CN107274100A

CN107274100A - 基于电力大数据的经济预警分析方法

Info

Publication number: CN107274100A
Application number: CN201710486353.0A
Authority: CN
Inventors: 黄宗碧; 李磊; 钟华; 胡道友
Original assignee: Guangdong Informed Robot Technology Co Ltd
Current assignee: Guangzhou Huaying Electric Technology Co., Ltd.
Priority date: 2017-06-23
Filing date: 2017-06-23
Publication date: 2017-10-20

Abstract

本发明提供了一种基于电力大数据的经济预警分析方法，其建立了一个经济预警模型，并依靠电力数据进行分析挖掘，所述方法包括，建立运算数据库，并把收集的数据进行整理；进行数据清洗；把数据进行归并分类；把数据进行变化规律的挖掘；根据数据进行估计预测；还有是对估算出的结果进行检验和反馈，检验的方式是将预测值和已有的大数据进行比对，如果吻合则输出数据，不吻合则通过模型优化修改；最后建立成果数据库供用户使用。通过本发明可以利用电力大数据以实现对多类企业或经济区域的经济特征分析，企业和区域政府就能根据数据分析结果进行决策，制定一系列的生产计划以及应对措施，从而更好地推动社会经济发展。

Description

基于电力大数据的经济预警分析方法

技术领域

本发明涉及电力数据的运用，具体来说，其涉及一种基于电力大数据的经济预警分析方法。

背景技术

经济预警模型在整个社会发展中起着举足轻重的作用。如果能够做到预测经济，国家政府就可以根据经济走向，重点扶持走向较好的产业；也可以及早发现经济问题，出台政策进行干预，降低行业损失。对于企业，根据行业发展趋势，就能适当调整生产计划、控制产能、拓宽销路等措施，迎合市场。反之，没意识到要做好预测经济准备，必定是无法长久存活的。无论是国家还是企业，不重视经济发展走向，没有防范意识，就不能够稳固发展。因此，要发展经济，必须要有前瞻性。

众所周知，电能是我国重要的基础能源，在我国能源消耗上占的比重最大。电力被广泛应用于纺织、通信、广播、化学等各个领域，是我国经济发展的主要动力，同时与国民生活息息相关。据报道，我国的电力消耗率仅次于美国，在全球排名第二。使用电能代替其他能源，是节能环保的必然要求，符合可持续发展原则。在未来，电能的使用量、使用率都会进一步增长，因此，建立一个经济预警模型，依靠电力数据进行分析挖掘是比较适宜的。

经济预警模型通过收集企业和区域政府的企业负荷、企业信息、专变容量、公变负荷等电力数据，运用多种算法对这些大数据进行筛选剔除、归类合并等处理，并挖掘出它们的一致变化规律、先行变化规律、滞后发展规律等，从而得出各项经济功能指标(如波动的周期、平均位势、年度增长率等)。并且通过对多类企业或经济区域的经济特征分析，企业和区域政府就能根据数据分析结果进行决策，制定一系列的生产计划以及应对措施，从而更好地推动社会经济发展。

