CN114254965A - 乡村振兴电力监测方法、装置、电子设备及存储介质 - Google Patents

乡村振兴电力监测方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN114254965A
CN114254965A CN202210194995.4A CN202210194995A CN114254965A CN 114254965 A CN114254965 A CN 114254965A CN 202210194995 A CN202210194995 A CN 202210194995A CN 114254965 A CN114254965 A CN 114254965A
Authority
CN
China
Prior art keywords
power
index
preset
power data
specified
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
CN202210194995.4A
Other languages
English (en)
Inventor
王戈
朱劲枫
汪道萍
尹伟
鲜鑫
胡晓
樊晓倩
张洋
胡渝嘉
陈松
牟健
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.)
Chengdu Asiayak Technology Co ltd
State Grid Sichuan Electric Power Co Ltd
Original Assignee
Chengdu Asiayak Technology Co ltd
State Grid Sichuan 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 Chengdu Asiayak Technology Co ltd, State Grid Sichuan Electric Power Co Ltd filed Critical Chengdu Asiayak Technology Co ltd
Priority to CN202210194995.4A priority Critical patent/CN114254965A/zh
Publication of CN114254965A publication Critical patent/CN114254965A/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
    • G06F18/23—Clustering 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
    • 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
    • G06Q50/10—Services
    • G06Q50/26—Government or public services

Landscapes

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

Abstract

本申请提供一种乡村振兴电力监测方法、装置、电子设备及存储介质。方法包括：获取在指定周期内采集的电力数据集，电力数据集包括在指定地理区域中与多个行业对应的用电量及供电量；对电力数据集进行预处理，得到经过预处理后的m类电力数据集，m为大于1的指定整数；通过预设指数算法模型，确定m类电力数据集在指定维度下的电力指数，电力指数用于表征指定地理区域在指定周期内的电力发展数据；当电力指数未在指定维度对应的预设阈值范围内时，发出表征异常的提示信息。如此，方便用户通过电力指数查看地区的电力、经济发展状况，改善无法对电力发展情况进行提示的问题。

