[发明专利]对资源消耗量进行预测的数据处理方法

说明书

技术领域

本发明涉及电子信息及数据处理技术领域，具体涉及一种对资源消耗量进 行预测的数据处理方法。

背景技术

电力、水资源、天然气等资源的配置关系到国计民生，进行资源消耗量的 预测，对于社会生产经营及人们日常生活有着重要的指导意义，以下以用电量 为例进行说明：

电力财务管控系统中汇集了电力营销、生产、调度等信息系统所产生的海 量信息数据。例如某省3000万用户用电数据，从营销同步过来达到16GB左右， 在财务管控系统中，需要按照行业、用电类别等多维度统计及存储约35GB，累 计十年就达到42TB。对如此海量的数据信息进行分析处理，从中获取有用信息， 挖掘潜在的价值，是电力行业对用电数据管控工作所面临的挑战和机遇。

月用电量数据作为一种基础指标数据，其预测工作涉及到财务管控的账务、 报表、资金管理、预算管理等多个业务领域。月用电量预测性，将直接影响到 预算等管理在电力业务中引导作用的发挥。在实际应用中，通常会遇到两个主 要问题：

第一、用电结构不稳定。月用电量在财务管理中应用时，会需要根据不同 的业务区域、用电行业、以及电价等级来分别考虑。财务管控系统中，实际操 作中电价处会参考历史同期用电结构人为硬性分摊到各用户类别，由于不同用 户类别售电单价存在差异较大，而按此方法分摊势必会影响到各类售电收入预 测以及售电收入总额预测的准确性，尤其是当售电结构不稳定时，这种预测方 法对售电收入的影响和误差将会继续扩大。其准确不高将会影响到年度、月度 损益预算以及先进流预算的准确性，进而影响整个电力融资预算的准确性；

第二、用电量预测通常需要和业务决策目标相互关联。在财务管控系统中 的用于决策的月用电量预测，较多的办法是通过月用电统计数据，结合采用回 归分析、趋势分析等直接定量预测的方法，并辅之以经验判断验证，直接针对 决策目标进行预测。这种方法基于粗粒度的统计口径，利用某一时间序列基本 方法来推断月用电量整体发展趋势，势必丢失了很多用户的用电特征的感知， 使得用电业务和业务决策分离，也实际需求偏差较大。

发明内容

本发明旨在提供一种对资源消耗量进行预测的数据处理方法，该方法对海 量历史数据进行特征提取和感知分析，挖掘用户对资源消耗的发展规律和特点， 针对特征感知结果进行相应的数据处理，选择合适的算法和模型，综合搭建资 源消耗量数据处理的预测模型。

为了实现上述目的，本发明采取如下的技术方案：

一种对资源消耗量进行预测的数据处理方法，其特征在于，包括如下步骤：

(1)从数据库中抽取以用户为单位连续时段的资源消耗量基础数据，将资 源消耗量基础数据导入大数据平台的文件系统，得到基础分析数据；

(2)读取所述基础分析数据，统计数据不完整和资源消耗为0的时间序列 分布；

(3)对步骤(2)输出序列进行数据特征的感知，包括：判断序列是否具 有周期特征、记录序列波动中的奇异点位置、检验序列是否稳定；

(4)基于步骤(3)特征感知的结果，做如下处理：针对序列波动中的奇 异点进行平滑处理；对检验不稳定的序列进行差分处理，每差分一次，再次检 验序列是否稳定，如果不合要求，再进行差分，找到差分稳定序列类型或者差 分不超过d次；

(5)根据步骤(4)输出结果，选择合适的预测算法模型进行预测；具体 操作如下：

(5-1)具有周期且波动较小的特征序列，使用ARIMA算法模型进行预测；

(5-2)具有周期性但数据不稳定的特征序列，使用HoltWinters指数平滑 算法模型进行预测；

(5-3)周期性不明确，且数据不稳定的特征序列，使用灰色算法模型进行 预测。

作为具体的技术方案：所述步骤(2)中，读取所述基础分析数据，统计数 据不完整和资源消耗为0的时间序列分布，具体方法包括：

(2-1)以大比例空值结尾的时间序列，做销户序列，该类序列直接删除；

(2-2)以大比例空值开始的时间序列，做新增用户序列，该类序列直接加 和；

(2-3)间隔出现少量空值的时间序列，空值前，连续拥有大于等于5个数 时，采用GM算法预测填充空值；

(2-4)间隔出现少量空值的时间序列，空值前，连续数值小于5时，采用 平移办法填充空值。