发明内容

基于以上理由，发明人做出了本发明，即提出了一种基于电力大数据的经济预警分析方法，其包括以下步骤：

建立运算数据库，并把收集的数据进行整理；

进行数据清洗；

把数据进行归并分类；

把数据进行变化规律的挖掘；

根据数据进行估计预测；

还有是对估算出的结果进行检验和反馈，检验的方式是将预测值和已有的大数据进行比对，如果吻合则输出数据，不吻合则通过模型优化修改；

最后建立成果数据库，供用户使用。

更进一步的，所述建立运算数据库步骤包括收集企业以及政府的电力数据并用以建立所述运算数据库。

更进一步的，所述数据清洗步骤包括对收集的电力数据进行筛选，把无效或错误的数据剔除，修正数据误差。

更进一步的，所述的数据的变化规律包括：数据数据变化的一致性、数据变化的先行性以及数据变化的滞后性。

更进一步的，其中根据数据进行估计预测包括根据数据预测区域行业景气指数和区域景气指数。

附图说明

图1是本发明的模型算法层次示意图。

图2是本发明的模型算法构成示意图。

图3是本发明的数据流框图。

图4是本发明的模型架构示意图。

图5是本发明使用的大数据挖掘指标功能单元示意图。

具体实施例

以下结合附图1-5对本发明做进一步的说明。

1.模型定位

基于电力大数据的经济预警模型，服务对象主要分为两大类：企业和各级政府。模型主要通过对电力负荷的数据分析，对各行业及各经济区域的经济走势进行预测。企业决策者可以对其生产计划，年度总结，发展趋势根据模型作出直观的分析判断，政府则根据模型显示的区域内企业的经济态势对公共事业建设的增减进行决策。利用此模型，首先可以实现难以量化的经济预测指标，其次还可以减少人力收集数据的繁琐和困难，实现减员增效。模型采用多级运算，可以减少人力核算的失误，实现了数据输入到数据输出的自动化过程，并且随着数据的储存积累模型的性能会得到更进一步的提高。

子模型定位：

基于电力负荷数据的经济预警模型。为国家级决策提供数据源级支撑。分为：

基于企业电力负荷的区域行业中短期景气指数预警子模型。

基于公共电力负荷的区域经济中短期预警子模型。

2.大数据条件

组成此模型的两大电力数据条件：

1)基础数据：共十项

A、企业电表及相关的基础数据五项，企业负荷和企业信息是必要数据。

B、公共电表及相关的基础数据五项，公变负荷和电表信息是必要数据。

2)、检验数据：针对区域行业景气变化程度和区域经济变化程度进行检验

A、以行业信息作为必要分类，对区域行业景气指数作必要量化。

B、对区域经济做可扩展的量化。

各个数据需要的检查频度、必要性、质量等详细内容见下表：

I)基础数据：

II)检验数据：

A)区域行业中短期景气程度统计数据。

B)区域经济中短期统计数据。

3.模型算法层次

基于电力大数据的经济预警模型的建立，首先需要收集数据，然后使用数学算法，再通过软件分析挖掘，最后通过模型的检验验证预测结果，才能确定模型的正确性。由于模型所需的数据条件较多且内容繁杂，模型采用了三层算法支持数据的分析运算，第一层算法采取以数学为主题的分析算法，此层算法主要通过对各类数据的变化统计，为下一层算法进行初步数据筛选；第二层算法对数据进行预处理，挖掘数据的变化规律，通过对数据变化规律的挖掘，建立成果数据；第三层算法是成果校验算法，对第二层算法成果数据筛选出需要的经济指标，如转折点指标、年度增长率、波动周期、预测值、增长率周期波动的基准日期等，供用户进行使用和查证。

4.模型算法构成

基于电力大数据的经济预警模型算法可以分解为下表的七个部分，它们使得模型更高效地进行大数据智能分析运算。首先是建立运算数据库，把收集的数据进行整理；然后对收集的数据进行筛选，把无效、错误的数据剔除，修正数据误差；接着把数据进行分割，适当地把数据归并分类，分类方法详见大数据条件的十项基础数据；之后把数据进行各种变化规律的挖掘，例如数据变化的一致性，数据变化的先行性，数据变化的滞后性；再者是对数据进行估计预测，主要预测区域行业景气指数和区域景气指数；还有是对估算出的结果进行检验和反馈，检验的方式是将预测值和已有的大数据进行比对，如果吻合则输出数据，不吻合则通过模型优化修改；最后是建立成果数据库，供用户使用

5.数据流框图

在大数据流的走向上，首先是用仿真数据进行试算，通过算法模型检验仿真数据的有效性，对模型进行修正，对修正后的数据与已有的大数据进行吻合程度的分析对比，接着，对模型进行更进一步的修正，修正后的数据作为成果数据与已有的数据进行积累，最后积累到一定的量(基础数据中要求某些数据如专变容量的数据量为三年)，模型就可以供用户对比分析。

