一种考虑多尺度时间序列的供电系统成本预测方法技术方案

本发明专利技术公开了一种考虑多尺度时间序列的供电系统成本预测方法，包括如下步骤：S1、搜集供电系统历史成本数据降噪处理后，可视化得到训练集Tr和测试集Tx；S2、对历史成本数据按日为单位进行特征工程建设得到成本的数据结构；S3、采用Prophet模型对训练集Tr的多尺度时间序列进行平稳化处理；S4、采用LSTNet网络模型对分解后的时间序列各项进行建模并引入基于特征的注意力机制；S5、用测试集Tx对Prophet‑LSTNet组合预测模型进行可靠性验证；若可靠性不足，执行S4，若可靠性合格，执行S6；S6、得到的Prophet‑LSTM组合预测模型对供电系统成本进行预测，输出预测结果；Prophet‑LSTNet组合预测模型针对多尺度时间序列的多维成本数据预测，预测结果更加稳定可靠。

【技术实现步骤摘要】
一种考虑多尺度时间序列的供电系统成本预测方法
本专利技术涉及大数据运算
，具体的，涉及一种考虑多尺度时间序列的供电系统成本预测方法。
技术介绍
随着大数据、云计算、移动互联技术的不断发展,预测企业经营目标需要涉及各种信息、数据的支撑越来越多，各种信息、数据的各种内在关联不断被探讨,对原有电力行业信息、数据量的价值发掘利用也日趋深入。在日趋多变的内外部形势发展下，运维成本作为企业的血脉，对其进行预测也日益成为电网企业财务不可或缺的决策支撑能力；根据以往的运维成本，包括人工成本、检修运维成本、营销运维成本、其他运营费用情况对未来的形式分析，实现对未来特定时间内的成本消耗的估计，它的准确预测对于国家电网对使用成本的总体把握、资金部署和投资建设等有着非常重要的意义。目前可用于预测的数据挖掘工具有统计分析方法，如ARIMA模型、Holt-Winters模型等，然而这些传统统计方法缺少对复杂非线性系统的建模能力。随着深度学习的发展，长短期记忆网络（LSTM）模型的出现解决了这个问题，被广泛应用于销售预测、股票预测、自然语言处理等方面。然而实际本文档来自技高网...

【技术保护点】
1.一种考虑多尺度时间序列的供电系统成本预测方法，其特征在于：包括如下步骤：/nS1、搜集供电系统历史成本数据；对成本数据进行降噪处理后，可视化得到训练集Tr和测试集Tx；/nS2、对历史成本数据按日为单位进行特征工程建设得到成本的数据结构；所述数据结构包括：日现金流、日期以及用户属性；/nS3、采用Prophet模型对训练集Tr的多尺度时间序列进行平稳化处理；将原始多尺度时间序列分解成趋势项、季节项以及残差项；/nS4、采用LSTNet网络模型对分解后的时间序列各项进行建模；LSTNet网络模型的输入项包括各项历史日现金流序列以及对应的用户属性数据，引入基于特征的注意力机制；训练并交替更新L...

【技术特征摘要】
1.一种考虑多尺度时间序列的供电系统成本预测方法，其特征在于：包括如下步骤：
S1、搜集供电系统历史成本数据；对成本数据进行降噪处理后，可视化得到训练集Tr和测试集Tx；
S2、对历史成本数据按日为单位进行特征工程建设得到成本的数据结构；所述数据结构包括：日现金流、日期以及用户属性；
S3、采用Prophet模型对训练集Tr的多尺度时间序列进行平稳化处理；将原始多尺度时间序列分解成趋势项、季节项以及残差项；
S4、采用LSTNet网络模型对分解后的时间序列各项进行建模；LSTNet网络模型的输入项包括各项历史日现金流序列以及对应的用户属性数据，引入基于特征的注意力机制；训练并交替更新LSTNet网络模型的权重参数；
S5、用测试集Tx对训练完成的Prophet-LSTNet组合预测模型进行可靠性验证；若可靠性不足，执行S4，若可靠性合格，执行S6；可靠性验证包括如下子步骤：
S51、采用测试集Tx内的跟随时间序列的用户属性数据作为Prophet-LSTNet组合预测模型的输入，生成跟随时间序列上的预测结果；预测结果可视化后制作预测曲线图，对预测曲线图围成的区域按时间区段进行切割成m份，分别计算每一份区域的面积a；
S52、测试集Tx可视化后经过平滑处理得到测试曲线图，采用S5中相同的切割方式对测试曲线图进行切割成m份，分别计算每一份区域的面积b；
S53、对应时间区间上的区域面积进行误差运算得到m个局部拟合优度值d；
S54、与预设的拟合优度值d0进行比较运算确定局部拟合优度值的合格率H，根据局部拟合优度值的合格率确定Prophet-LSTNet组合预测模型是否可靠；
S6、利用训练好的Prophet-LSTM组合预测模型对供电系统成本进行预测，输出预测结果。


2.根据权利要求1所述的一种考虑多尺度时间序列的供电系统成本预测方法，其特征在于：S1中对成本数据进行降噪处理包括如下步骤：
以时间间隔t1为周期对历史成本数据进行划分成n等份,剔除成本数据中的负值，将每
一等份的历史成本数据根据数值排序分为四等分，计算第一四分位数Q1和第二四分位数Q2
以及第三四分位数Q3，异常值是位于四分位数范围之外的数据点，设定异常值的边界范围，
其中异常值上限：；
异常值下限：；
其中：，；
其中，，k为置信系数；其中超过异常值上限的数据使用异常值上限代替，
低于异常值下限的数据使用异常值下限代替。


3.根据权利要求1所述的一种考虑多尺度时间序列的供电系统成本预测方法，其特征在于：可视化成本数据包括如下步骤：
建立笛卡尔坐标系，其中横轴为时间值，纵轴为成本值；分别对训练集Tr和测试集Tx绘制时间序列上的成本折线图。


4.根据权利要求2所述的一种考虑多尺度时间序列的供电系统成本预测方法，其特征在于：
S2中用户属性...

【专利技术属性】
技术研发人员：王海庆，蓝飞，姚日权，孙泉辉，程嵩，金绍君，费英群，方利锋，罗哲珺，
申请(专利权)人：国网浙江省电力有限公司，国网浙江省电力有限公司湖州供电公司，
类型：发明
国别省市：浙江;33