Description

乡村振兴电力监测方法、装置、电子设备及存储介质
技术领域
本申请涉及电力技术领域，具体而言，涉及一种乡村振兴电力监测方法、装置、电子设备及存储介质。
背景技术
一个地区的电力数据是该地区经济发展的晴雨表、风向标。依托于电力数据的真实性、严谨性和实时性，不仅可以佐证地区振兴工作的开展，还可为地方经济发展的方向和走势提供决策依据。由于地方电力数据的数据量量庞大，无法直接供用户对电力发展情况进行判断，另外，目前缺少提供完整的电力指数评价体系，无法对电力发展情况进行提示。
发明内容
本申请实施例的目的在于提供一种乡村振兴电力监测方法、装置、电子设备及存储介质，能够改善无法对电力发展情况进行提示的问题。
为了实现上述目的，本申请的实施例通过如下方式实现：
第一方面，本申请实施例提供一种乡村振兴电力监测方法，所述方法包括：获取在指定周期内采集的电力数据集，所述电力数据集包括在指定地理区域中与多个行业对应的用电量及供电量；对所述电力数据集进行预处理，得到经过预处理后的m类电力数据集，m为大于1的指定整数；通过预设指数算法模型，确定所述m类电力数据集在指定维度下的电力指数，所述电力指数用于表征所述指定地理区域在所述指定周期内的电力发展数据；当所述电力指数未在所述指定维度对应的预设阈值范围内时，发出表征异常的提示信息。
在上述的实施方式中，由电子设备对指定地理区域在指定周期内的电力数据集进行分析，可以得到在该周期内表征电力发展状况的电力指数，然后，利用电力指数进行发展状况的预警或提示，比如，电力指数未在预设阈值范围内时，便发出提示信息，如此，方便用户通过电力指数查看地区的电力、经济发展状况，改善无法对电力发展情况进行提示的问题。
结合第一方面，在一些可选的实施方式中，对所述电力数据集进行预处理，得到经过预处理后的m类电力数据集，包括：
将所述电力数据集进行归一化处理，得到经过归一化后的电力数据集；
通过预设聚类算法，对所述经过归一化后的电力数据集进行聚类，以得到m类电力数据集。
结合第一方面，在一些可选的实施方式中，通过预设指数算法模型，确定所述m类电力数据集在指定维度下的电力指数，包括：
根据所述m类电力数据集中的数据，确定每类电力数据集的累计方差贡献率；
针对每类电力数据集，选择大于指定百分比的前t个累计方差贡献率所对应的电力数据作为主成分；
根据t个主成分对应的数据矩阵、得分系数，确定在所述指定维度下的所述电力指数。
结合第一方面，在一些可选的实施方式中，所述指定维度的电力指数表征用电指数时，所述m类电力数据集包括与预设一级指标对应的第一产业用电量、第二产业用电量、第三产业用电量、生活用电量，以及与预设二级指标对应的行业用电量及企业用电量；
所述指定维度的电力指数表征供电指数时，所述m类电力数据集包括括与预设一级指标对应的地方电厂发电量、统调电厂发电量、地方电网发电量、网间送入电量，以及与预设二级指标对应的风光水电站数量、风光水装机容量以及风光水发电电量；
所述指定维度的电力指数表征双碳指数时，所述m类电力数据集包括与预设一级指标对应的括清洁能源发电量、清洁能源外送电量，以及与预设二级指标对应的电网投资金额、清洁能源接入户数及清洁能源装机容量。
结合第一方面，在一些可选的实施方式中，通过预设指数算法模型，确定所述m类电力数据集在指定维度下的电力指数，包括：
通过预设公式，确定所述m类电力数据集的市场化交易结算电量；
根据所述市场化交易结算电量及与预设基期对应的市场化交易电量，确定所述m类电力数据集在指定维度下的电力指数；
其中，所述预设公式为：
Figure M_220224150600806_806732001
在所述预设公式中，
Figure M_220224150600853_853590001
为报告期第i个周期，第j类的市场化交易电量，j依次取1至a；
a指报告期内的市场类型数；
Figure M_220224150600884_884853001
指基期的市场交易类型数；
b为当前的周期数；
Figure M_220224150600900_900484001
为在市场交易维度下第t个时刻的电力指数；
Figure M_220224150600931_931729001
为基期第i个周期，第j类的平均市场化交易电量；
Figure M_220224150600947_947352001
为报告期第i个周期，第j类的市场交易价格；
所述指定维度的电力指数表征市场指数。
结合第一方面，在一些可选的实施方式中，所述方法还包括：
根据历史记录中的在多个历史周期中的电力指数及预估算法，确定在当前周期的下一周期的电力指数；
当所述下一周期的电力指数未在对应的预设阈值范围内时，发出预警提示。
第二方面，本申请还提供一种乡村振兴电力监测装置，所述装置包括：
数据获取单元，用于获取在指定周期内采集的电力数据集，所述电力数据集包括在指定地理区域中与多个行业对应的用电量及供电量；
预处理单元，用于对所述电力数据集进行预处理，得到经过预处理后的m类电力数据集，m为大于1的指定整数；
确定单元，用于通过预设指数算法模型，确定所述m类电力数据集在指定维度下的电力指数，所述电力指数用于表征所述指定地理区域在所述指定周期内的电力发展数据；
提示单元，用于当所述电力指数未在所述指定维度对应的预设阈值范围内时，发出表征异常的提示信息。
结合第二方面，在一些可选的实施方式中，所述预处理单元用于：
将所述电力数据集进行归一化处理，得到经过归一化后的电力数据集；
通过预设聚类算法，对所述经过归一化后的电力数据集进行聚类，以得到m类电力数据集。
第三方面，本申请还提供一种电子设备，所述电子设备包括相互耦合的处理器及存储器，所述存储器内存储计算机程序，当所述计算机程序被所述处理器执行时，使得所述电子设备执行上述的方法。
第四方面，本申请还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，当所述计算机程序在计算机上运行时，使得所述计算机执行上述的方法。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
图1为本申请实施例提供的电子设备的结构示意图。
图2为本申请实施例提供的电力监测方法的流程示意图。
图3为步骤S120的子步骤的流程示意图。
图4为本申请实施例提供的电力监测装置的框图。
图标：10-电子设备；11-处理模块；12-存储模块；200-电力监测装置；210-数据获取单元；220-预处理单元；230-确定单元；240-提示单元。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行描述。需要说明的是，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。在不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。
请参照图1，本申请提供一种电子设备10，可以用于对多类电力数据进行分析处理，以得到电力指数，以便于用户通过电力指数判断当地的电力及经济发展状况。
