CN114037214A - 基于多源数据融合分析的电力景气指数构建方法和装置 - Google Patents

基于多源数据融合分析的电力景气指数构建方法和装置 Download PDF

Info

Publication number
CN114037214A
CN114037214A CN202111210563.XA CN202111210563A CN114037214A CN 114037214 A CN114037214 A CN 114037214A CN 202111210563 A CN202111210563 A CN 202111210563A CN 114037214 A CN114037214 A CN 114037214A
Authority
CN
China
Prior art keywords
index
power
determining
different periods
consumption
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202111210563.XA
Other languages
English (en)
Inventor
耿志慧
卢兆军
袁飞
郝泉
谢红涛
张新华
刘剑宁
伦晓娟
赵军
李鹏飞
季兴龙
张小奇
张秋瑞
安时运
袁德花
王刚
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Dongying Power Industry Bureau Of State Grid Shandong Electric Power Co
State Grid Shandong Electric Power Co Ltd
Original Assignee
Dongying Power Industry Bureau Of State Grid Shandong Electric Power Co
State Grid Shandong Electric Power Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Dongying Power Industry Bureau Of State Grid Shandong Electric Power Co, State Grid Shandong Electric Power Co Ltd filed Critical Dongying Power Industry Bureau Of State Grid Shandong Electric Power Co
Priority to CN202111210563.XA priority Critical patent/CN114037214A/zh
Publication of CN114037214A publication Critical patent/CN114037214A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Educational Administration (AREA)
  • Health & Medical Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Quality & Reliability (AREA)
  • Evolutionary Computation (AREA)
  • Game Theory and Decision Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Operations Research (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供一种基于多源数据融合分析的电力景气指数构建方法和装置，其中，方法包括：获取研究对象包含的各个个体的不同时期用电量、不同时期容量；根据所述不同时期用电量、所述不同时期容量确定动能活跃指数和电力活跃指数；根据所述不同时期的用电量确定复工复产指数；根据所述动能活跃指数、所述电力活跃指数和/或所述复工复产指数确定研究对象的电力景气指数。本发明通过构建多种指标提供了多个维度对区域经济进行衡量和评价的参考标准。

