[发明专利]一种基于回归分析的电力行业时间序列的预测方法和系统

权利要求书

1.一种基于回归分析的电力行业时间序列的预测方法，其特征在于，所述方法包括：

获取目标对象的历史数据以及目标对象影响因子的历史数据，所述目标对象的历史数据为目标对象在过去一段时间内若干时间节点的数值序列，所述目标对象影响因子的历史数据为对目标对象的数值具有影响作用的各类因素在过去一段时间内若干时间节点的数值序列；

将目标对象影响因子的历史数据依次输入时间序列预测模型进行回归拟合，生成各影响因子预估序列，所述时间序列预测模型为prophet模型；

将影响因子的历史数据、影响因子预估序列依次经过预定义的滑动窗口，对处于窗口内的数据进行平滑计算，派生形成额外的影响因子序列；

将目标对象的历史数据、目标对象影响因子的历史数据以及影响因子预估序列、派生的额外影响因子序列进行组合，形成完整的待输入数据；

将完整的待输入数据输入预测模型，并进行场景参数的设置，得到目标对象在目标时段的最终预估序列，所述预测模型形式为：将输入数据所含的多个时间序列形成的高维向量作为自变量，将待预测目标作为目标函数通过计算的梯度g_n和Hessian矩阵H_n并根据得出最优的模型参数其中α是计算步长，得到了模型参数后，由待预测时段影响因子的值计算出待预测的目标值。

2.根据权利要求1所述的基于回归分析的电力行业时间序列的预测方法，其特征在于，所述目标对象影响因子包括天气状况、经济状况、电网运行状况。

3.根据权利要求1所述的基于回归分析的电力行业时间序列的预测方法，其特征在于，所述场景参数包括影响因子权重参数、门限值参数、时间参数、西格玛准则参数中的一项或多项，所述影响因子权重参数用于调整输入数据中不同影响因子序列的比重；所述门限参数用于限制目标对象的预测值的上限和下限；所述时间参数用于标识对目标对象具有影响的周期性和突发事件的发生时间，所述西格玛准则参数用于设置对评估结果的精度要求。

4.一种基于回归分析的电力行业时间序列的预测系统，其特征在于，包括：

数据获取模块，被配置为获取目标对象的历史数据以及目标对象影响因子的历史数据，所述目标对象的历史数据为目标对象在过去一段时间内若干时间节点的数值序列，所述目标对象影响因子的历史数据为对目标对象的数值具有影响作用的各类因素在过去一段时间内若干时间节点的数值序列；

影响因子预估序列生成模块，被配置为将目标对象影响因子的历史数据依次输入时间序列预测模型进行回归拟合，生成各影响因子预估序列，所述时间序列预测模型为prophet模型；

影响因子派生序列模块，被配置为将影响因子的历史数据、影响因子预估序列依次经过预定义的滑动窗口，对处于窗口内的数据进行平滑计算，派生形成额外的影响因子序列；

输入数据整合模块，被配置为将目标对象的历史数据、目标对象影响因子的历史数据以及影响因子预估序列、派生的额外影响因子序列进行组合，形成完整的待输入数据；

最终序列预测模块，被配置为将完整的待输入数据输入预测模型，并进行场景参数的设置，得到目标对象在目标时段的最终预估序列，所述预测模型形式为：将输入数据所含的多个时间序列形成的高维向量作为自变量，将待预测目标作为目标函数通过计算的梯度g_n和Hessian矩阵H_n并根据得出最优的模型参数其中α是计算步长，得到了模型参数后，由待预测时段影响因子的值计算出待预测的目标值。

5.一种数据处理装置，其特征在于，所述装置包括：

一个或多个处理器；

存储器；

以及一个或多个程序，其中所述一个或多个程序被存储在所述存储器中，并且被配置为由所述一个或多个处理器执行，所述程序被处理器执行时实现如权利要求1-3中的任一项所述的电力行业时间序列的预测方法。

6.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，当所述计算机指令被处理器执行时实现如权利要求1-3中的任一项所述的电力行业时间序列的预测方法。