其中，电子设备10可以包括处理模块11及存储模块12。存储模块12内存储计算机程序，当计算机程序被所述处理模块11执行时，使得电子设备10能够执行下述电力监测方法中的各步骤。
可以理解的是，图1所示的结构仅为电子设备10的一种结构示意图，电子设备10还可以包括比图1所示更多的组件。图1中所示的各组件可以采用硬件、软件或其组合实现。
在本实施例中，电子设备10可以是但不限于个人电脑、服务器等设备。
请参照图2，本申请还提供一种乡村振兴电力监测方法，可以应用于上述的电子设备10，由电子设备10执行或实现方法中的各步骤。方法可以包括如下步骤：
步骤S110，获取在指定周期内采集的电力数据集，所述电力数据集包括在指定地理区域中与多个行业对应的用电量及供电量；
步骤S120，对所述电力数据集进行预处理，得到经过预处理后的m类电力数据集，m为大于1的指定整数；
步骤S130，通过预设指数算法模型，确定所述m类电力数据集在指定维度下的电力指数，所述电力指数用于表征所述指定地理区域在所述指定周期内的电力发展数据；
步骤S140，当所述电力指数未在所述指定维度对应的预设阈值范围内时，发出表征异常的提示信息。
在上述的实施方式中，由电子设备10对指定地理区域在指定周期内的电力数据集进行分析，可以得到在该周期内表征电力发展状况的电力指数，然后，利用电力指数进行发展状况的预警或提示，比如，电力指数未在预设阈值范围内时，便发出提示信息，如此，方便用户通过电力指数查看地区的电力、经济发展状况，改善无法对电力发展情况进行提示的问题。
下面将对方法的各步骤进行详细阐述，如下：
在步骤S110中，当需要计算分析指定周期所对应的电力指数时，电子设备10可以从电子设备10自身的本地磁盘或服务器获取相应的电力数据集。即，电子设备10的本地磁盘或服务器存储有预先采集的针对指定地理区域在指定周期内的电力数据集。
其中，指定地理区域可以根据实际情况灵活确定，例如，指定地理区域可以为一个村镇、区县、城市等区域，这里对指定地理区域不作具体限定。另外，指定周期可以为半月、一个月等时长，可以根据实际情况灵活确定。
需要说明的是，需要计算的电力指数可以包括用电指数、供电指数、市场指数及双碳指数。电力数据集可以包括多个行业对应的用电量及供电量，示例性地，可以参见下表1。
表1：电力指数指标集
Figure P_220224150600978_978648001
在表1中，包括预设的一级指标、二级指标分别在多个类别下对应的相关行业的用电量、供电量。每类电力数据可以根据实际情况进行划分，为常用的划分方式，例如，统计指标解释如下：
第一产业用电量：指农业、林业、牧业、渔业（不含农、林、牧、渔服务业）用电。
第二产业用电量：指采矿业（不含开采辅助活动），制造业（不含金属制品、机械和设备修理业），电力、热力、燃气及水生产和供应业，建筑业用电。
第三产业用电量：即服务业用电，是指除第一产业、第二产业以外的其他行业用电。包括但不限于：批发和零售业，交通运输、仓储和邮政业，住宿和餐饮业，信息传输、软件和信息技术服务业，金融业，房地产业，租赁和商务服务业，科学研究和技术服务部，水利、环境和公共设施管理业，居民服务、修理和其他服务业，教育，卫生和社会工作，文化、体育和娱乐业，公共管理、社会保障和社会组织，国际组织，以及农、林、牧、渔业中的农、林、牧、渔服务业，采矿业中的开采辅助活动，制造业中的金属制品、机械和设备修理业用电。
城乡居民生活用电量：指城镇居民和乡村居民家庭照明、家用电器等生活用电量的总和。
发电量：是指电厂在报告期内生产的电能量。
发电装机容量：指期末发电设备容量，它是指报告期（月、季、年）的最后一天24小时，发现从实际拥有的在役发电机组容量的总和。期末的发电设备容量即为下一期初的发电设备容量。
供电量：指供电供应单位在报表期内提供的可用于供电生产活动投入的电量，反应电力企业在统计期内的电力供应能力。
在步骤S120中，电子设备10可以对所获取的电力数据集进行预处理，以便于利用预处理后的电力数据计算电力指标。
请参照图3，步骤S120可以包括：
步骤S121，将所述电力数据集进行归一化处理，得到经过归一化后的电力数据集；
步骤S122，通过预设聚类算法，对所述经过归一化后的电力数据集进行聚类，以得到m类电力数据集。
在步骤S121中，电子设备10可以对每个指数维度对应的电力数据进行归一化或标准化处理，以使归一化后的电力数据的值在0-1的范围中。归一化处理的方式可以如下：
Figure P_220224150601120_120694001
(1)
Figure P_220224150601151_151943001
(2)
在公式（1）和公式（2）中，
Figure M_220224150601185_185148001
是指第i个指数维度下选取的第j个指标下电力数据的原始数值，而
Figure M_220224150601216_216888002
则为对应的标准化后的数值。其中，i取值为1、2、3、4，分别对应用电指数、供电指数、市场指数及双碳指数，共4个指数维度。双碳指数表示碳达峰、碳中和的评价指标。
公式（1）为正向指标的标准化（或归一化）公式，指标数值
Figure M_220224150601232_232498001
越大，表示经济水平越高，电力发展状况越好。
公式（2）为负向指标的标准化（或归一化）公式，指标数值
Figure M_220224150601263_263780001
越小，表示经济发展越差，电力发展状况越差。经过标准化后，标准化后的数值范围都满足0≤
Figure M_220224150601279_279380002
≤1。
在步骤S122中，预设聚类算法可以根据实际情况灵活确定。例如，电子设备10可以利用离差平方和法，对指标进行R型分层聚类。例如，针对归一化后的电力数据集，每个电力数据可以作为一个评价指标，假设电力数据集中，具有n个电力数据（评价指标），则需要把n个评价指标分为m类，以得到m类的电力数据集。其中，m为用户期望的电力数据的类别数量，可以根据实际情况灵活确定。需要说明的是，不同指数维度对应的m值可以不同。
例如，请参照上述的表1，针对用电指数，在一级指标下，电力数据的类型可以被划分为第一产业用电量、第二产业用电量、第三产业用电量及城乡居民生活用电量共4类；在二级指标下，电力数据的类型可以被划分为行业用电量、规上规下企业用电量、重点企业用电量，共3类。市场指数维度下，电力数据的类型可以被划分为在以及指标下的各交易品种交易电量及各交易品种交易均价，共2类。
示例性地，所述指定维度的电力指数表征用电指数时，所述m类电力数据集包括与预设一级指标对应的第一产业用电量、第二产业用电量、第三产业用电量、生活用电量，以及与预设二级指标对应的行业用电量及企业用电量；
所述指定维度的电力指数表征供电指数时，所述m类电力数据集包括括与预设一级指标对应的地方电厂发电量、统调电厂发电量、地方电网发电量、网间送入电量，以及与预设二级指标对应的风光水电站数量、风光水装机容量以及风光水发电电量；
所述指定维度的电力指数表征双碳指数时，所述m类电力数据集包括与预设一级指标对应的括清洁能源发电量、清洁能源外送电量，以及与预设二级指标对应的电网投资金额、清洁能源接入户数及清洁能源装机容量。
假设，