Description

基于多源数据融合分析的电力景气指数构建方法和装置
技术领域
本发明涉及大数据技术领域，尤其涉及一种基于多源数据融合分析的电力景气指数构建方法和装置。
背景技术
电力数据是国民经济的“晴雨表”，具有覆盖面广、实时性高、准确性好的特点，能够真实、客观地反映经济发展状况与态势。在疫情期间，在助力政府开展疫情防控和经济社会发展各项工作中，发挥了巨大作用。聚焦经济领域重点、热点问题，政府需要透过电力大数据，优化产业结构，明确转型目标任务，企业需要透过电力大数据，整合优化用能方式，开展节能降耗、转型升级。传统情况下，电力数据通常按年、季、月统计，统计周期较长，存在滞后性，对经济变化的感知不灵敏，数据反映的经济发展准确性难保证，政府获取大量电力数据后，难以快速获取最有利价值，且大量的电力数据涉及用电客户的信息安全。同时，仅依靠单一的电力数据，无法准确的反映复杂的经济形势变化，无法满足政府部门从宏观经济、区域经济、产业经济、行业经济等维度开展经济运行状态和趋势分析，亟需构建政企数据共享模式，丰富数据来源。
发明内容
本发明提供一种基于多源数据融合分析的电力景气指数构建方法和装置，用以解决现有技术中缺乏对区域快速和多维度衡量区域经济的参考指标的缺陷，实现利用电力数据实现对多维度衡量和评估区域经济。
第一方面，本发明提供一种基于多源数据融合分析的电力景气指数构建方法，包括：
获取研究对象包含的各个个体的不同时期用电量、不同时期容量；
根据所述不同时期用电量、所述不同时期容量确定动能活跃指数和电力活跃指数；
根据所述不同时期的用电量确定复工复产指数；
根据所述动能活跃指数、所述电力活跃指数和/或所述复工复产指数确定研究对象的电力景气指数。
根据本发明提供的基于多源数据融合分析的电力景气指数构建方法，还包括：
获取所述研究对象的国内生产总值；
根据所述不同时期的用电量和所述研究对象的国内生产总值确定能耗监测指数。
根据本发明提供的基于多源数据融合分析的电力景气指数构建方法，其中，所述根据所述不同时期用电量、所述不同时期容量确定动能活跃指数，具体包括：采用第一模型确定所述动能活跃指数，所述第一模型包括：
Figure BDA0003308788550000021
其中，Qi为第i个用户用电量；Ci为第i个用户容量；Qi0为第i个用户的基准用电量；Ci0为第i个用户的基准容量。
根据本发明提供的基于多源数据融合分析的电力景气指数构建方法，其中，所述根据所述不同时期的用电量和所述不同时期的容量确定电力活跃指数，具体包括：
根据所述不同时期的用电量确定周期用电量同比增长的第一个体数；
根据所述不同时期的用电量中的当前时期用电量和所述不同时期的容量中的当前时期的容量确定个体设备利用率超过预设值的第二个体数；
根据所述第一个体数和所述第二个体数确定电力活跃指数。
根据本发明提供的基于多源数据融合分析的电力景气指数构建方法，其中，所述根据所述不同时期的用电量确定复工复产指数，具体包括：
根据不同时期的用电量确定每个个体的企业复产率；
根据所述企业复产率与预设值相比较确定到达复工程度的个体数量；
根据所述个体数量确定企业复工率；
根据所述企业复工率和所述企业复产率确定所述企业复工复产指数。
根据本发明提供的基于多源数据融合分析的电力景气指数构建方法，其中，所述根据所述不同时期的用电量和所述研究对象的国内生产总值确定能耗监测指数，具体包括：
根据所述不同时期的用电量确定所述研究对象的全社会用电量；
根据所述全社会用电量和所述国内生产总值确定所述能耗监测指数。
根据本发明提供的基于多源数据融合分析的电力景气指数构建方法，其中，所述根据所述第一个体数和所述第二个体数确定电力活跃指数，具体包括：采用第二模型确定所述电力活跃指数，其中第二模型包括：
Figure BDA0003308788550000031
其中，ni为月电量同比增长的第一个体数；nj为平均设备利用率超过预设值的第二个体数；N全部个体数。
第二方面，本发明提供一种基于多源数据融合分析的电力景气指数构建装置，包括：
数据获取模块，用于获取研究对象包含的各个个体的不同时期用电量、不同时期容量；
动能活跃指数和电力活跃指数确定模块，用于根据所述不同时期用电量、所述不同时期容量确定动能活跃指数和电力活跃指数；
复工复产指数模块，用于根据所述不同时期的用电量确定复工复产指数；
电力景气指数模块，用于根据所述动能活跃指数、所述电力活跃指数和/或所述复工复产指数确定研究对象的电力景气指数。