6.模型架构

附图给出了基于电力大数据的经济预警模型架构图。图中展示了模型中数据的处理细节，可分成七个环节，缺一不可。

①负荷数据接口：最基本的环节。广泛收集各类别的企业以及政府的电力数据，输入并建立完整的数据库：

A)步骤1.1：汇总各级变电站电表负荷数据及相关信息数据，即表一所列基础数据D1，D2，D3，D4，D5，D6，D7，D8，D9，D10。

B)步骤1.2：存储D1～D10于数据库数据表TAB1中。

C)算法：TAB1[i]＝Get(D[i]),i＝0,…,9

②数据清洗

该环节有特定的“清洗参数”，对最原始的数据进行剔除，剔除无效和错误的数据：

A)步骤2.1：设定清洗参数表:上界TCtop,下界TClow,误码TCerr

B)步骤2.2：标记出TAB1中所有异常数据，存储于TAB2中

C)算法：

if(TAB1[i]>TCtop[i])TAB2[i]＝Mark(i)；

if(TAB1[i]>TClow[i])TAB2[i]＝Mark(i)；

if(TAB1[i]∈TCerr[i])TAB2[i]＝Mark(i)；

③数据分割

依照“聚类参数”把企业进行分类，如分为制造业、金融业、纺织业、养殖业等：

A)步骤3.1：设定聚类参数表：聚心TCc，类距TCd

B)步骤3.2：以N个聚心为中心点，将所有数据聚为N类，存储于TAB3中

C)算法：TAB3[i]＝Custer(TAB1[i],TAB2[i],TCc,TCd)

④数据挖掘

依照构成参数运用容错规律变化对数据进行挖掘，得出数据基本的变化规律：一般变化规律、先行变化规律、滞后变化规律：

A)步骤4.1：设定构成参数表：TS

B)步骤4.2：使用聚类数据和构成参数计算变化规律指数：一般指数Inor,先行指数Ilead,滞后指数Ilag

C)算法：i＝0,...,N类

Inor[i]＝IndexNor(TAB1,TAB3,TS)；

Ilead[i]＝IndexLead(TAB1,TAB3,TS)；

Ilag[i]＝IndexLag(TAB1,TAB3,TS)；

⑤规律预测

依照预估参数对企业和政府数据进行经济态势的规律预测：

A)步骤5.1：设定预估参数表：TE

B)步骤5.2：使用变化规律指数和预估参数计算预测值E,其中包括：一般预测值Enor,先行预测值Elead,滞后预测值Elag

C)算法：i＝0,...,N类

Enor＝HMMestimate(Inor[i],TE)；

Elead＝HMMestimate(Ilead[i],TE)；

Elag＝HMMestimate(Ilag[i],TE)；

⑥检验拟合

经济预警模型得出的预测值都必须要通过检验。不能通过检验的数据可以用来修正模型参数，使得预测结果越来越准确：

A)步骤6.1：使用检验数据通过⑤计算检验预测值：CE

B)步骤6.2：比较预测值与检验预测值，用以优化模型参数

C)算法：if(|E-CE|>D)Adjust(TC,TS,TE)；

⑦预警数据接口

如果未能通过环节⑥的检验，则继续优化；若通过，就能输出预警的数据，建立成完整的经济预警模型：

A)步骤7.1：输出经济预警结果

B)步骤7.2：预警结果存入结果数据库表：TAB7

C)算法：TAB7[t]＝E[t]；

⑧清洗参数：根据数据清洗的结果，根据数据可适当调整清洗参数

参数描述：上界TCtop,下界TClow,误码TCerr

⑨聚类参数：经过模型数据分割检验，把有效的企业分类保留，无效的剔除，可根据数据调整参数

参数描述：聚心TCc，类距TCd

⑩构成参数：挖掘规律时选用的规律构成因子矩阵，包括各行业每日的波动特征，平均位势等，构成每日指数

参数描述：规律构成因子TS

预估参数：时间序列HMM预测算法系数矩阵。可以根据检验结果，进行模型优化，调整各项参数。

参数描述：HMM预测系数TE：

不通过检验拟合，则进行模型优化

A)步骤8.1：如果检验通过，保留原参数；否则修正参数

B)算法：if(|E-CE|>D)Adjust(TC,TS,TE)；

7.大数据挖掘指标功能单元

对于大数据的挖掘，有12个具体指标单元，包括时间序列指标、转折点指标、年度增长率、波动周期、态势分析指标、预测值、增长率周期波动的基准日期，长度特片、幅度特征、平均位势、偏移率、协动性。如时间序列指标，以时间为序列，将各个企业随着时间变化的具体用电量直观地显示出来；又如波动周期，让用户可以预测自己的生产高峰期和生产低谷期，可以提前对生产低谷期进行避免亏损的决策等。有了这些功能指标，企业计划以及政府增设决策都能在巨大的风险和机会到来前做好相关准备，更好地推动社会经济建设。

8.软件分析方法

基于电力大数据的经济预警模型里，将通过分析电力大数据得出的内容分成六大类。

第一类是基于电力大数据的经济景气指数预警，这一部分通过对电力负荷、容量、维修等数据的数学建模就可以让企业或政府对短期内经济的盈亏作出预测，以顺利地进行下一步发展的决策或对企业的发展方向作出改变。