Figure M_220224150601294_294999001
代表第t类的指标个数，t为1至n中的任一整数，
Figure M_220224150601326_326297002
表示第t类中第j个评价指标标准化后的数值
Figure M_220224150601357_357527003
，
Figure M_220224150601421_421004004
为第t类指标的样本平均值向量。则第t类的离差平方和
Figure M_220224150601437_437087005
的计算公式为：
Figure M_220224150601468_468382001
(3)
所有k类的总离差平方和S为：
Figure M_220224150601546_546483001
(4)
其中，公式（4）的含义表示某类的总离差平方和越小，该类评价指标的相似度越高，聚类越合理。
利用公式（3）、（4），可以计算得到各类电力数据对应的离差平方和。在进行聚类时，先把n个评价指标分为n类，再任取两类进行合并，其他类别保持不变，则所有合并方案总数为
Figure M_220224150601595_595289001
。将合并方案数值作为新的k代入（4）式，计算其总离差平方和，并选取总离差平方和最小的合并类作为新的类。重复此过程直至到最后的分类数m，如此，可以得到m类的电力数据。
在本实施例中，为了避免确定分类个数m的主观随意性，可以分别对聚类后的每一类进行非参数KW检验，从而保证聚类数目确定的合理性。KW检验的原假设为不同的评价指标再数值特征上无显著差异。若每一类的显著性水平p>0.05,则接受原假设，说明同一类的评价指标间没有显著差异，聚类数目合理；若显著性水平p<0.05，则拒绝原假设，应重新调整聚类数目m，直至调整后的聚类数目m接受原假设。
在本实施例中，电力设备还可以计算电力数据之间的相关系数。例如，通过时差相关分析法，将被选指标相对于基准指标前后移动若干个月，然后将移动后的序列与基准序列进行相关分析，估计出各个时刻点与基准序列的相关系数，最大的相关系数对应的移动期数就是该指标的超前或延迟期数，可反映计算指标与基准指标之间的超前或滞后期。
设
Figure M_220224150601640_640215001
为基准指标，
Figure M_220224150601687_687105002
为待判断的指标，则时差相关系数
Figure M_220224150601718_718369003
为：
Figure M_220224150601733_733985001
（5）
其中，
Figure M_220224150601813_813626001
；
Figure M_220224150601829_829186002
。上式中，
Figure M_220224150601876_876075003
和
Figure M_220224150601891_891691004
为均值；t为时间变量；
Figure M_220224150601907_907340005
称为时差或延迟期数,
Figure M_220224150601938_938563006
为负数时表示先行，
Figure M_220224150601954_954203007
为正数时表示滞后；
Figure M_220224150601969_969851008
为总的数据个数。
在本实施例中，可以选择绝对值最大的时差相关系数所对应的时差，作为
Figure M_220224150601986_986888001
和
Figure M_220224150602018_018685002
的超前或滞后期数。在这些
Figure M_220224150602049_049903003
中，选择出最大值
Figure M_220224150602081_081132004
，其对应的时差为x与y的波动最接近时的延迟期数。
Figure M_220224150602112_112415005
越接近于1，两个序列x和y的相关性越强。若
Figure M_220224150602128_128043006
在
Figure M_220224150602143_143643007
或者
Figure M_220224150602174_174895008
时最大，说明x和y是一致指标；若
Figure M_220224150602191_191467009
在
Figure M_220224150602207_207653010
时最大，说明x是y的先行指标；若
Figure M_220224150602238_238864011
在
Figure M_220224150602254_254478012
时最大，说明x是y的滞后指标。其中，超前期数、先行指标可以用于对未来周期的电力指数进行预估。
在步骤S130中，预设指数算法模型可以根据实际情况灵活确定。
作为一种可选的实施方式，步骤S130可以包括：
步骤S131，根据所述m类电力数据集中的数据，确定每类电力数据集的累计方差贡献率；
步骤S132，针对每类电力数据集，选择大于指定百分比的前t个累计方差贡献率所对应的电力数据作为主成分；
步骤S133，根据t个主成分对应的数据矩阵、得分系数，确定在所述指定维度下的所述电力指数。
其中，指定百分比及t均可以根据实际情况灵活确定。示例性地，下面将对步骤S130的计算过程进行举例阐述，如下：
1）对电力数据的原始数据进行正态标准化处理，将原始数据的截面数据与时间序列数据相结合变为数据矩阵，设为
Figure M_220224150602270_270099001
，截面数据是指不同对象在同一时刻下的观测数据，如同一时刻下不同指标对应的数值；时间序列数据是指同一个指标在不同时刻下的观测数据，例如第一产业用电量在一年时间下的月度数据。若
Figure M_220224150602316_316998002
表示标准化后的数据矩阵，则：
Figure M_220224150602348_348257001
，
Figure M_220224150602381_381885002
（6）
式中，
Figure M_220224150602413_413717001
和
Figure M_220224150602444_444904002
分别为原始数据矩阵
Figure M_220224150602476_476155003
中的第j列数据的样本均值和标准差，i依次取1至n，j依次取1至m。m代表电力数据集的类别数、n代表电力数据集中的样本数量（由于要构建数据矩阵，n取各个指标的共同时间下样本数量，例如2020年1月至2021年12月共24个月的月度数据，n为24）、c是一种表示均值和标准差的形式，X指样本数据矩阵。
2）计算各个变量的相关系数。设相关性系数矩阵为
Figure M_220224150602491_491799001
，其中
Figure M_220224150602554_554314002
的计算公式如下：
Figure M_220224150602586_586495001
（7）