第二方面，本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述基于多源数据融合分析的电力景气指数构建方法的步骤。
第三方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述基于多源数据融合分析的电力景气指数构建方法的步骤。
本发明提供的一种基于多源数据融合分析的电力景气指数构建方法和装置，通过获取研究对象包含的各个个体的不同时期用电量、不同时期容量；进而，根据获取的数据确定动能活跃指数、电力活跃指数以及复工复产指数；最后，根据所述动能活跃指数、所述电力活跃指数和/或所述复工复产指数确定研究对象的电力景气指数，并利用获取的电力景气指数对研究对象的经济状况进行多维度的评价，从而能够利用获取的评价结果执行相应的政策。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明提供的基于多源数据融合分析的电力景气指数构建方法的流程示意图；
图2是本发明提供的基于多源数据融合分析的电力景气指数构建装置的结构示意图；
图3是本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
下面结合图1描述本发明的本发明提供一种基于多源数据融合分析的电力景气指数构建方法，包括：
步骤100：获取研究对象包含的各个个体的不同时期用电量、不同时期容量；
具体地，电力数据是国民经济的“晴雨表”，具有覆盖面广、实时性高、准确性好的特点，能够真实、客观地反映经济发展状况与态势。传统情况下，电力数据通常按年、季、月统计，统计周期较长，存在滞后性，对经济变化的感知不灵敏，数据反映的经济发展准确性难保证。本发明中通过对研究对象具体为一个区域，比如省、市、县等等不同等级的区域，其中，区域也可以与行政区域不对应。进而获取研究对象中包含的个体，在本发明中的个体具体指企业。本发明中获取企业在不同时间周期的用电量和不同时期的容量，其中时间周期是指按照年、月、日等不同的时间间隔周期。
本发明中在获取电力相关的数据还要进行缺失值的补足、噪音的去除以及异常数值的归真，将处理后的数值用于后续的指数确定。
步骤200：根据所述不同时期用电量、所述不同时期容量确定动能活跃指数和电力活跃指数；
具体地，在动能活跃指数是指用于比较同行业且电量规模接近的企业活跃度。而电力活跃度是指电力的消耗量用来衡量研究对象的经济活跃程度。
步骤300：根据所述不同时期的用电量确定复工复产指数；
具体地，复工复产指数是根据企业用电量确定的生产能力指数。可以从微观的个体角度衡量区域经济的状况。
步骤400：根据所述动能活跃指数、所述电力活跃指数和/或所述复工复产指数确定研究对象的电力景气指数。
具体地，单一的指数并不能对研究对象的区域经济进行有效的评估，本发明中通过采用多个指标利用电力方面的数据对区域经济的状况从多个维度进行评估，确定研究对象的电力景气指数。其中，电力景气指数是将电力与政务数据融合，充分挖掘政务信息与电力大数据价值关联，较单纯的依靠电量数据反映经济发展等趋势更为合理，利用电力大数据覆盖面广、实时性高、准确性好的特点，开展电力指数赋能模块构建，能够很好的实现政务信息与电力大数据资源融合，实现了政企数据互动互联，充分发挥了电力数据“智慧”作用。产品将时间颗粒度细化到日，灵敏、动态、多维地反映客观实际，灵敏定位问题出现对应区域、产业、企业，助力精准施策。
本发明提供的一种基于多源数据融合分析的电力景气指数构建方法，通过获取研究对象包含的各个个体的不同时期用电量、不同时期容量；进而，根据获取的数据确定动能活跃指数、电力活跃指数以及复工复产指数；最后，根据所述动能活跃指数、所述电力活跃指数和/或所述复工复产指数确定研究对象的电力景气指数，并利用获取的电力景气指数对研究对象的经济状况进行多维度的评价，从而能够利用获取的评价结果执行相应的政策。
根据本发明提供的基于多源数据融合分析的电力景气指数构建方法，还包括：
获取所述研究对象的国内生产总值；
根据所述不同时期的用电量和所述研究对象的国内生产总值确定能耗监测指数。
具体地。能耗监测指数反映了地区经济发展对电能的依赖程度，指数越高反映对电能的依赖程度越高，区域市场开拓覆盖范围越大。在本发明中，能耗监测指数是根据区域用电量和区域的国内生产总值进行确定。
根据本发明提供的基于多源数据融合分析的电力景气指数构建方法，其中，所述根据所述不同时期用电量、所述不同时期容量确定动能活跃指数，具体包括：采用第一模型确定所述动能活跃指数，所述第一模型包括：
