[发明专利]一种基于电量变动的供电企业现金流量预测模型

说明书

本发明公开一种基于电量变动的供电企业现金流量预测模型，包括，电量预测模块，运用逐点预测法，采用深度学习LSTM模型进行电量预测；售电现金流入计算模块，按照“用电分类”和“电压等级”两个维度展现售电量预测结果，按照不同行业、不同电压等级的售电价规范计算出售电现金流入值。本发明将LSTM模型运用于电量预测，准确预测全行业未来一段时间的电量变化趋势，有助于电力企业掌握售电市场变化趋势，合理分配电力资源。

技术领域

本发明涉及电力系统分析技术领域，具体涉及基于电量变动的供电企业现金流量预测模型。

背景技术

现金流入的预测一直是所有企业在现金流管理领域面对的难题，国内外各大企业和学术界对此作了大量的研究，但是并没有取得很好的效果，其主要原因在于现金流入的随机性较强、波动性大、影响因素多，不同行业不同企业的现金流各具特征、差异很大，难以找到一个统一的预测方法。

供电企业是典型的资金密集型企业，售电业务是其主营业务。在当前售电量及相应的销售收入进入平稳增长期，而投资需求依旧旺盛的环境下，对现金流进行精益管控就显得尤为重要，而其中的关键要点便是“售电现金流入”的预测。

按照目前的技术手段和常用方法，一般采用：(1)解释性预测方法，典型的如线性模型和非线性模型，通过找出预测的影响因素建立回归方程；(2)时间序列法，仅依赖被预测变量本身，通过揭示其规律进行预测。

现有的方法均为直接预测法，即依据售电现金流入本身的历史数据进行预测，此法虽然简单直接、易于操作，但是不能反映现金流入与售电量、售电价变化的关系，也不能实现与前端业务的高效融合。

发明内容

本发明所要解决的技术问题是，提供一种基于电量变动的供电企业现金流量预测模型，可以反映现金流入与售电量、售电价变化的关系，也能实现与前端业务的高效融合。

为解决上述技术问题，本发明采用如下技术方案：一种基于电量变动的供电企业现金流量预测模型，包括，

电量预测模块，运用逐点预测法，采用深度学习LSTM模型进行电量预测；

售电现金流入计算模块，按照“用电分类”和“电压等级”两个维度展现售电量预测结果，按照不同行业、不同电压等级的售电价规范计算出售电现金流入值。

优选的，采用深度学习LSTM模型进行电量预测包括如下步骤：

1)对电量数据进行归一化处理使用，用Sigmoid函数作为激活函数，使用线性归一化方法将输出电量数据映射到激活函数的值域即[0,1]；

2)将原始电量时序数据转换为二维数据格式，满足LSTM对输入格式要求；

3)参数设置，

windows＝30，即用前30天的电量数据来预测第31天的电量；

batch_size＝128,更新一次参数使用的样本数为128；

n_epochs＝500,使用整个训练集进行500次训练；

另外，使用两个lstm层进行线性叠加，神经元数分别为50和100；

4)LSTM模型搭建，采用keras搭建LSTM模型；

5)LSTM模型的运行及输出，将电量时序数据进行上述的预处理，输入到LSTM模型中进行训练，得到训练之后模型的参数，然后输入一个样本，用LSTM模型中的predict_sequence_full函数进行预测，模型的输出是归一化之后的电量，真实电量数据需要按归一化方法反转回去，

原始数据归一化的公式如下：