式中，m和n同上，m代表电力数据集的类别数、n代表电力数据集中的样本数量。由于一共有m类指标，要计算每个指标间的相关系数，则可以表示为m×m的相关性矩阵，而g、k表示相关性系数矩阵的第g行第k列的相关系数，例如要计算第一产业用电量，第二产业用电量，第三产业用电量和居民用电量的各个变量间的相关系数，则m=4，r12代表第一产业用电量和第二产业用电量的相关系数。其中g和k都可取1到4。类似的，c作为均值和标准差的一种表示形式。
3）计算各个指标的方差贡献率和累计方差贡献率。计算方法为求解
Figure M_220224150602680_680776001
=0这个特征方程，可获得相关系数矩阵R的特征值
Figure M_220224150602712_712015002
及相关系数矩阵R的特征向量
Figure M_220224150602743_743263003
。将其按由大到小的顺序排列，有
Figure M_220224150602791_791074004
，得到最大特征值
Figure M_220224150602822_822835005
和最小特征值
Figure M_220224150602838_838481006
，由方差贡献率的定义可知各成分的贡献率为对应的特征值占所有特征值之和的百分比，即：
Figure M_220224150602869_869729001
（8）
Figure M_220224150602916_916615001
=
Figure M_220224150602932_932282002
（9）
上式中，
Figure M_220224150602980_980530001
表示第g个指标变量的贡献率；
Figure M_220224150602996_996689002
为第g个指标变量的累计贡献率。
4）确定各个指标的主成分。选择标准为：选择累计贡献率大于80%的前t个特征值对应的指标变量作为主成分，记作
Figure M_220224150603027_027944001
，则：
Figure M_220224150603059_059175001
（10）
式中：
Figure M_220224150603106_106055001
为标准化后的矩阵X的行向量，l可依次取1到t，分别表示t个主成分，其中这t个主成分的累计贡献率大于80%，即可以包含原始指标的80%的内容。另外，
Figure M_220224150603121_121662002
中的上标r起区分作用，无其他含义，即此时用到的是相关系数矩阵的数据，而不是原始数据，因此加了一个r做区分。
5）计算各成分的得分系数。计算公式为：各个主成分的特征向量除以对应特征值的平方根,可求出p个主成分的成分得分系数
Figure M_220224150603137_137287001
，如下所示：
Figure M_220224150603168_168571001
（11）
6）计算每个主成分的得分。成分得分系数
Figure M_220224150603201_201260001
可通过（6）式中标准化后的数据矩阵中的各元素
Figure M_220224150603232_232537002
与（11）式中得到的
Figure M_220224150603248_248128003
相乘得到：
Figure M_220224150603279_279390001
（12）
7）计算各个维度下的电力指数得分。每个类型的电力指数计算公式为p个主成分的得分的线性加权，权重为各个成分的贡献率，最终得到综合得分，即所求的电力指数：
Figure M_220224150603310_310636001
（13）
式中:
Figure M_220224150603341_341894001
表示第l个主成分的贡献率的值,
Figure M_220224150603373_373123002
表示的第t个主成分的累计贡献率，即所选取的t个主成分的贡献率之和。
8）确定基期，按照（13）式的计算公式计算出基期的电力指数得分
Figure M_220224150603389_389721001
（
Figure M_220224150603405_405848002
分别表示用电指数、供电指数和双碳指数）。
9）计算各个报告期三类相对应的电力指数得分
Figure M_220224150603437_437103001
，设基期的用电指数（供电指数或双碳指数）为100，则可计算出报告期的用电指数（供电指数或双碳指数）为
Figure M_220224150603468_468364002
。
若电力指数为市场指数，步骤S130可以包括：
通过预设公式，确定所述m类电力数据集的市场化交易结算电量；
根据所述市场化交易结算电量及与预设基期对应的市场化交易电量，确定所述m类电力数据集在指定维度下的电力指数；
其中，所述预设公式为：
Figure M_220224150603499_499617001
（14）
在所述预设公式中，
Figure M_220224150603546_546478001
为报告期第i个周期，第j类的市场化交易电量，j依次取1至a；
a指报告期内的市场类型数；
Figure M_220224150603562_562115001
指基期的市场交易类型数；
b为当前的周期数；
Figure M_220224150603594_594791001
为在市场交易维度下第t个时刻的电力指数；
Figure M_220224150603610_610916001
为基期第i个周期，第j类的平均市场化交易电量；
Figure M_220224150603642_642181001
为报告期第i个周期，第j类的市场交易价格；
所述指定维度的电力指数表征市场指数。
可理解地，市场指数的确定方式可以为：
1）确定基期，计算出基期的市场化交易电额
Figure M_220224150603673_673411001
，并将基期的市场指数定义为100。基期，与“报告期”相对，是一个基础期、起始期的常规概念，基期的数值，称为基数。
2）按照（14）式的计算公式计算出各个报告期的
Figure M_220224150603689_689099001
，则市场指数为
Figure M_220224150603704_704681002
。
在本实施例中，市场指数可以反映市场的总体状况和长期变化走势，目前电力交易中心开展的交易类型存在多种形式，其中各类型市场计算方式均为交易电量乘以交易平均价格，以反映开展该交易的规模。市场指数的构建在基于给定的基年之后，按月统计12个月的基准值，按月进行计算，采用当年累计值，统计各交易中心完成的市场化交易结算电量。
在步骤S140中，预设阈值范围通常表示电力、经济发展正常所对应的阈值，不同指数维度对应的预设阈值范围可以不相同，均可以根据实际情况进行灵活确定。
当所述电力指数未在所述指定维度对应的预设阈值范围内时，通过发出表征异常的提示信息，有利于值班人员立即报送并组织相关人员进行分析，以得出分析结果和下一步工作建议。