Figure BDA0003308788550000071
其中，Qi为第i个个体用电量；Ci为第i个个体容量；Qi0为第i个个体的基准用电量；Ci0为第i个个体的基准容量。
具体地，首先搭建基于日电量的动能活跃指数模型，其中模型表示如下：
Figure BDA0003308788550000072
其中：Qi为第i个个体电量；Ci为第i个个体容量；Qi0为第i个个体的基准电量；Ci0为第i个个体的基准容量。其中，基准电量和容量均选取上年或转型前的日均值。
其中，指数>1，企业(区域行业经济)较为活跃，有更多用户的产量增加，运营状态活跃，产能利用率达到较好水平，产业产能趋于合理，市场信心较高，经济基本面呈向好发展趋势；
0.8<指数≦1，企业(区域行业经济)活跃度降低，发展转缓，可进一步观察；
0.5<指数≦0.8，企业(区域行业经济)活跃度降低，需重点关注；
指数≦0.5，指数长期保持该值，说明存在落后产能或发展动力不足，需要进一步优化产业结构，转型升级。
根据本发明提供的基于多源数据融合分析的电力景气指数构建方法，其中，所述根据所述不同时期的用电量和所述不同时期的容量确定电力活跃指数，具体包括：
根据所述不同时期的用电量确定周期用电量同比增长的第一个体数；
根据所述不同时期的用电量中的当前时期用电量和所述不同时期的容量中的当前时期的容量确定个体设备利用率超过预设值的第二个体数；
根据所述第一个体数和所述第二个体数确定电力活跃指数。
具体地，本发明中通过确定个体的周期用电量同比正增长的个体数量。
还获取设备利用率超过特定比率的用户数，其中设备利用率可以采用个体的用电量和个体的最大容量之间的比值进行确定，也可以是采用个体的用电量和个体之前的最大用电量之间的比值进行确定。
进而根据个体的周期用电量增长的个体数和设备利用率超过预设阈值的个体的数量确定区域、产业、行业的经济活跃度，指数数值越高，反映社会经济活跃度程度越高。
采用第二模型确定所述电力活跃指数，其中第二模型包括：
Figure BDA0003308788550000081
其中，ni为月电量同比增长的第一个体数；nj为平均设备利用率超过预设值的第二个体数；N全部个体数。
根据本发明提供的基于多源数据融合分析的电力景气指数构建方法，其中，所述根据所述不同时期的用电量确定复工复产指数，具体包括：
根据不同时期的用电量确定每个个体的企业复产率；
根据所述企业复产率与预设值相比较确定到达复工程度的个体数量；
根据所述个体数量确定企业复工率；
根据所述企业复工率和所述企业复产率确定所述企业复工复产指数。
具体地，根据要求，自2020年2月11日起，企业复工标准调整为“某企业监测当日用电量超过2019年12月日均用电量的30％”。结合今年实际，将原复工参考日期标准“2019年12月”调整为“2020年7-12月”。监测范围为公司10千伏及以上高压用户和低压非居民用户。
企业复工率＝监测当日复工企业户数/企业总户数。
企业复产率＝监测当日企业总用电量/2020年7-12月企业日均用电量。
企业复工复产指数＝0.5×企业复工率+0.5×企业复产率。
在本发明中用于确定企业复产率的标准可以随着时间的变化而变化，在本发明中不予限制。本实施例中的企业复产率只是基于当前时间段的情形予以举例说明。
根据本发明提供的基于多源数据融合分析的电力景气指数构建方法，其中，所述根据所述不同时期的用电量和所述研究对象的国内生产总值确定能耗监测指数，具体包括：
根据所述不同时期的用电量确定所述研究对象的全社会用电量；
根据所述全社会用电量和所述国内生产总值确定所述能耗监测指数。
具体地，通过观察消耗电能所贡献的GDP总量数额，客观反映经济活动对电能的利用或依赖程度，反映经济结构与能源利用效率的变化。
Figure BDA0003308788550000101
其中：Ed为能耗监测指数；Mt为第t个时间段的区域的国内生产总值(GDP)(亿元)；Qt为第t个时间段的区域的全社会电量(亿千瓦时)。
结合图2，本发明提供一种基于多源数据融合分析的电力景气指数构建装置，包括：
数据获取模21，用于获取研究对象包含的各个个体的不同时期用电量、不同时期容量；
动能活跃指数和电力活跃指数确定模块22，用于根据所述不同时期用电量、所述不同时期容量确定动能活跃指数和电力活跃指数；
复工复产指数模块23，用于根据所述不同时期的用电量确定复工复产指数；
电力景气指数模块24，用于根据所述动能活跃指数、所述电力活跃指数和/或所述复工复产指数确定研究对象的电力景气指数。
