[发明专利]一种电网企业运营指标预测方法及预测系统

说明书

技术领域

本发明涉及电网企业运营指标预测方法，特别是一种基于快速稀疏岭回归的电网企业运营指标预测方法及预测系统。

背景技术

电网是国家快速发展的重要基础之一，它是工业发展、提高居民生活质量、保持社会稳定健康发展的基础，因此电网的发展具有重要的意义。

电网企业的责任是“确保安全、经济、清洁和可持续的能源供应，从而为社会、经济的健康发展，人民生活水平的逐步提高保驾护航”。其中，运营指标的管理作为电网企业管理活动的中枢，是企业经营发展的重中之重，能对把握企业整体运营状况、管控经营、监控战略产生实效。此外，通过挖掘数据资产的潜在价值，不仅能提升企业各部门的专业管理能力以及对经营状况的综合分析能力，还能促进企业安全、有序、健康、高效地运营，对经营决策发挥重要的辅助支持作用。然而，确定和下达经营决策的合理性取决于预测这些指标未来变化情况的准确性，由于预测电网企业运营指标是面向未来的，且影响指标变化的因素很多，因此预测过程具有很大的随机性和不确定性。结合电网企业的实际情况选取合适的预测方法，将直接关系到预测的精度。

发明内容

为能准确地预测电网企业的月利润总额，提供一种基于快速稀疏岭回归的电网企业运营指标预测方法，这种预测方法的步骤合理，能准确地对电网企业的月利润总额进行预测。

为实现上述目的，本发明采用以下技术方案：一种电网企业运营指标预测方法，其包括以下步骤：

步骤一、数据预处理：对得到的数据进行min-max归一化处理，即是对原始数据进行线性变换；

步骤二、训练合适的模型，进行曲线拟合：采用快速稀疏岭回归去拟合观测数据；

步骤三、预测过程：利用最优稀疏系数和新的数据，通过上述步骤二训练得到的模型预测未来月份的利润总额。

进一步地，步骤一的具体过程如下：设min和max分别为数据集A中的最小值和最大值，将A的一个原始值a通过min-max归一化为[0,1]区间中的值a'，其公式为：

进一步地，步骤二包括以下步骤：

步骤二-1，用下式描述基于快速稀疏岭回归的训练模型：

其中，A∈R^m×n为字典矩阵，即经过预处理后的数据，向量y∈R^m代表对应月份的利润总额，向量x∈Rⁿ为需要求解的稀疏系数，参数λ>0；

步骤二-2，通过下式求解模型稀疏系数x：

s.t.x＝z

步骤二-3，利用交替方向乘子法(Alternating Direction Method of Multipliers，ADMM)求解约束优化问题：

上式中，ρ>0为惩罚参数，μ为拉格朗日乘数法的数组。

进一步地，步骤二-3的交替方向乘子法迭代方式的步骤如下：

a1.初始z＝0，μ＝10^-6，λ＝0.1，迭代次数k＝0，最大迭代次数k_max＝500，ρ＝1.1，ε_tol＝10^-8；

a2.固定其他参数，更新x：

x^k+1＝(A^TA+ρI)^-1+(A^Ty+ρ(z-u))，

a3.固定其他参数，更新z：

a4.固定其他参数，更新u：

u^k+1＝u^k+x^k+1-z^k+1，

其中，u＝μ/ρ是扩展二元变量；

a5.如满足收敛条件或k达到最大迭代次数k_max，则输出结果为最优稀疏系数x^k+1，算法中止；反之令k＝k+1，转至第a2步。

进一步地，以下公式为步骤a5的收敛条件：

||y-Ax||₂≤ε_tol、||x-z||₂≤ε_tol和||x^k+1-x^k||₂≤ε_tol。

本发明还提供一种电网企业运营指标预测系统，它包括：