；
37.5，6，9月为1.6；
38.其它为1。
39.作为本发明的一种优选方案，所述电量预测公式中，
40.β1：随载波波动，经过大数据演算，可采用以下取值：
41.40＜载波数≤60时，β1取值为1.2；
42.60＜载波数≤80时，β1取值为1.3；
43.80＜载波数时，β1取值为1.4；
44.β2：随站点类型波动，经过大数据演算，可采用以下取值：
45.独立传输机房取值为5.1，
46.其它取值为1。
47.作为本发明的一种优选方案，所述s2中，根据站点日均耗电量和电费协议单价建立二维聚类模型，根据聚类算法求出两个聚类簇心，并根据簇心区分出高价值站点和待提升站点；
48.具体可以分为四个区，四个区域的确定公式为，
49.a区：
50.协议单价＜(簇心x1+簇心x2)/2并且日均耗电量＞(簇心y1+簇心y2)/2；
51.b区：
52.协议单价＜(簇心x1+簇心x2)/2并且日均耗电量＜(簇心y1+簇心y2)/2；
53.c区：
54.协议单价＞(簇心x1+簇心x2)/2并且日均耗电量＞(簇心y1+簇心y2)/2；
55.d区：
56.协议单价＞(簇心x1+簇心x2)/2并且日均耗电量＜(簇心y1+簇心y2)/2；
57.其中a区为高价值站点，c区为待提升站点。
58.本发明的有益效果：
59.本发明从宏观和微观两个角度，对电量和电价合理性评估；从宏观的角度，基于区域网络规模、站点类型分布、供电方式，通过区域耗电量与单价关系方面建立电费评估模型；从微观上，通过细化影响站点耗电量的诸多因素构建多元回归模型，针对网络站点建立区域电量预测模型，应用于站点日常电量稽核；同时，将单站点电量预测结果扩展应用到区域范围内站点电量的合理性评估和管理；
60.本发明综合电量和价格两个维度通过统一管理、统一标准、统一流程、统一标杆进行合理性性评估，从而达到管理节能及电费管控的目的。
附图说明
61.本发明可以通过附图给出的非限定性实施例进一步说明；
62.图1为本发明实施例中线性相关的因子参考数据示意图；
63.图2为本发明实施例中主要影响因子参考结果示意图；
64.图3为本发明实施例中建立电费评估模型分区示意图；
65.图4为本发明实施例中湖北省站点实际数据建立的电费评估模型分析结果图；
66.图5为本发明实施例中域电量预测模型与耗电量进行匹配度对比结果图；
具体实施方式
67.为了使本领域的技术人员可以更好地理解本发明，下面结合附图和实施例对本发明技术方案进一步说明。
68.一种基于区域的电费标杆模型的电费管理水平评估方法，包括以下步骤，
69.s1：建立区域电量预测模型；
70.s101：采集数据样本；采集移动站点日均电费同站点内配置的耗电相关的设备资源信息；
71.s102：将样本进行随机划分为2部分，模型生成样本库和模型测试样本库；
72.s103：通过对模型生成样本库中的基站历史日均耗电量同所有提取的资源指标进行强关联分析，识别主要影响因子；
73.如图1所示，识别主要影响因子的具体方法为把所有初始因子全部拿来计算，建立日均能耗与各个因素的散点图，找出线性相关的因子，如图2所示，根据多元线性代数回归方法，找出其主要影响因子；
74.s104：进行过度拟合排查，对所述s103中的主要影响因子中具有相互影响的指标项目进行归并或剔除；
75.对于载波数，2g、3g、4g载波数与总载波数zb_tj以及转换后的载波数zb_t对日均能耗的影响因素都是一样的，如果放在模型中，既造成过拟合；所以仅取zb_t；
76.同时，无线总功率与bbu总功率、rru总功率造成了过拟合，所以仅取zb_t；
77.传输总功率在有的类型的基站中不存在，所以把无线总功率与传输总功率求和得到设备总功率作为因素；
78.s105：建立多元线性回归模型，求解参数最优解，获得多元线性回归电量预测公式；
79.电量预测公式为：