例如，若计算得到的用电指数未在预设的用电阈值范围内时，便确定电力发展存在异常。此时，可以由值班人员对异常提示进行上报，有利于相关人员对异常及时进行处理。比如，通过上述的电力监测方法，可以对乡镇的电力数据集进行检测，从而可以利用电力数据集来判断乡镇的电力、经济发展状况，有利于为乡村振兴提供数据参考。
作为一种可选的实施方式，方法还可以包括：
根据历史记录中的在多个历史周期中的电力指数及预估算法，确定在当前周期的下一周期的电力指数；
当所述下一周期的电力指数未在对应的预设阈值范围内时，发出预警提示。
预估算法的实现方式为常用方式，可以根据实际情况灵活确定。例如，可以利用公式（5）中得到的超前期数、先行指标，对下一周期的电力指数进行预估。如此，可以实现对未来电力指数的预估与预警。
请参照图4，本申请实施例还提供一种乡村振兴电力监测装置，可以简称为电力监测装置200，可以应用于上述的电子设备10中，用于执行方法中的各步骤。电力监测装置200包括至少一个可以软件或固件（Firmware）的形式存储于存储模块12中或固化在电子设备10操作系统（Operating System，OS）中的软件功能模块。处理模块11用于执行存储模块12中存储的可执行模块，例如电力监测装置200所包括的软件功能模块及计算机程序等。
电力监测装置200可以包括数据获取单元210、预处理单元220、确定单元230及提示单元240，各单元具有的功能可以如下：
数据获取单元210，用于获取在指定周期内采集的电力数据集，所述电力数据集包括在指定地理区域中与多个行业对应的用电量及供电量；
预处理单元220，用于对所述电力数据集进行预处理，得到经过预处理后的m类电力数据集，m为大于1的指定整数；
确定单元230，用于通过预设指数算法模型，确定所述m类电力数据集在指定维度下的电力指数，所述电力指数用于表征所述指定地理区域在所述指定周期内的电力发展数据；
提示单元240，用于当所述电力指数未在所述指定维度对应的预设阈值范围内时，发出表征异常的提示信息。
可选地，所述预处理单元220用于：
将所述电力数据集进行归一化处理，得到经过归一化后的电力数据集；
通过预设聚类算法，对所述经过归一化后的电力数据集进行聚类，以得到m类电力数据集。
可选地，确定单元230用于：
根据所述m类电力数据集中的数据，确定每类电力数据集的累计方差贡献率；
针对每类电力数据集，选择大于指定百分比的前t个累计方差贡献率所对应的电力数据作为主成分；
根据t个主成分对应的数据矩阵、得分系数，确定在所述指定维度下的所述电力指数。
可选地，确定单元230还可以用于：
通过预设公式，确定所述m类电力数据集的市场化交易结算电量；
根据所述市场化交易结算电量及与预设基期对应的市场化交易电量，确定所述m类电力数据集在指定维度下的电力指数；
其中，所述预设公式为：
Figure M_220224150603735_735918001
在所述预设公式中，
Figure M_220224150603783_783738001
为报告期第i个周期，第j类的市场化交易电量，j依次取1至a；
a指报告期内的市场类型数；
Figure M_220224150603799_799899001
指基期的市场交易类型数；
b为当前的周期数；
Figure M_220224150603815_815511001
为在市场交易维度下第t个时刻的电力指数；
Figure M_220224150603846_846764001
为基期第i个周期，第j类的平均市场化交易电量；
Figure M_220224150603862_862417001
为报告期第i个周期，第j类的市场交易价格；
所述指定维度的电力指数表征市场指数。
可选地，确定单元230还可以用于：根据历史记录中的在多个历史周期中的电力指数及预估算法，确定在当前周期的下一周期的电力指数；提示单元240还可以用于当所述下一周期的电力指数未在对应的预设阈值范围内时，发出预警提示。
在本实施例中，处理模块11可以是一种集成电路芯片，具有信号的处理能力。上述处理模块11可以是通用处理器。例如，该处理器可以是中央处理器（Central ProcessingUnit，CPU）、数字信号处理器（Digital Signal Processing，DSP）、专用集成电路（Application Specific Integrated Circuit，ASIC）、现场可编程门阵列（Field－Programmable Gate Array，FPGA）或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件，可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。
存储模块12可以是，但不限于，随机存取存储器，只读存储器，可编程只读存储器，可擦除可编程只读存储器，电可擦除可编程只读存储器等。在本实施例中，存储模块12可以用于存储各类电力数据、预设指数算法模型等。当然，存储模块12还可以用于存储程序，处理模块11在接收到执行指令后，执行该程序。
需要说明的是，所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的电子设备10、电力监测装置200的具体工作过程，可以参考前述方法中的各步骤对应过程，在此不再过多赘述。
本申请实施例还提供一种计算机可读存储介质。计算机可读存储介质中存储有计算机程序，当计算机程序在计算机上运行时，使得计算机执行如上述实施例中所述的电力监测方法。
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本申请可以通过硬件实现，也可以借助软件加必要的通用硬件平台的方式来实现，基于这样的理解，本申请的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质（可以是CD-ROM，U盘，移动硬盘等）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）执行本申请各个实施场景所述的方法。
综上所述，在本方案中，由电子设备对指定地理区域在指定周期内的电力数据集进行分析，可以得到在该周期内表征电力发展状况的电力指数，然后，利用电力指数进行发展状况的预警或提示，比如，电力指数未在预设阈值范围内时，便发出提示信息，如此，方便用户通过电力指数查看地区的电力、经济发展状况，改善无法对电力发展情况进行提示的问题。
在本申请所提供的实施例中，应该理解到，所揭露的装置、系统和方法，也可以通过其它的方式实现。以上所描述的装置、系统和方法实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本申请的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。另外，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
以上所述仅为本申请的实施例而已，并不用于限制本申请的保护范围，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (10)

