一种基于电力数据的电力经济指数构建方法及系统

摘要

本发明提供了一种基于电力数据的电力经济指数构建方法及系统，包括：对获取的电力数据和工业增加数据，按时间序列进行处理得到工业增加值数据与售电量时间序列，基于设定的指标类型以及工业增加值数据与售电量时间序列确定季节调整后的指标值，基于所述指标值得到所述电力经济指数；本发明通过整理数据和时差相关系数公式得到季节调整后的指标值，通过季节调整后指标值预测电力经济指数，有效的使计算得到的电力经济指数更准确。

说明书

技术领域

本发明涉及一种电力经济指数，具体涉及一种基于电力数据的电力经济指数构建方法及系统。

背景技术

电力数据具有高频、准确、覆盖范围广、颗粒度细等特点，而且电力与我国经济发展和社会民生紧密相关，电力数据是经济运行的“晴雨表”，可以助力宏观经济预测，同时电力数据也具备客观印证、一致传导、高频及时、广泛精细的特点，因此有必要充分利用电力数据以及外部数据资源，深入挖掘电力与经济之间的深度关联关系，构建数据挖掘分析模型，客观反映经济运行状况，辅助预测经济发展趋势，目前基于电力数据的电力经济景气指数确定方法得出的结果往往不够准确，存在一定偏差，无法准确的对经济进行评价。