由于本发明实施例提供的装置，可以用于执行上述实施例所述的方法，其工作原理和有益效果类似，故此处不再详述，具体内容可参见上述实施例的介绍。
本发明提供的一种基于多源数据融合分析的电力景气指数构建装置，通过获取研究对象包含的各个个体的不同时期用电量、不同时期容量；进而，根据获取的数据确定动能活跃指数、电力活跃指数以及复工复产指数；最后，根据所述动能活跃指数、所述电力活跃指数和/或所述复工复产指数确定研究对象的电力景气指数，并利用获取的电力景气指数对研究对象的经济状况进行多维度的评价，从而能够利用获取的评价结果执行相应的政策。
根据本发明提供的基于多源数据融合分析的电力景气指数构建装置，还包括能耗监测指数模块，所述能耗监测指数模块，用于：
获取所述研究对象的国内生产总值；
根据所述不同时期的用电量和所述研究对象的国内生产总值确定能耗监测指数。
根据本发明提供的基于多源数据融合分析的电力景气指数构建装置，其中，所述动能活跃指数和电力活跃指数确定模块22，具体用于：采用第一模型确定所述动能活跃指数，所述第一模型包括：
Figure BDA0003308788550000111
其中，Qi为第i个用户用电量；Ci为第i个用户容量；Qi0为第i个用户的基准用电量；Ci0为第i个用户的基准容量。
根据本发明提供的基于多源数据融合分析的电力景气指数构建装置，其中，所述动能活跃指数和电力活跃指数确定模块22，具体用于：
根据所述不同时期的用电量确定周期用电量同比增长的第一个体数；
根据所述不同时期的用电量中的当前时期用电量和所述不同时期的容量中的当前时期的容量确定个体设备利用率超过预设值的第二个体数；
根据所述第一个体数和所述第二个体数确定电力活跃指数。
根据本发明提供的基于多源数据融合分析的电力景气指数构建装置，其中，所述复工复产指数模块23，具体用于：
根据不同时期的用电量确定每个个体的企业复产率；
根据所述企业复产率与预设值相比较确定到达复工程度的个体数量；
根据所述个体数量确定企业复工率；
根据所述企业复工率和所述企业复产率确定所述企业复工复产指数。
根据本发明提供的基于多源数据融合分析的电力景气指数构建装置，其中，所述能耗监测指数模块，具体用于：
根据所述不同时期的用电量确定所述研究对象的全社会用电量；
根据所述全社会用电量和所述国内生产总值确定所述能耗监测指数。
根据本发明提供的基于多源数据融合分析的电力景气指数构建方法，其中，所述动能活跃指数和电力活跃指数确定模块22，具体用于：采用第二模型确定所述电力活跃指数，其中第二模型包括：
Figure BDA0003308788550000121
其中，ni为月电量同比增长的第一个体数；nj为平均设备利用率超过预设值的第二个体数；N全部个体数。
图3示例了一种电子设备的实体结构示意图，如图3所示，该电子设备可以包括：处理器(processor)310、通信接口(Communications Interface)320、存储器(memory)330和通信总线340，其中，处理器310，通信接口320，存储器330通过通信总线340完成相互间的通信。处理器310可以调用存储器330中的逻辑指令，以执行一种基于多源数据融合分析的电力景气指数构建方法，该方法包括：获取研究对象包含的各个个体的不同时期用电量、不同时期容量；根据所述不同时期用电量、所述不同时期容量确定动能活跃指数和电力活跃指数；根据所述不同时期的用电量确定复工复产指数；根据所述动能活跃指数、所述电力活跃指数和/或所述复工复产指数确定研究对象的电力景气指数。
此外，上述的存储器330中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法所提供的一种基于多源数据融合分析的电力景气指数构建方法，该方法包括：获取研究对象包含的各个个体的不同时期用电量、不同时期容量；根据所述不同时期用电量、所述不同时期容量确定动能活跃指数和电力活跃指数；根据所述不同时期的用电量确定复工复产指数；根据所述动能活跃指数、所述电力活跃指数和/或所述复工复产指数确定研究对象的电力景气指数。
又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各提供的一种基于多源数据融合分析的电力景气指数构建方法，该方法包括：获取研究对象包含的各个个体的不同时期用电量、不同时期容量；根据所述不同时期用电量、所述不同时期容量确定动能活跃指数和电力活跃指数；根据所述不同时期的用电量确定复工复产指数；根据所述动能活跃指数、所述电力活跃指数和/或所述复工复产指数确定研究对象的电力景气指数。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种基于多源数据融合分析的电力景气指数构建方法，其特征在于，包括：