1.一种乡村振兴电力监测方法，其特征在于，所述方法包括：
获取在指定周期内采集的电力数据集，所述电力数据集包括在指定地理区域中与多个行业对应的用电量及供电量；
对所述电力数据集进行预处理，得到经过预处理后的m类电力数据集，m为大于1的指定整数；
通过预设指数算法模型，确定所述m类电力数据集在指定维度下的电力指数，所述电力指数用于表征所述指定地理区域在所述指定周期内的电力发展数据；
当所述电力指数未在所述指定维度对应的预设阈值范围内时，发出表征异常的提示信息。
2.根据权利要求1所述的方法，其特征在于，对所述电力数据集进行预处理，得到经过预处理后的m类电力数据集，包括：
将所述电力数据集进行归一化处理，得到经过归一化后的电力数据集；
通过预设聚类算法，对所述经过归一化后的电力数据集进行聚类，以得到m类电力数据集。
3.根据权利要求1所述的方法，其特征在于，通过预设指数算法模型，确定所述m类电力数据集在指定维度下的电力指数，包括：
根据所述m类电力数据集中的数据，确定每类电力数据集的累计方差贡献率；
针对每类电力数据集，选择大于指定百分比的前t个累计方差贡献率所对应的电力数据作为主成分；
根据t个主成分对应的数据矩阵、得分系数，确定在所述指定维度下的所述电力指数。
4.根据权利要求3所述的方法，其特征在于，所述指定维度的电力指数表征用电指数时，所述m类电力数据集包括与预设一级指标对应的第一产业用电量、第二产业用电量、第三产业用电量、生活用电量，以及与预设二级指标对应的行业用电量及企业用电量；
所述指定维度的电力指数表征供电指数时，所述m类电力数据集包括括与预设一级指标对应的地方电厂发电量、统调电厂发电量、地方电网发电量、网间送入电量，以及与预设二级指标对应的风光水电站数量、风光水装机容量以及风光水发电电量；
所述指定维度的电力指数表征双碳指数时，所述m类电力数据集包括与预设一级指标对应的括清洁能源发电量、清洁能源外送电量，以及与预设二级指标对应的电网投资金额、清洁能源接入户数及清洁能源装机容量。
5.根据权利要求1所述的方法，其特征在于，通过预设指数算法模型，确定所述m类电力数据集在指定维度下的电力指数，包括：
通过预设公式，确定所述m类电力数据集的市场化交易结算电量；
根据所述市场化交易结算电量及与预设基期对应的市场化交易电量，确定所述m类电力数据集在指定维度下的电力指数；
其中，所述预设公式为：
Figure M_220224150556669_669057001
在所述预设公式中，
Figure M_220224150556795_795465001
为报告期第i个周期，第j类的市场化交易电量，j依次取1至a；
a指报告期内的市场类型数；
Figure M_220224150556827_827248001
指基期的市场交易类型数；
b为当前的周期数；
Figure M_220224150556874_874103001
为在市场交易维度下第t个时刻的电力指数；
Figure M_220224150556905_905373001
为基期第i个周期，第j类的平均市场化交易电量；
Figure M_220224150556936_936602001
为报告期第i个周期，第j类的市场交易价格；
所述指定维度的电力指数表征市场指数。
6.根据权利要求1所述的方法，其特征在于，所述方法还包括：
根据历史记录中的在多个历史周期中的电力指数及预估算法，确定在当前周期的下一周期的电力指数；
当所述下一周期的电力指数未在对应的预设阈值范围内时，发出预警提示。
7.一种乡村振兴电力监测装置，其特征在于，所述装置包括：
数据获取单元，用于获取在指定周期内采集的电力数据集，所述电力数据集包括在指定地理区域中与多个行业对应的用电量及供电量；
预处理单元，用于对所述电力数据集进行预处理，得到经过预处理后的m类电力数据集，m为大于1的指定整数；
确定单元，用于通过预设指数算法模型，确定所述m类电力数据集在指定维度下的电力指数，所述电力指数用于表征所述指定地理区域在所述指定周期内的电力发展数据；
提示单元，用于当所述电力指数未在所述指定维度对应的预设阈值范围内时，发出表征异常的提示信息。
8.根据权利要求7所述的装置，其特征在于，所述预处理单元用于：
将所述电力数据集进行归一化处理，得到经过归一化后的电力数据集；
通过预设聚类算法，对所述经过归一化后的电力数据集进行聚类，以得到m类电力数据集。
9.一种电子设备，其特征在于，所 述电子设备包括相互耦合的处理器及存储器，所述存储器内存储计算机程序，当所述计算机程序被所述处理器执行时，使得所述电子设备执行如权利要求1-6中任一项所述的方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机程序，当所述计算机程序在计算机上运行时，使得所述计算机执行如权利要求1-6中任一项所述的方法。
CN202210194995.4A 2022-03-02 2022-03-02 乡村振兴电力监测方法、装置、电子设备及存储介质 Pending CN114254965A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210194995.4A CN114254965A (zh) 2022-03-02 2022-03-02 乡村振兴电力监测方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210194995.4A CN114254965A (zh) 2022-03-02 2022-03-02 乡村振兴电力监测方法、装置、电子设备及存储介质