第二类是基于电力大数据的经济指数时间序列特征挖掘分析，这部分以时间为序列，让用户以月/季度/年为单位，分析经济的上升或回落，在下一年度的上升回落期针对性地做出防范措施。

第三类是基于转折点特征挖掘分析，这部分可以让用户分析经济上升和回落转折的原因和特点，找出关键因素改良其生产计划。

第四类是基于波动周期特征的挖掘，这部分可以让用户分析出经济上升回落或产品销量多与少的具体时期，从而对此时期的市场作针对性调查，以改进其产品来满足客源以及占领市场。

第五类是基于经济指数态势特征分析，这部分可以分析出一个区域内一定时期内相同行业的企业盈亏状况，以便政府或相关企业更好地调控市场。

第六类是基于经济指数协动性特征分析，这部分可以分析出一个区域一个时期内不同行业的企业是如何盈亏的，如汽车制造业在一个时期内经济增长迅速，汽车配套行业的经济是否随汽车行业经济的增长而增长，相反汽车的替代行业经济是否随汽车行业经济的增长而下降。

1)基于电力大数据的经济景气指数预警

功能：

A)电力负荷、容量、故障/维修数据的数学建模及分析

B)经济景气指数建模及分析

C)基于企业电力负荷的区域行业中、短期景气指数预测计算及预警

D)基于公共电力负荷的区域经济中、短期景气指数预测计算及预警

2)基于电力大数据的经济指数时间序列特征挖掘分析

功能：

A)电力负荷、容量、故障/维修数据的时间序列特征分析

B)经济景气指数的时间序列特征关联分析

C)基于时间序列关联特征的电力大数据运动、变化和发展规律发掘

D)基于时间序列关联特征的经济景气指数预测计算及预警

3)基于电力大数据的经济指数转折点特征挖掘分析

功能：

A)电力负荷、容量、故障/维修数据的转折点特征分析

B)经济景气指数的转折点特征特征关联分析

C)基于转折点关联特征的电力大数据运动、变化和发展规律发掘

D)基于转折点关联特征的经济景气指数预测计算及预警

4)基于电力大数据的经济指数波动周期特征挖掘分析

功能：

A)电力负荷、容量、故障/维修数据的波动周期特征分析

B)经济景气指数的波动周期特征关联分析

C)基于波动周期关联特征的电力大数据运动、变化和发展规律发掘

D)基于波动周期关联特征的经济景气指数预测计算及预警

5)基于电力大数据的经济指数态势特征挖掘分析

功能：

A)电力负荷、容量、故障/维修数据的态势特征分析

B)经济景气指数的态势特征关联分析

C)基于态势关联特征的电力大数据运动、变化和发展规律发掘

D)基于态势关联特征的经济景气指数预测计算及预警

6)基于电力大数据的经济指数协动性特征挖掘分析

功能：

A)电力负荷、容量、故障/维修数据的协动性特征分析

B)经济景气指数的协动性特征关联分析

C)基于协动性关联特征的电力大数据运动、变化和发展规律发掘

D)基于协动性关联特征的经济景气指数预测计算及预警。

Claims

1.一种基于电力大数据的经济预警分析方法，其特征在于，所述方法包括以下步骤：

建立运算数据库，并把收集的数据进行整理；

进行数据清洗；

把数据进行归并分类；

把数据进行变化规律的挖掘；

根据数据进行估计预测；

最后建立成果数据库，供用户使用。

2.如权利要求1所述的一种基于电力大数据的经济预警分析方法，其特征在于，所述建立运算数据库步骤包括收集企业以及政府的电力数据并用以建立所述运算数据库。

3.如权利要求2所述的一种基于电力大数据的经济预警分析方法，其特征在于，所述数据清洗步骤包括对收集的电力数据进行筛选，把无效或错误的数据剔除，修正数据误差。

4.如权利要求3所述的一种基于电力大数据的经济预警分析方法，其特征在于，所述的数据的变化规律包括：数据数据变化的一致性、数据变化的先行性以及数据变化的滞后性。

5.如权利要求4所述的一种基于电力大数据的经济预警分析方法，其特征在于，其中根据数据进行估计预测包括根据数据预测区域行业景气指数和区域景气指数。