获取研究对象包含的各个个体的不同时期用电量、不同时期容量；
根据所述不同时期用电量、所述不同时期容量确定动能活跃指数和电力活跃指数；
根据所述不同时期的用电量确定复工复产指数；
根据所述动能活跃指数、所述电力活跃指数和/或所述复工复产指数确定研究对象的电力景气指数。
2.根据权利要求1所述的基于多源数据融合分析的电力景气指数构建方法，其特征在于，还包括：
获取所述研究对象的国内生产总值；
根据所述不同时期的用电量和所述研究对象的国内生产总值确定能耗监测指数。
3.根据权利要求1所述的基于多源数据融合分析的电力景气指数构建方法，其特征在于，所述根据所述不同时期用电量、所述不同时期容量确定动能活跃指数，具体包括：采用第一模型确定所述动能活跃指数，所述第一模型包括：
Figure FDA0003308788540000011
其中，Qi为第i个用户用电量；Ci为第i个用户容量；Qi0为第i个用户的基准用电量；Ci0为第i个用户的基准容量。
4.根据权利要求1所述的基于多源数据融合分析的电力景气指数构建方法，其特征在于，所述根据所述不同时期的用电量和所述不同时期的容量确定电力活跃指数，具体包括：
根据所述不同时期的用电量确定周期用电量同比增长的第一个体数；
根据所述不同时期的用电量中的当前时期用电量和所述不同时期的容量中的当前时期的容量确定个体设备利用率超过预设值的第二个体数；
根据所述第一个体数和所述第二个体数确定电力活跃指数。
5.根据权利要求1所述的基于多源数据融合分析的电力景气指数构建方法，其特征在于，所述根据所述不同时期的用电量确定复工复产指数，具体包括：
根据不同时期的用电量确定每个个体的企业复产率；
根据所述企业复产率与预设值相比较确定到达复工程度的个体数量；
根据所述个体数量确定企业复工率；
根据所述企业复工率和所述企业复产率确定所述企业复工复产指数。
6.根据权利要求1所述的基于多源数据融合分析的电力景气指数构建方法，其特征在于，所述根据所述不同时期的用电量和所述研究对象的国内生产总值确定能耗监测指数，具体包括：
根据所述不同时期的用电量确定所述研究对象的全社会用电量；
根据所述全社会用电量和所述国内生产总值确定所述能耗监测指数。
7.根据权利要求4所述的基于多源数据融合分析的电力景气指数构建方法，其特征在于，所述根据所述第一个体数和所述第二个体数确定电力活跃指数，具体包括：采用第二模型确定所述电力活跃指数，其中第二模型包括：
Figure FDA0003308788540000021
其中，ni为月电量同比增长的第一个体数；nj为平均设备利用率超过预设值的第二个体数；N全部个体数。
8.一种基于多源数据融合分析的电力景气指数构建装置，其特征在于，包括：
数据获取模块，用于获取研究对象包含的各个个体的不同时期用电量、不同时期容量；
动能活跃指数和电力活跃指数确定模块，用于根据所述不同时期用电量、所述不同时期容量确定动能活跃指数和电力活跃指数；
复工复产指数模块，用于根据所述不同时期的用电量确定复工复产指数；
电力景气指数模块，用于根据所述动能活跃指数、所述电力活跃指数和/或所述复工复产指数确定研究对象的电力景气指数。
9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述基于多源数据融合分析的电力景气指数构建方法的步骤。
10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述基于多源数据融合分析的电力景气指数构建方法的步骤。
CN202111210563.XA 2021-10-18 2021-10-18 基于多源数据融合分析的电力景气指数构建方法和装置 Pending CN114037214A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111210563.XA CN114037214A (zh) 2021-10-18 2021-10-18 基于多源数据融合分析的电力景气指数构建方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111210563.XA CN114037214A (zh) 2021-10-18 2021-10-18 基于多源数据融合分析的电力景气指数构建方法和装置