Publications (1)

Publication Number Publication Date
CN114254965A true CN114254965A (zh) 2022-03-29

Family

ID=80797246

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210194995.4A Pending CN114254965A (zh) 2022-03-02 2022-03-02 乡村振兴电力监测方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN114254965A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115239201A (zh) * 2022-09-07 2022-10-25 国网四川省电力公司凉山供电公司 一种电力指数的评估方法及系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108596406A (zh) * 2018-05-15 2018-09-28 国家电网公司 一种基于电力需求预测的投资景气指数构建方法及系统
CN113988685A (zh) * 2021-11-05 2022-01-28 国网河南省电力公司经济技术研究院 一种基于电力大数据的数字产业发展指数测算方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108596406A (zh) * 2018-05-15 2018-09-28 国家电网公司 一种基于电力需求预测的投资景气指数构建方法及系统
CN113988685A (zh) * 2021-11-05 2022-01-28 国网河南省电力公司经济技术研究院 一种基于电力大数据的数字产业发展指数测算方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
史连军 等: "新电改下北京电力交易中心电力市场综合指数的交易分析", 《电力系统自动化》 *
张峰 等: "基于电力生产景气指数的我国发电行业分析与预测", 《现代电力》 *
杨思航: "基于发电侧的电力景气指数及预警系统研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115239201A (zh) * 2022-09-07 2022-10-25 国网四川省电力公司凉山供电公司 一种电力指数的评估方法及系统

Similar Documents

Publication Publication Date Title
Musundi et al. Modeling and forecasting Kenyan GDP using autoregressive integrated moving average (ARIMA) models
Bordignon et al. Combining day-ahead forecasts for British electricity prices
EP2595098A2 (en) Method and system for detecting an appliance based on users&#39; feedback information
Olajide et al. Forecasting the Inflation Rate in Nigeria: Box Jenkins Approach
CN105844351A (zh) 一种电力用电市场景气指数预测方法
KR102119125B1 (ko) 지역별 특성에 기초한 전력 수요 예측 장치 및 방법
Liu FDI and employment by industry: A co-integration study
CN116882804A (zh) 一种智能电力监控方法及系统
CN114254965A (zh) 乡村振兴电力监测方法、装置、电子设备及存储介质
Di Lascio et al. Joint and conditional dependence modelling of peak district heating demand and outdoor temperature: A copula-based approach
Voronin et al. A hybrid electricity price forecasting model for the finnish electricity spot market
CN115828134A (zh) 用电数据样本构建、模型训练、账户类别确定方法和装置
Mehar et al. Analytical model for residential predicting energy consumption
Selbaş et al. Data mining method for energy system aplications
Cullen Forecasting electricity demand using regression and Monte Carlo simulation under conditions of insufficient data
Mombeni et al. Reducing water consumption after targeted subsidy plan in Iran
Jeihoonian et al. Modeling and comparing energy consumption in basic metal industries by neural networks and ARIMA
Davarzani et al. Study of missing meter data impact on domestic load profiles clustering and characterization
McFARLANE Exchange market pressure, currency crises and monetary policy: Evidence from Jamaica
CN113222266B (zh) 一种基于水表日用量大数据的预测模型匹配方法
CN116957306B (zh) 基于资源协同互动的用户侧响应潜力评估方法及系统
Folorunso et al. A predictive model for estimating petroleum consumption using machine learning approach
Inala et al. Optimal Load Prediction in a Smart Metering Network using Random Forest Algorithm
Reklaite Measuring foreign impact: leading index construction using hierarchical dynamic factor model
Pawłowski et al. Modelling spot prices on the Polish energy market

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20220329