发明内容

针对现有技术对电力数据的电力经济指数的确定方法得出的结果不够准确，本发明提供了一种基于电力数据的电力经济指数构建方法，包括：

对获取的电力数据和工业增加数据，按时间序列进行处理得到工业增加值数据与售电量时间序列；

基于设定的指标类型以及工业增加值数据与售电量时间序列确定季节调整后的指标值；

基于所述指标值得到所述电力经济指数。

优选的，所述对获取的电力数据和工业增加数据，按时间序列进行处理得到工业增加值数据与售电量时间序列，包括：

根据获取的电力数据和工业增加数据得到平稳化的工业增加值数据与平稳化的售电量时间序列；

利用时间序列对所述平稳化的工业增加值数据与平稳化的售电量时间序列进行季节调节得到季节调节后的工业增加值数据与售电量时间序列。

优选的，所述利用时间序列对所述平稳化的工业增加值数据与平稳化的售电量时间序列进行季节调节，包括：

利用时间序列季节调整程序将所述平稳化的工业增加值数据与平稳化的售电量时间序列分离为趋势因素、季节因素、周期因素和不规则因素并剔除季节因素；

基于剔除后的所述平稳化的工业增加值数据与平稳化的售电量时间序列按照指标在时间上的先后次序分类。

优选的，所述基于设定的指标类型以及工业增加值数据与售电量时间序列确定季节调整后的指标值，包括：

基于季节调节后的工业增加值数据与售电量时间序列进行时差相关性分析，得到售电时间序列的时差相关系数与领先时间；

基于领先时间确定所述售电量时间序列数据所属的指标类型；

基于所述售电时间序列的时差相关系数和预设的相关系数区间对各类型的所述售电量时间序列数据进行筛选，得到季节调整后的指标值；

所述指标类型包括：先行指标、一致指标和滞后指标。

优选的，所述基于所述指标值得到所述电力经济指数，包括：

基于选取的季节调整后的指标值，采用对称变化率增长序列公式计算指标值某一时刻与上一时刻的差值相对于所述某一时刻和所述上一时刻平均值的对称变化率；

基于对称变化率和指标个数，采用标准化对称增长率公式计算标准化对称增长率；

基于对称增长率，采用平均计算公式计算标准化对称增长率的平均变化率；

基于平均变化率，采用电力经济指数公式计算电力经济指数。

优选的，所述对称变化率增长序列公式，如下式所示：

其中，O

优选的，所述对称变化率增长序列公式，如下式所示：

其中，R(t)为t时刻所述平均变化率；std

优选的，所述电力经济指数公式，如下式所示：

其中，Index(t)为所述电力经济指数；RConsistent为一致指标的平均变化率；RLead为先行指标的平均变化率；R(t)为t时刻的平均变化率。

基于同一发明构思，本发明还提供了一种基于电力数据的电力经济指数构建系统，包括：获取数据模块、确定指标值模块和计算模块；

所述获取数据模块：用于对获取的电力数据和工业增加数据，按时间序列进行处理得到工业增加值数据与售电量时间序列；

所述确定指标值模块：用于确定设定的指标类型以及工业增加值数据与售电量时间序列确定季节调整后的指标值；

所述计算模块：用于确定所述指标值得到所述电力经济指数。

优选的，所述确定指标值模块包括时差相关性子模块、确定指标类型子模块和确定指标值子模块；

所述时差相关性子模块：用于确定季节调节后的工业增加值数据与售电量时间序列进行时差相关性分析，得到售电时间序列的时差相关系数与领先时间；

所述确定指标类型子模块：用于领先时间确定所述售电量时间序列数据所属的指标类型；

所述确定指标值模块：用于确定所述售电时间序列的时差相关系数和预设的相关系数区间对各类型的所述售电量时间序列数据进行筛选，得到季节调整后的指标值。

与现有技术相比，本发明的有益效果为：

1、本发明提供了一种基于电力数据的电力经济指数构建方法，包括：对获取的电力数据和工业增加数据，按时间序列进行处理得到工业增加值数据与售电量时间序列，基于设定的指标类型以及工业增加值数据与售电量时间序列确定季节调整后的指标值，基于所述指标值得到所述电力经济指数；本发明通过整理数据和时差相关系数公式得到季节调整后的指标值，通过季节调整后指标值预测电力经济指数，可准确的计算得到的电力经济指数。

2、通过时差相关系数公式获得时间相关系数和领先时间，并通过时间相关系数和领先时间可以得到季节调整后指标值，并通过指标值计算电力经济指数，通过融入时差相关系数，使得计算结果更加准确。

