[发明专利]一种基于大数据技术的电力数据挖掘分析方法

权利要求书

1.一种基于大数据技术的电力数据挖掘分析方法，其特征在于，包括以下步骤：

S1、采用可视化技术，获得可视化电力数据；

S2、利用ARIMA模型将所述可视化电力数据的非平稳时间序列转化为平稳的时间序列，并建立平稳时间序列模型；

S3、用神经网络模型对平稳时间序列模型中的平稳电力数据进行优化，得到满足预定目标的优化结果。

2.根据权利要求1所述的一种基于大数据技术的电力数据挖掘分析方法，其特征在于，获取可视化电力数据的具体步骤如下：

S1.1、采集电网运行数据、电力客户数据、电网企业管理数据、用户用电的数据，将多个数据合并形成一个数据仓库；通过聚类、删除数据仓库内的冗余数据实现数据压缩，形成电力数据；

S1.2、基于可视化技术的图表组件与电力数据进行可视化交互，获取可视化电力数据；基于可视化技术的图表组件包括饼图、散点图、漏斗图、气泡图、热力学图。

3.根据权利要求1所述的一种基于大数据技术的电力数据挖掘分析方法，其特征在于，所述S2的具体步骤为：

S2.1、识别模型

进行单位根检验和DF单侧检验；

统计量公式：

其中，τ为统计量，t为t分布，S为标准差，φ₁为单位根；

利用自相关系数ACF和偏自相关系数PACF确定ARIMA模型的形式，计算公式如下：

ARIMA模型的判断公式决定了该模型是属于自回归AR模型还是移动平均MA模型；

自回归AR模型如下所示：

y_t＝c+φ₁y_t-1+φ₂y_t-2+…+φ_py_t-p+e_t

其中，y_t为第t个时间序列，φ_k为在第k个时间序列自回归系数，e_k为第k个时间序列的白噪声；

移动平均MA模型如下所示：

y_t＝c+θ₁e_t-1+θ₂e_t-2+…+θ_pe_t-q

结合上述公式得到自回归滑动平滑ARIMA模型公式：

y_t＝c+φ₁y_t-1+φ₂y_t-2+…+φ_py_t-p+e_t+θ₁e_t-1+θ₂e_t-2+…+θ_pe_t-q

模型的结构判断如下表所示：

模型结构	AR模型	MA模型	ARIMA模型
ACF	拖尾	截尾	拖尾
PACF	截尾	拖尾	拖尾

S2.2、通过上述模型对可视化电力数据进行回归分析，得到平稳电力数据，利用平稳电力数据建立平稳时间序列模型。