[发明专利]一种电力客户用电数据的分析方法

说明书

本发明公开一种电力客户用电数据的分析方法，包括以下步骤：(1)采集数据并清洗和转换；(2)获得月用电量与相关变量的多元线性回归方程；(3)采用灰色预测法对相关变量预测；(4)将相关变量的预测结果作为多元线性回归方程的输入获得月用电量。本发明实现灰色预测模型与多元线性回归方程的有机结合，获得较高精度的预测结果，为各网电力发展规划提供可靠的基础数据支撑。

技术领域

本发明涉及一种数据的分析方法，尤其涉及一种电力客户用电数据的分析方法。

背景技术

现行用电量的预测方法有灰色预测法、时间序列分析预测法、线性回归分析预测法、偏最小二乘回归预测法和神经网络预测法等。时间序列分析法对于中短期预测效果比较好，但是影响预测对象变化的因素较易发生突变，其结果会出现严重偏差。偏最小二乘回归是一种新的多元统计数据分析方法，是多元线性回归、典型相关分析和主成分分析的有机结合，模型精度和实用性都很高，但是偏最小二乘回归计算复杂，限制了其应用。神经网络方法预测结果较好，但是由于人工神经网络结构设计困难，训练易陷入瘫痪，常常得不到期望解。

发明内容

发明目的：本发明旨在解决现有技术的上述不足，提供一种电力客户用电数据的分析方法，解决单一预测方法预测偏差大的问题。

技术方案：本发明所述的电力客户用电数据的分析方法，包括以下步骤：

(1)采集数据并清洗和转换；

(2)获得月用电量与相关变量的多元线性回归方程；

(3)采用灰色预测法对相关变量预测；

(4)将相关变量的预测结果作为多元线性回归方程的输入获得月用电量。

步骤(2)中所述相关变量包括用户数、欠费金额、交费金额、平均用电容量、异常用电次数、业务办电次数。

步骤(2)包括以下步骤：

(21)获得多元线性回归方程的相关性分析函数；

(22)确定显著性水平α，获得相关变量与月用电量之间的相关系数；

(23)去除相关系数小于阈值的变量，重新获得剩余变量与月用电量之间的相关系数；

(24)对相关变量进行多元回归，获得初步多元回归方程；

(25)模型参数检验。

步骤(21)中的相关性分析函数包括后向选择函数、前向引入函数和多元回归函数。

步骤(25)包括以下步骤：

(251)模型模拟汇总；

(252)编写F检验函数；

(253)采用F检验函数进行F校验；

(254)编写T检验函数；

(255)使用T检验函数进行T校验。

步骤(3)中的灰色预测法为GM(1,1)模型。

有益效果：与现有技术相比，本发明的显著优点为实现灰色预测模型与多元线性回归方程的有机结合，取得较高精度的预测结果，为各网电力发展规划提供可靠的基础数据支撑。

附图说明

图1为本发明的流程图。

具体实施方式

下面结合附图对本发明的技术方案作进一步说明。由图1可知，本发明所述的电力客户用电数据的分析方法，包括以下步骤：

1、采集数据并清洗和转换