附图说明

图1为本发明的基于电力数据的电力经济指数构建方法示意图；

图2为本发明的基于电力数据的电力经济指数构建流程示意图；

图3为本发明的工业增加值去除长期趋势后对比图示意图。

具体实施方式

实施例1

结合图1，本发明提供了一种基于电力数据的电力经济指数构建方法，包括：

步骤一：对获取的电力数据和工业增加数据，按时间序列进行处理得到工业增加值数据与售电量时间序列；

步骤二：基于设定的指标类型以及工业增加值数据与售电量时间序列确定季节调整后的指标值；

步骤三：基于指标值得到电力经济指数。

其中，步骤一：对获取的电力数据和工业增加数据，按时间序列进行处理得到工业增加值数据与售电量时间序列，包括：

根据获取的电力数据和工业增加数据得到平稳化的工业增加值数据与平稳化的售电量时间序列；

利用时间序列对平稳化的工业增加值数据与平稳化的售电量时间序列进行季节调节得到季节调节后的工业增加值数据与售电量时间序列。

利用时间序列对平稳化的工业增加值数据与平稳化的售电量时间序列进行季节调节，包括：

利用时间序列季节调整程序将所述平稳化的工业增加值数据与平稳化的售电量时间序列分离为趋势因素、季节因素、周期因素和不规则因素并剔除季节因素；

基于剔除后的所述平稳化的工业增加值数据与平稳化的售电量时间序列按照指标在时间上的先后次序分类。

其中，步骤二：基于设定的指标类型以及工业增加值数据与售电量时间序列确定季节调整后的指标值，包括：

基于季节调节后的工业增加值数据与售电量时间序列进行时差相关性分析，得到售电时间序列的时差相关系数与领先时间；

基于领先时间确定售电量时间序列数据所属的指标类型；

基于售电时间序列的时差相关系数和预设的相关系数区间对各类型的售电量时间序列数据进行筛选，得到季节调整后的指标值；

指标类型包括：先行指标、一致指标和滞后指标。

其中，步骤三：基于指标值得到电力经济指数，包括：

基于选取的季节调整后的指标值，采用对称变化率增长序列公式计算指标值某一时刻与上一时刻的差值相对于某一时刻和上一时刻平均值的对称变化率；

基于对称变化率和指标个数，采用标准化对称增长率公式计算标准化对称增长率；

基于对称增长率，采用平均计算公式计算标准化对称增长率的平均变化率；

基于平均变化率，采用电力经济指数公式计算电力经济指数。

对称变化率增长序列公式，如下式所示：

其中，O

对称变化率增长序列公式，如下式所示：

其中，R(t)为t时刻平均变化率；std

电力经济指数公式，如下式所示：

其中，Index(t)为电力经济指数；RConsistent为一致指标的平均变化率；RLead为先行指标的平均变化率；R(t)为t时刻的平均变化率。

实施例2

结合图2，本发明电力经济指数构建主要包括步骤101数据获取、步骤102数据预处理、步骤103指标筛选、步骤104指数合成。其中步骤101数据获取包括电力数据和工业增加值数据，步骤102数据预处理包括数据清洗、序列平稳化计算、季节调整计算，步骤103指标筛选包括时差相关分析和指标筛选，步骤104指数合成包括一致指数合成、先行指数合成、滞后指数合成，本实施例同时还包括结果评价，包括时差相关指数评价方法、趋势一致指数评价方法。下面结合具体实施例对详细介绍本发明具体技术方案：

1.步骤101数据获取

在本发明一实施例中，获取电力数据所需字段说明如表1所示，

表1

获取工业增加值数据所需字段说明如表2所示：

表2

2、步骤102数据预处理

针对已经获取的电力数据进行预处理，数据预处理包括数据清洗、数值计算、序列平稳化、季节调整。电力经济指数可以利用电力数据的售电量数据和装接容量数据，对于二者数据处理流程相同，在本发明实施例中，电力数据具体为售电量数据。

(1)数据清洗

对电力数据进行数据清洗(数据清洗主要针对于售电量为0的数据、异常值数据、缺失值数据)且包括以下步骤:

1)：无相关行业数据处理，对原始售电量数据进行数据透视操作，使数据呈现为行和列分别为行业和年月的二维表数据透视表形式，如果一个行业所有的年月售电量数据值均为0，说明本地无此行业，对此种数据采取删除处理。

2)：异常值处理。对原始售电量数据进行数据透视操作，使数据呈现为行和列分别为行业和年月的二维表数据透视表形式，识别数据中的异常值(如负值、单个零值)，将异常值转化为缺失值处理。

3)：缺失值处理。对原始售电量数据进行数据透视操作，使数据呈现为行和列分别为行业和年月的二维表数据透视表形式，识别数据中的缺失值。对于缺失值数据，先通过去年同期字段进行填补，填补剩余的缺失值采用线性插补方法进行填充。

经过数据清洗得到本发明实施例中电力数据对应的月度售电量数据，此数据包含所有行业的售电量，无异常值和缺失值，满足数据分析基本要求。

(2)数值计算

根据所述工业增加值数据计算所述工业增加值数据对应的行业售电量的月度同比增长率，输入已经完成数据清洗的月度售电量数据，计算2013年7月-2019年8月份售电量月度同比增长率数据。

(3)序列平稳化

分别输入售电量月度同比增长率数据(简称电力数据)和月度工业增加值同比增长率数据(简称工业增加值数据)，利用时间序列high-pass滤波技术去除电力数据和工业增加值数据的长期趋势项，本案例采用python语言的statsmodels包中的hpfilter方法实现。通过去除长期趋势项使电力数据和工业增加值数据序列平稳化，即生成平稳化的工业增加值数据与平稳化的售电量时间序列，满足ARIMA模型的平稳性校验。以工业增加值数据为例，工业增加值未处理前和平稳化后的部分数据如表3所示：

