業擴數據統計的智能化應用研究

摘 要： 根據市場需求，電力行業對業擴報裝分析提出了更高的要求。首先，電力企業必須實現業擴報裝工作的加速，才能達成企業售電增收的目的，其次，通過分析申請新裝增容業務的客戶需求，更加準確地掌握企業售電量負荷。目前，電力業擴報裝工作在運營中暴露出缺乏信息化評價方法、分析預測不科學等問題，針對于此，必須引用智能化技術進行精細設計，從而改善基于電力業擴報裝數據的分析與預測。由此，以MVC+J2EE的方式，嘗試對業擴數據統計智能化應用進行設計，并從整體架構、功能模塊和預測模型等進行了詳細設計。最后通過測試表明，該系統可實現對采集到的業擴數據的分析。

關鍵詞： MVC架構; 業擴報裝; 智能化; 預測模型

中圖分類號： TP311 文獻標志碼： A

Research on Intelligent Application of Industrial Expansion Data Statistics

GUAN Haohua

（Guangdong Power Grid Co. Ltd.， Foshan Power Supply Bureau， Foshan， GuanDong 528000， China）

Abstract： According to the market demand， the power industry has put forward higher requirements for the analysis of industry expansion. On the one hand， it is required to speed up the expansion of the industry and speed up the transformation to the enterprise's electricity sales revenue. On the other hand， it is required to analyze the impact on the enterprise's electricity sales load from the application of new installed capacity customers. The existing power industry expansion analysis and prediction system have some problems， such as unscientific analysis and lack of systematic evaluation methods. In order to strengthen the scientific management of analysis and prediction of power expansion， it is necessary to develop scientific data analysis and prediction of power expansion. Therefore， using MVC+J2EE， this paper designs the intelligent application of industrial expansion data statistics， and from the overall architecturefunctional modules and predictive models are designed in detail. Finally， the test shows that the system can realize the analysis of the collected data.

Key words： MVC architecture; business expansion; intelligence; prediction model

0 引言

“業擴報裝”指的是從客戶申請用電到實際用電的整個業務流程，對業擴報裝數據進行科學分析，能夠精準掌握客戶用電的需求，并且制定經濟、合理的供電方案，從而保持供電網絡處于安全狀態。隨著客戶用電需求的增加，電力企業更加看重業擴報裝分析工作，一方面希望提高業擴報裝工作的效率，為售電增收提供導引信息，另一方面希望通過分析客戶申請量的變化，從而制定出近、遠期的供電計劃，在不影響供電網絡安全的前提下，最大程度地擴大盈收。目前，電力行業業擴報裝分析存在明顯弊病，比如：分析工作量大，不能實現按地區分類分析，分析結果無法反映企業的負荷增長點，亦無法滿足供電服務決策的信息需求;缺乏系統的評價方法，分析過程較為片面，比如，單純關注于容量變化，并未與負荷、電量進行橫向比較;分析工具較為落后，嚴重依賴于手工統計方式，限制了分析預測的效力。針對于此，本文設計智能化數據分析系統，據此自動獲取數據并進行統計分析，通過應用智能化技術，能夠降低對于手工統計的依賴，并且大幅縮減分析工作量，整體上改善了業擴報裝數據的分析效果，實現了分析預測的科學管理[1]。

1 系統需求分析

系統需求作為系統設計的第一步，也是關鍵一步。做好系統設計，對提高系統的實用性具有非常重要的作用。業務擴充報表數據統計分析工作中，工作人員需將源數據一一從營銷系統中逐個導出，再對源數據進行整理統計分析，通過從手工整理統一導入的Excel報表中，手工設置計算公式，最終生成當月的統計分析報表[2-3]。因所需統計分析報表的數據量比較龐大，還需要跟歷史數據進行同比、環比分析，工作非常繁瑣復雜，難免會出現紕漏。因此，本項目研究目的，主要是建立數據倉庫，然后對營銷系統中的業擴報裝數據進行自動獲取，并根據獲取的數據，對業擴報裝數據進行預測、分析。

2 系統整體設計

2.1 系統功能模塊設計

圍繞系統需求，本文設計的系統功能模塊，包括：系統管理、數據分析、預測模塊、數據倉庫。

2.1.1 系統管理

系統管理模塊對于系統功能實現和運行穩定性起到關鍵影響，它是由系統用戶管理、組織結構管理、系統權限管理等多個子模塊構成的。簡要來說，系統用戶管理：實現用戶基礎信息管理和用戶操作日志管理，可根據操作類型對用戶操作日志進行檢索;組織結構管理：根據現實的組織層級關系，實現對于部門、崗位、人員的組織管理;系統權限管理：在基于角色的權限管理模式中，明確定義了多種角色[4-5]，不同角色對應不同的操作權限，通過角色管理而實現權限管理。

