数据库，数 据采集装置通过数据通信接口从大数据库中分别采集所有客户群的用电数据以及高压新 装后客户群的用电数据并存储； 第一数据筛选装置，接收数据采集装置的高压新装后客户群的用电数据，对客户群的 用电量数据进行排序，根据用电量的大小筛选出能够代表客户群的典型客户； 第二数据筛选装置，根据筛选出的典型客户用电数据，对典型客户前N年的用电量数 据进行季节调整，将季节因素和其他随机因子从原数据中剔除，得到各个典型客户用电状 况的趋势循环项； 曲线拟合装置，所述曲线拟合装置包括： 典型客户电量增长趋势曲线拟合模块，接收第二数据筛选装置得到的典型客户用电状 况的趋势循环项数据，采用生长曲线法拟合高压新装送电后电量增长趋势曲线； 客户群新装容量生长曲线拟合模块：接收高压新装送电后电量增长趋势曲线的拟合 值，对拟合值进行主元提取，得到各典型客户的主元分值表并据此计算客户群新装后设定 时间内的主元电量；根据主元电量拟合得到客户群新装容量生长曲线； 数据季节调整装置，接收数据采集装置的所有客户群的用电数据，分别将报装容量及 其对应售电量按设定时间进行统计，得到两时间序列；对上述两时间序列分别进行季节调 整，分别得到其趋势循环项、季节项和随机因子； 建立售电量和报装容量关联模型的装置，接收数据季节调整装置的数据，将售电量的 趋势循环项设定为反映系统行为特征的参考数列，将报装容量趋势循环项设定为影响系统 行为的比较数列；从预测的角度滞后参考数列，利用灰色关联分析方法寻找两数列曲线关 联度最高时，参考数列滞后的月份；对滞后的售电量趋势循环项和报装容量趋势循环项进 行线性回归，得到两趋势循环项之间的关联模型； 所述数据采集装置与第一数据筛选装置、第二数据筛选装置和曲线拟合装置依次连 接；所述数据采集装置还与数据季节调整装置、建立售电量和报装容量关联模型的装置依 次连接。2. -种如权利要求1所述的基于季节调整的业扩报装分析预测系统的工作方法，其特 征是，包括如下步骤： (1) 数据获取与筛选：采集设定区域所有客户群的用电数据以及高压新装后客户群的 用电数据，在高压新装后客户群的用电数据中，根据用电量的大小筛选出能够代表客户群 的典型客户； (2) 采用X12方法分别对典型客户前N年的用电量数据进行季节调整，将季节因素和其 他随机因子从原数据中剔除，得到各个典型客户用电状况的趋势循环项； (3) 选择步骤（2)中各个典型客户高压新装后设定时间内用电状况的趋势循环项，采 用生长曲线法拟合高压新装送电后电量增长趋势曲线； (4) 利用主元分析法对步骤（3)中典型客户高压新装后电量增长趋势的拟合值进行主 元提取；得到各典型客户的主元分值表并据此计算客户群新装后设定时间内的主元电量； (5) 拟合得到客户群新装容量生长曲线并进行分析得到客户群新装容量释放规律； (6) 根据步骤（1)中采集到的设定区域所有客户群的用电数据，分别将报装容量及其 对应售电量按设定时间进行统计，得到两时间序列；对上述两时间序列分别进行季节调整， 分别得到其趋势循环项、季节项和随机因子； (7) 将售电量的趋势循环项设定为反映系统行为特征的参考数列，将报装容量趋势循 环项设定为影响系统行为的比较数列；从预测的角度滞后参考数列，利用灰色关联分析方 法寻找两数列曲线关联度最高时，参考数列滞后的月份； (8) 对滞后的售电量趋势循环项和报装容量趋势循环项进行线性回归，得到两趋势循 环项之间的关系； (9) 根据两趋势循环项之间的关系，完成利用报装容量对售电量的短期月度预测工作。3. 如权利要求2所述的一种基于季节调整的业扩报装分析预测系统的工作方法，其特 征在于，所述步骤（2)的具体方法为： 1) 设定用电量时间序列Q(t)，利用中心化12项移动平均的方法初始估计趋势循环项， 消除以年为单位的周期性变动； 2) 选用加法模型，消除趋势循环项后得到季节项与随机因子的和序列QSI(t): QSI(t) =QSF(t)+QIR(t) =Q(t)-QTC(t)； 3) 利用3*3移动平均估计季节项QSF(t); 4) 消除季节项得到趋势循环项与随机因子的和序列QTei(t): QTCI(t) =QTC (t)+QIR (t) =Q(t)-QSF(t)； 5) 利用Henderson移动平均法精确估计得到趋势循环项序列QTe(t); 其中，QSF(t)为季节项序列，QIR(t)为随机因子序列，QTC(t)为势循环项序列。