表3

工业增加值进行去除趋势后如图3所示，其中左边为原始数据，右边为去除趋势后数据，可以看出右边工业增加值的变化幅度明显降低，已趋于平稳。

(4)季节调整

输入已平稳化的工业增加值时间序列和售电量时间序列，利用时间序列x13_ARIMA技术对时间序列进行季节调整处理，本实施例中季节调整采用python语言总statsmodels包中的x13_ariam包实现。通过季节调整获取时间序列中的趋势循环项，以此数据体现时间序列的循环周期性。至此完成数据预处理，生成所述预处理后的第一数据。

3、步骤103指数筛选

为了筛选出能够支撑计算电力经济指数相关指标的具体行业售电量数据，需要对售电量时间序列数据与工业增加值时间序列数据进行时差相关性分析，并进行行业数据筛选。

(1)计算时差相关系数

针对售电量时间序列数据与工业增加值时间序列数据进行时差相关性分析，得到所述售电时间序列的时差相关系数与领先时间，时差相关系数的计算公式如下：

其中l＝0、±1……±L，表示超前或滞后的期数，负值表示滞后，正值表示领先，L表示最大延迟数，nl是数据对齐后的数据个数。

通过时差相关性分析得到不同行业售电量与工业增加值月度同比增长率各个阶数的相关系数。相关系数的取值范围-1～+1(相关系数为0表示无相关性，系数大于0表示线性正相关，小于0表示线性负相关)。如表4所示为金属加工机械制造售电量与工业增加值时差相关性分析结果举例，其中0阶表示同期售电量与同业增加值数据计算相关系数，-1阶表示对超前1个月的售电量数据与工业增加值数据计算相关系数，+1阶表示对滞后1个月的售电量数据与工业增加值数据计算相关系数，阶数的范围是从-12到+12。

表4

(2)数据筛选

针对不同行业的时差相关性计算结果，根据预设的相关系数区间值筛选出具体哪些行业的售电量时间序列能够用于合成一致指标、先行指标和滞后指标。本例中筛选标准如表5所示：

表5

4、步骤104指数合成

将筛选后的所述先行指标、一致指标与滞后指标输入景气指数计算模型进行计算，得到所述电力经济指数；分别输入用于计算一致指标、先行指标和滞后指标的行业售电量数据，利用景气合成方法即可对应计算得到一致指数、先行指数和滞后指数。具体计算步骤如下：

(1)：计算相应指标的对称变化率增长序列的公式如下：

其中，O_i(t)和a_i(t)分别为t时刻的对称变化率和季节调整后指标。

(2)：所述对称变化率增长序列计算标准化对称增长率，计算所述标准化对称增长率的公式为：

其中，Averi为第i个指标标准化计算中间值，Stdi(t)为t时刻对应的所述标准化对称增长率，N为时间周期长度，且N为整数。

(3)：各指标标准化对称增长率进行平均，得到指标的平均变化率，计算公式如下：

其中，R(t)与Stdi(t)分别为为t时刻对应的所述平均变化率与标准化对称增长率，k为指标数量。

(4)：所述平均变化率计算所述电力经济指数，计算所述电力经济指数的公式如下：

其中，Index(t)为所述电力经济指数，RConsistent和RLead分别表示一致和先行指标的平均变化率，R(t)与Stdi(t)分别为为t时刻对应的平均变化率，t＝0时为基准时间，Index(0)＝100。

通过本发明实施例获得电力经济指数后，通过指数评价的方式评价通过本发明获得的电力经济指数可靠性进行评价，具体采用时差相关指数评价方法和趋势法指数评价方法。

(1)时差相关指数评价方法

以合成的一致指数、先行指数两个时间序列分别与工业增加值时间序列进行时差相关性分析，得到2列25行-12～12总共25阶的时差相关系数的数值，其结果如表6：

表6

对每列分别取最大值，从而得到一致、先行的最佳阶数，并对于最佳阶数是否符合一致、先行指数定义进行评价。通过相关系数的值对电力经济指数的构建方法进行合理评价。从结果看，一致指数最准确率为0.684，先行指数最终准确率为0.726，与工业增加值指数趋势符合。