80.e＝β+β1*zb_t+β2*p_t+ε
81.其中，zb_t：载波数通过转换后对应能耗，其值为：(2g+3g+2.5*4g载波数)*α1；
82.其中，α1为对应的能耗系数；
83.p_t：设备对应能耗，其值为：(无线设备总功率+传输设备总功率)*α2；
84.其中，α2为对应的能耗系数；
85.依据湖北省的站点耗电量历史大数据，反复迭代收敛验算后，得出的系数如下：
86.α1值：1.9；
87.α2值：0.46；
88.β：截距；
89.β1：载波波动因子；
90.β2：设备功率波动因子；
91.β1：随载波波动，经过大数据演算，可采用以下取值：
92.40＜载波数≤60时，β1取值为1.2；
93.60＜载波数≤80时，β1取值为1.3；
94.80＜载波数时，β1取值为1.4；
95.β2：随站点类型波动，经过大数据演算，可采用以下取值：
96.独立传输机房取值为5.1，
97.其它取值为1。
98.ε:补充因子。
99.ε主要由空调影响，因为空调随季节变化对能耗的影响是剧烈的；所以ε即空调随季节影响的因子，所以ε可以认为空调影响的，即：
100.ε＝β0*kt_p
101.其中，β0：认为是空调波动因子；
102.kt_p：空调对应能耗，其值为：空调总功率*α3103.其中，α3为对应的能耗系数；依据湖北省的站点耗电量历史大数据，反复迭代收敛验算后，得出的系数如下：
104.α3值：4.9；
105.因此电量预测模型为：
106.e＝β+β1*zb_t+β2*p_t+β0*kt_p
107.根据梯度下降法收敛，得出因子如下：
108.β0：随季节波动，经过大数据演算，可采用以下取值：
109.7，8月为2.5；
110.5，6，9月为1.6；
111.其它为1。
112.s2：建立电费评估模型；根据站点日均耗电量、站点电费协议单价建立二维聚类分析模型，通过最小二乘法求解簇心作为区域单价评估指数；
113.如图3所示，具体可以分为四个区，四个区域的确定公式为，
114.a区：
115.协议单价＜(簇心x1+簇心x2)/2并且日均耗电量＞(簇心y1+簇心y2)/2；
116.b区：
117.协议单价＜(簇心x1+簇心x2)/2并且日均耗电量＜(簇心y1+簇心y2)/2；
118.c区：
119.协议单价＞(簇心x1+簇心x2)/2并且日均耗电量＞(簇心y1+簇心y2)/2；
120.d区：
121.协议单价＞(簇心x1+簇心x2)/2并且日均耗电量＜(簇心y1+簇心y2)/2；
122.其中a区为高价值站点，c区为待提升站点。
123.s3：对区域电费管理水平进行评估；
124.s301：根据所述区域电量预测模型计算单站点的预测电量，结合站点对应的协议电价生成区域电费规模；
125.s302：根据所述区域电费评估模型的区域单价评估指数来描述区域的站点电费管理水平，间接反映区域电费管理的合理性。
126.本实施例中，依据湖北省站点实际数据建立的电费评估模型分析结果如图4所示：
127.通过重点关注引导待提升区域的站点进行专供电供电方式的转换，降低电费单价，对比先前的随机选取站点转换的方式，转换同等数量的站点，电费支出节省金额提高了58％，效果非常显著。
128.依据模型测试样本库中站点的设备资源指标，使用多元线性回归电量预测公式计算电量预测值，同站点真实日均耗电量进行匹配度对比结果如图5所示，
129.说明预测值可以准确表示实际值，准确率为90.39％；
130.可以通过区域电量预测模型，使用站点配置的设备资源指标信息结合季度进行耗电量预测，从而可为移动、联通等通讯公司准确掌握站点电量消耗情况，对站点电费报销进行准确、有效的自动识别，减少站点电费支出。
131.上述实施例仅示例性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。