基于大数据的数字化经营信息预测及模拟推演方法技术

本发明专利技术涉及基于大数据的数字化经营信息预测及模拟推演方法，包括以下步骤：获取电网历史数据并进行预处理；构建时序预测模型及大数据预测模型，并通过预处理后的电网历史数据对大数据预测模型进行训练；将待测电网数据输入调优后的时序预测模型及训练完的大数据预测模型，对未来电网数据进行预测。本发明专利技术相较于现有技术方式，本发明专利技术对于各类源数据文件类型及数据库类型都有良好的适配性与集成性。相较于现有技术方式，本发明专利技术对于最终用户的操作基本实现全程自动化，且最终的输出数据结果具有更好的普遍适用性。有更好的普遍适用性。有更好的普遍适用性。

【技术实现步骤摘要】
基于大数据的数字化经营信息预测及模拟推演方法


[0001]本专利技术属于预测分析
，具体说是基于大数据的数字化电力数据预测及经营模拟预测方法。

技术介绍

[0002]随着电网企业管理的发展，精细化管理及盈利的需求压力不断增大，目前，电网企业进行经营规划是通过历史经验及政府指导规划相结合的模式进行，但是在市场化政策背景下，传统的管理与规划模式无法满足新的市场环境及管理需求，传统规划方式对于现有海量经营数据无法进行分析和预测，导致经营预测分析能力跟不上新的要求，数据处理效率低下。因此电网企业需要在数字化转型等大环境与趋势下，充分挖掘发挥现有各口径数据价值，并将数据与人工智能、机器学习等先进技术手段充分结合，开发建设基于大数据的预测分析平台，服务支撑公司输配电价核定、经营策略优化与战略提升，从而保证提升公司管理创新水平，优化现金流及营收利润。