(2)趋势一致指数评价方法

通过计算两条等长时间序列中每两个相同时间点之间的区间趋势相同的占比，来评价合成的一致指数、先行指数和滞后指数三个时间序列分别与工业增加值时间序列的趋势是否一致。从结果看，一致指数趋势评价法准确率为0.66(满分为1)，先行指数趋势法准确率为0.67(满分为1)，一致指数和先行指数与工业增加值走势符合标准。

综合时差相关指数评价方法和趋势一致指数评价方法，二者结果如表7所示。基于本发明实施例中的电力数据的获得的电力经济指数符合工业增加值发展趋势，可以为经济监测提供参考。

表7

通过本发明实施例能够解决如下问题：一是电力数据更新频率高，能够实时监测、提前预测全国及省(市)经济发展形势，解决传统数据滞后问题；二是电力数据客观准确，能够实事求是、客观、准确反映经济发展状况，解决数据汇总失真问题；三是区域、产业与行业三个维度配合，立体式综合监测经济发展情况，解决单一维度观测经济的片面性问题。并在如下三个场景进行了应用验证：

1)全国宏观经济形势预判。在全国层面，可通过一致合成指数对宏观经济进行实时反映，通过先行合成指数对宏观经济实现有效预测，服务政府制定宏观经济政策、行业发展规划。

2)省(市)宏观经济形势预判。在省(市)层面，对各省、市的经济景气情况进行实时反映和趋势预判，为区域经济发展部门、经营者及时掌握区域经济走势提供准确的电力数据支持。

3)产业景气分析。产业景气分析针对重点产业电力数据和经济数据进行综合分析，有效反映产业发展及用电量之间的关系，预测产业发展趋势，支撑相关部门实施产业结构优化调整。

在上述过程中以宏观经济预测监测指标体系为依托，利用季节调整方法，将原始数据分离为趋势因素、季节因素、周期因素和不规则因素，确定基准指标、基准循环和基准日期剔除季节因素后使用图像法、时间序列相关法、K-L信息量法，在众多的备选指标中挑选出与基准循环匹配较好的指标，按照指标与基准循环波动变化在时间上的先后次序分类。

实施例3

基于同一发明构思，本发明还提供了一种基于电力数据的电力经济指数构建系统，包括：获取数据模块、确定指标值模块和计算模块；

获取数据模块：用于对获取的电力数据和工业增加数据，按时间序列进行处理得到工业增加值数据与售电量时间序列；

确定指标值模块：用于确定设定的指标类型以及工业增加值数据与售电量时间序列确定季节调整后的指标值；

计算模块：用于确定指标值得到电力经济指数。

确定指标值模块包括时差相关性子模块、确定指标类型子模块和确定指标值子模块；

时差相关性子模块：用于确定季节调节后的工业增加值数据与售电量时间序列进行时差相关性分析，得到售电时间序列的时差相关系数与领先时间；

确定指标类型子模块：用于领先时间确定售电量时间序列数据所属的指标类型；

确定指标值模块：用于确定售电时间序列的时差相关系数和预设的相关系数区间对各类型的售电量时间序列数据进行筛选，得到季节调整后的指标值。

计算模块包括对称变化率子模块、标准化对称增长率子模块、平均变化率子模块和计算电力经济指数子模块；

对称变化率子模块：基于季节调整后的先行指标值、一致指标值和滞后指标值，采用对称变化率增长序列公式计算对称变化率；

标准化对称增长率子模块：基于对称变化率，采用标准化对称增长率公式计算标准化对称增长率；

平均变化率子模块：基于对称增长率，采用平均计算公式计算平均变化率；

计算电力经济指数子模块：基于平均变化率，采用电力经济指数公式计算电力经济指数。

其中，电力经济指数公式如下式所示：

其中，Index(t)为所述电力经济指数，RConsistent和RLead分别表示一致和先行指标的平均变化率，R(t)与Stdi(t)分别为为t时刻对应的平均变化率，t＝0时为基准时间，Index(0)＝100。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

以上仅为本发明的实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均包含在申请待批的本发明的权利要求范围之内。