全文鏈接：http:///?p=32059

分析師：Eileen

相關(guān)視頻

解決方案

任務(wù)/目標(biāo)

本課題的數(shù)據(jù)分析對象是電力在2011-2014年的370個客戶端的耗電數(shù)據(jù)，根據(jù)預(yù)測負荷可以安排發(fā)電廠發(fā)電機組的啟停，降低儲備容量的浪費，節(jié)約成本。

數(shù)據(jù)源準(zhǔn)備

負荷預(yù)測是用歷史負荷建立模型來預(yù)測未來負荷的方法，因此歷史數(shù)據(jù)收集的數(shù)量、質(zhì)量直接決定了負荷預(yù)測的準(zhǔn)確性。所以在負荷預(yù)測前，需要收集大量的歷史負荷數(shù)據(jù)、天氣數(shù)據(jù)等。這些數(shù)據(jù)由于一些因素可能會造成數(shù)據(jù)的缺失，需要利用一些方法去填補缺失值，提高負荷預(yù)測的精確度。

本項目采用均值填補法，找到所有有缺失值的列，用各列的均值填充缺失值。 

數(shù)據(jù)分析

通過曲線類圖像，以特定時間周期所統(tǒng)計的負荷值為縱坐標(biāo)來畫出負荷／時間的關(guān)系曲線，呈現(xiàn)負荷的大小及發(fā)展趨勢。例如年、月、季、天等指標(biāo)。

劃分訓(xùn)練集和測試集

對樣本集拆分成訓(xùn)練集和測試集

values = reframed.values

n_train_time = 365*24*3

train = values[:n_train_time, :]

test = values[n_train_time:, :]

考慮到最終模型會預(yù)測將來的某時間段的銷量，為了更真實的測試模型效果，以時間來切分訓(xùn)練集和測試集。具體做法如下：假設(shè)我們有2011-2014的客戶端耗電數(shù)據(jù)。以2011 ~ 2013的數(shù)據(jù)作為訓(xùn)練，以2013 ~ 2014的數(shù)據(jù)作為測試。

建模

LSTM 模型， 時間序列預(yù)測分析就是利用過去一段時間內(nèi)某事件時間的特征來預(yù)測未來一段時間內(nèi)該事件的特征，將問題轉(zhuǎn)化為監(jiān)督學(xué)習(xí)問題。將特征進行規(guī)范化、歸一化，進而搭建網(wǎng)絡(luò)模型、訓(xùn)練網(wǎng)絡(luò)。

ARIMA ， 一般應(yīng)用在股票和電商銷量領(lǐng)域

該模型用于使用觀察值和滯后觀察值的移動平均模型殘差間的依賴關(guān)系，采用了擬合ARIMA（5，1，0)模型，將自回歸的滯后值設(shè)為5，使用1的差分階數(shù)使時間序列平穩(wěn)，使用0的移動平均模型。

在此案例中，運用2種方法預(yù)測電力負荷，其可視化圖形如下：

ARIMA模型