技术实现思路

[0003]本专利技术目的是提供一种基于大数据的数字化电力数据预测及经营模拟预测方法，以克服上述预测方法的缺陷。
[0004]本专利技术为实现上述目的所采用的技术方案是：基于大数据的数字化经营信息预测及模拟推演方法，包括以下步骤：
[0005]获取电网历史数据并进行预处理；
[0006]构建时序预测模型及大数据预测模型，并通过预处理后的电网历史数据对大数据预测模型进行训练；
[0007]将待测电网数据输入时序预测模型及训练完的大数据预测模型，对未来电网数据进行预测。
[0008]所述预处理包括以下步骤：/>[0009]确定数据异常值并剔除；
[0010]对于缺失值通过线性插值法补全，得到完整的数据；
[0011]将完整的数据按照数据库数据要求进行处理，使其存储于数据库中；
[0012]对于数据库中属性值相同的记录认为是重复记录，将重复的记录合并为一条，即获得用于模型训练的数据。
[0013]所述时序预测模型为移动平均模型、整合移动平均自回归模型中的一种，所述大数据预测模型为多层感知机模型。
[0014]所述电网历史数据为历史经营信息，所述未来电网数据为未来经营信息。
[0015]所述移动平均模型为以下方式中的一种：
[0016]F
t
＝(A
t
‑1+A
t
‑2+A
t
‑3+
……
+A
t
‑
n
)/n
[0017]其中，F
t
为未来电网数据预测值，n为移动平均的时期个数，A表示电网历史数据，
A
t
‑
n
表示第n期的电网历史数据实际值，t表示所需预测的时点；
[0018]F
t
＝k1A
t
‑1+k2A
t
‑2+k3A
t
‑3+
……
+k
n
A
t
‑
n
[0019]其中，F
t
为未来电网数据预测值，n为移动平均的时期个数，A表示电网历史数据，A
t
‑
n
表示第n期的电网历史数据实际值，k
n
表示第n期的系数，t表示所需预测的时点。
[0020]所述整合移动平均自回归模型如下：
[0021]y
t
＝μ+φ1*y
t
‑1+...+φ
p
*y
t
‑
p
+θ1*e
t
‑1+...+θ
q
*e
t
‑
q
[0022]其中,y
t
表示未来电网数据预测值，φ表示AR的系数，θ表示MA的系数，p、q分别为阶层和阶数，e表示误差，t表示所需预测的时点。
[0023]分别通过移动平均模型、整合移动平均自回归模型和多层感知机模型进行未来电网数据的预测，将各预测结果分别乘以权重，得到最终预测结果。
[0024]所述电网历史数据为电网运营参数的历史数据，所述未来电网数据为电网运营指标。
[0025]所述电网运营参数的历史数据为包含电量、电价、线损的历史数据；所述未来电网数据为用于电网运营的含有经济指标、发电成本、电力运营的指标。
[0026]一种计算机可读存储介质，所述存储介质上存储有计算机程序，当所述计算机程序被处理器执行时，实现基于大数据的数字化经营信息预测及模拟推演方法。
[0027]本专利技术具有以下有益效果及优点：
[0028]1.相较于现有技术方式，本专利技术对于各类源数据文件类型及数据库类型都有良好的适配性与集成性。
[0029]2.相较于现有技术方式，本专利技术对于最终用户的操作基本实现全程自动化，且最终的输出数据结果具有更好的普遍适用性。
[0030]3.可处理海量历史数据及实时数据，并支持分析时间颗粒度的进一步细化，在高数据质量支撑下，最多可以分析预测到秒级数据。
[0031]4.数据处理效率更高，结果输出速度更快，可以更及时的协助企业为后续管理经营等操作提供草靠协助。
[0032]5.大数据预测模型具有良好的普遍适用性，在完成基本系统搭建并顺利运行后，可通过对相关指标的调整，实现更多的应用及预测需求。
附图说明
[0033]图1深度学习预测模型运作原理示意图；
[0034]图2多层感知机MLP神经网络示意图。
具体实施方式
[0035]下面结合附图及实施例对本专利技术做进一步的详细说明。
[0036]本专利技术用于以下2个业务需求：(1)经营信息预测；(2)核心参数驱动的公司经营模拟推演。
[0037]基于上述2项业务需求，通过2个应用场景来实现：(1)经营信息预测；(2)经营模拟推演。其中经营信息预测是针对电网企业购电侧中长期市场交易数据、现货市场分时电价、发电企业辅助服务、电网企业售电侧分电压等级、分用户类型的售电电力数据预测；经营模
拟推演则是在前序预测功能的基础上，基于相关预设指标，通过控制变量法对需要进行模拟的数据进行调整，从而进一步分析电价、电量、线损等核心参数对经营效益的驱动作用与联动模型。
[0038]一、从数据源中获取电网数据，并对数据进行预处理：
[0039](1)数据异常值
[0040]用统计分析的方法识别可能的错误值或异常值，如偏差分析、识别不遵守分布或回归方程的值等，或者用最简单的规则来检查数据值，通过观察数据的趋势图，寻找、确定并剔除异常值。
[0041](2)数据部分缺失
[0042]缺失值须人工处理，从本数据源或其它数据源推导出来，就是使用平均值、最大值、最小值或更为复杂的概率估计代替缺失的值，本实施例首选线性插值法补全缺失值达到清理的目的，因该方法具有简单、方便的特点。
[0043](3)非结构本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于大数据的数字化经营信息预测及模拟推演方法，其特征在于，包括以下步骤：获取电网历史数据并进行预处理；构建时序预测模型及大数据预测模型，并通过预处理后的电网历史数据对大数据预测模型进行训练；将待测电网数据输入时序预测模型及训练完的大数据预测模型，对未来电网数据进行预测。2.根据权利要求1所述的基于大数据的数字化经营信息预测及模拟推演方法，其特征在于，所述预处理包括以下步骤：确定数据异常值并剔除；对于缺失值通过线性插值法补全，得到完整的数据；将完整的数据按照数据库数据要求进行处理，使其存储于数据库中；对于数据库中属性值相同的记录认为是重复记录，将重复的记录合并为一条，即获得用于模型训练的数据。3.根据权利要求1所述的基于大数据的数字化经营信息预测及模拟推演方法，其特征在于，所述时序预测模型为移动平均模型、整合移动平均自回归模型中的一种，所述大数据预测模型为多层感知机模型。4.根据权利要求1所述的基于大数据的数字化经营信息预测及模拟推演方法，其特征在于，所述电网历史数据为历史经营信息，所述未来电网数据为未来经营信息。5.根据权利要求3所述的基于大数据的数字化经营信息预测及模拟推演方法，其特征在于，所述移动平均模型为以下方式中的一种：F
t
＝(A
t
‑1+A
t
‑2+A
t
‑3+
……
+A
t
‑
n
)/n其中，F
t
为未来电网数据预测值，n为移动平均的时期个数，A表示电网历史数据，A
t
‑
n
表示第n期的电网历史数据实际值，t表示所需预测的时点；F
t
＝k1A
t
‑1+k2A
t
‑2+k3A
t
‑3+
……
+k
n
A

【专利技术属性】
技术研发人员：张娜，张明理，潘霄，徐熙林，赵琳，张明慧，王阳，武志锴，胡旌伟，李金起，王宗元，商文颖，杨朔，杨博，吉星，杨方圆，
申请(专利权)人：国家电网有限公司，
类型：发明
国别省市：