Publications (1)

Publication Number Publication Date
CN114037214A true CN114037214A (zh) 2022-02-11

Family

ID=80135320

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111210563.XA Pending CN114037214A (zh) 2021-10-18 2021-10-18 基于多源数据融合分析的电力景气指数构建方法和装置

Country Status (1)

Country Link
CN (1) CN114037214A (zh)

Similar Documents

Publication Publication Date Title
Chan et al. A new approach to characterizing and forecasting electricity price volatility
Yao et al. CVaR measurement and operational risk management in commercial banks according to the peak value method of extreme value theory
CN104680261A (zh) 基于重点大客户负荷曲线聚类的电力负荷运行控制方法
CN102982489A (zh) 一种基于海量计量数据的电力客户在线分群方法
CN103370722A (zh) 通过小波和非线性动力学预测实际波动率的系统和方法
WO2024001045A1 (zh) 碳配额盈缺预测方法、装置电子设备及存储介质
CN105844351A (zh) 一种电力用电市场景气指数预测方法
CN104517232B (zh) 一种挖掘纳税金额突增的关联纳税人群体的方法
CN113919655A (zh) 执法人员调度方法、系统、计算机装置及存储介质
CN114169802B (zh) 电网用户需求响应潜力分析方法、系统及存储介质
CN116050866A (zh) 基于典型负荷曲线的组合式用户缺失电量拟合方法及系统
CN118228069A (zh) 用电负荷预测方法、装置、设备、介质和程序产品
CN105005575A (zh) 一种企业智能预测快速开发接口方法
CN112506901A (zh) 一种数据质量测量方法、装置及介质
CN116402528A (zh) 电力数据处理系统
CN114037214A (zh) 基于多源数据融合分析的电力景气指数构建方法和装置
Xu et al. Asymmetric-structure analysis of carbon and energy markets
CN112614005B (zh) 企业复工状态的处理方法和装置
Iori et al. Weighted network analysis of high-frequency cross-correlation measures
CN112381436B (zh) 逐时电负荷生成方法、装置、电子设备及存储介质
CN104978604B (zh) 一种基于业务能力模型的模拟仿真方法和装置
CN112801339A (zh) 一种基于电力大数据的地区经济发展预测方法
Berggren et al. Which GARCH model is best for Value-at-Risk?
CN113723775B (zh) 一种基于电力大数据的企业及行业运营风险的评估方法
AU2021101776A4 (en) Ecosystem Service Supply-demand Index Change Detection Method Oriented to The Natural Resource Management Field

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20220211

RJ01 Rejection of invention patent application after publication