4. 如权利要求3所述的一种基于季节调整的业扩报装分析预测系统的工作方法，其特 紅亦千.斫袜来骢n由初始仕许鸪热惦钚邡的玄法具体为：其中，表示趋势循环项的初始估计、Qa6)表示向前移动6个单位后的用电量时间 序列、Qa+6)表示向后移动6个单位后的用电量时间序列。5. 如权利要求3所述的一种基于季节调整的业扩报装分析预测系统的工作方法，其特 征在于，所述步骤3)中利用3*3移动平均估计季节项的方法具体为：其中，QSFW表示季节项的估计、Qsnt24)表示向前移动24个单位后季节项与随机因子的 和序列、Qsia+24)表示向后移动24个单位后季节项与随机因子的和序列。6. 如权利要求3所述的一种基于季节调整的业扩报装分析预测系统的工作方法，其特 征在于，所述步骤5)中精确估计得到趋势循环项序列的方法具体为：其中，j表示前后调整的项数、H表示前后调整的最大项数、h为Henderson加权移动平 均系数。7. 如权利要求1所述的一种基于季节调整的业扩报装分析预测系统的工作方法，其特 征在于，所述步骤（4)中利用主元分析法对所筛选出的典型客户电量趋势项进行主元提取 的方法具体为： 设Q= (%)nX12= (Qi，Q2,...，Q12)为所述步骤⑶中典型客户高压新装后设定时间段 内电量增长趋势的拟合值，其中^为第i个客户新装后第j个月的电量，Q"为第m个月各 客户电量； 首先利用下式对原数据进行标准化处理，排除数量级和量纲对结果的影响；其中，€为第i个典型客户各月电量的均值，Si为第i个典型客户各月电量的标准差； 标准化后的电量增长趋势拟合值矩阵同样由新装后设定时间段内各客户的用电量列 向量构成，BPQ' =(Q'i，Q' 2，…，Q' 12); 然后计算相关系数矩阵R= (^卩12><12; 其中'uq' 为数据阵中Q'JPQ' 的协方差，S'pS', 分别为数据阵中Q'JPQ'的标准差；Q'JPQ'分别代表标准化后的电量增长趋势 拟合值矩阵中第i个和第j个客户的用电量列向量； 计算相关系数阵R的特征值，若特征值中有m个大于0,则有m个主元P= (?1) ?2) ? ? ? )Pm) =QA； 其中，A= (ai,a2, . . .，am)为m个特征值对应的正交特征向量矩阵，= (Q'i，Q' 2，...，Q' 12)为标准化后的电量增长趋势拟合值矩阵； 最后，计算特征值^对应主元Pi的贡献率ci:当前k个主元的贡献率达90%以上时则可用这k个主元代替原数据。8. 如权利要求1所述的一种基于季节调整的业扩报装分析预测系统的工作方法，其特 征在于，所述步骤（7)的具体方法为： 设参考数列为qt，比较数列为et，t= 1，2, . ..，n;t为月份； 计算1与et的关联系数Gt; 根据关联系数计算两数列关联度，关联度最高时两数列相差的月份t为可利用报装容 量预测售电量的月份。9. 如权利要求8所述的一种基于季节调整的业扩报装分析预测系统的工作方法，其特 征在于，所述计算^与^的关联系数G，的方法为：其中，p G (〇，〇〇)，为分辨系数。10. 如权利要求8所述的一种基于季节调整的业扩报装分析预测系统的工作方法，其 特征在干，计筧两数列关联度的方法为：
【专利摘要】本发明公开了一种基于季节调整的业扩报装分析预测系统及方法，包括：首先对客户电量进行季节调整，以剔除季节性波动对电量增长趋势的影响，寻求时间序列的内在规律，筛选出具有代表性的典型客户，通过主元分析法得到客户群新装容量的释放规律。其次对报装容量和售电量分别进行季节调整，采用灰色关联分析法找到其趋势循环项关联度最强的月份，完成售电量预测。本发明有益效果：考虑到典型客户用电量受到季节因素的影响，其季节性波动的复杂性会掩盖经济发展过程中的客观规律，使序列的预测变得复杂、困难，因此要将季节因素和其他随机因子从原序列中剔除，使所选择的典型客户能够真正意义上的代表客户群的电量变化情况。
【IPC分类】G06Q10/04, G06Q50/06
【公开号】CN105023066
【申请号】CN201510467874
【发明人】王勇, 杨广森, 张玉敏, 韩学山, 陈云龙, 程婷婷
【申请人】山东大学
【公开日】2015年11月4日
【申请日】2015年7月31日