2.1.2 預測模塊

預測模塊分為電量負荷預測、接電時間預測、發展趨勢預測等多個子模塊，簡介如下：

電量負荷預測：通過對用戶申請容量、用戶業務辦理情況等進行分析，從而對用戶電力負荷、電量、電費的增長趨勢進行預測，以便制定出經濟合理的供電方案。

接電時間預測：通過數據統計確定工單平均接電時間，據此對單位時間內用戶電力負荷、電費、電量的增長情況進行預測，并通過分析實際接電時間與理論接電時間的差值，來對業擴報裝工作流程進行優化。

發展趨勢預測：通過分析用戶用電的凈增容量數據，從而對全省典型行業的電力負荷變化情況進行預測，以便管理層及時做出預見性的工作部署。

2.1.3 數據分析

數據分析模塊分為用電類別分析模塊、業務分析模塊、典型行業分析模塊等多個子模塊，簡介如下：

用電類別分析模塊：分析全省各種用電類別的新增情況，分析各類業務逐月變化情況，環比或同比分析申請、凈增、接電及銷戶情況。

業務分析模塊：對比分析各地市業務變化情況，分析各類業務逐月變化情況，環比或同比分析申請、接電、新增、凈增及銷戶情況。

典型行業分析模塊：列出全省典型行業申請、接電明細，分析全省典型行業新增、減容業務的變化趨勢。

2.1.4 數據倉庫

本文設計的業擴報裝分析預測系統融合了管理學、統計學、分析預測學等多學科知識，涉及多個關鍵技術[6-7]，敘述如下。

（1） 數據倉庫：作為業擴報裝分析預測系統的數據中心，存儲了電力企業各個方面的歷史數據，并且采用特殊的數據組織及使用方式，能夠為系統運行提供有力的數據支撐。

（2） 數據抽取：選用適當的方式從數據源中抽取出有價信息，對于業擴報裝分析預測系統的分析與預測具有重要影響，甚至決定了本文開發項目的成敗。

（3） 多維分析：業擴報裝分析預測系統引用多維分析技術，能夠從多個角度對業擴報裝數據進行分析。

（4） 數據挖掘：通過聚類分析、線性回歸分析、結構分析、排序分析等方法，從海量數據源中挖掘出潛在的有價信息。

2.2 系統整體架構設計

本文選用基于MVC的B/S結構作為業擴報裝分析預測系統的整體架構，利用Spring MVC搭建JavaWeb框架，利用JSP技術進行前端設計，選用SQL Server 2014開發數據庫系統。

本文系統的技術架構，展示如下圖1所示。

結合上圖1，用戶通過瀏覽器發送請求，DispatcherServlet前端控制器接收用戶指令并向處理器請求委托，處理器隨后調用業務對象Modle，業務對象Modle對模型數據進行組裝然后反饋給處理器，處理器將模型數據的處理結果返回Modle And View，并向試圖View發出視圖渲染的請求，View將模型數據渲染成可被前端識別的視圖并返回DispatcherServlet，最后，DispatcherServlet把接收到的視圖呈現在瀏覽器上，從而完成整個響應流程[8-9]。

2.3 系統運行環境設計

數據庫服務器：

奔騰Pro

內存128MB以上

硬盤9GB

100M網卡

應用服務器：

奔騰Pro

內存64MB以上

硬盤4GB

100M網卡

網絡配置：

100M/10M

操作系統：

Windows NT 4.0以上

數據庫管理系統：

SQL Server 2014

3 系統詳細設計

3.1 數據預測與分析模塊

本應用操作對象為業擴數據統計整理工作人員，通過數據統計整理，導出相關統計報表。因此，其數據預測與分析模塊流程如圖2所示。

3.2 登錄模塊流程

登錄邏輯流程如圖3所示。

3.3 查詢模塊設計

查詢模塊邏輯流程如圖4所示。

3.4 后臺管理模塊流程

后臺管理流程如圖5所示。

4 預測模型構建

本文中最為重要的是數據分析和數據預測。本文則以數據預測模型的構建作為示例，考慮到業擴報裝客戶必然受到季節變動的影響，因此提出基于季節調整的業擴報裝客戶群預測模型。分別將全行業業擴報裝容量和全行業售電量兩個指標的時間序列進行季節調整，迭代之后分別得到報裝容量和售電量的趨勢循環項[10-12]。結合相關性分析結果，本文把全行業報裝容量TC項界定為反映系統行為的比較數列，把全行業售電量TC項界定為表現系統行為特征的參考數列，然后分析確定兩曲線關聯度最高時相差的月份。最后進行線性回歸，求解出售電量TC項的預測值，然后對季節變動和隨機因子進行加和，即可獲得全行業售電量預測時間序列[13]。通過對比分析原售電量時間序列與售電量預測時間序列，能夠對未來數月的售電量進行預測。

5 系統驗證

為了檢驗本文系統是否滿足應用需求，有必要進行系統測試。本文在南方電網公司對業擴報裝分析預測系統進行測試，通過解決測試中出現的各類問題，從而達到改善系統功能、性能的目的。

5.1 測試目的及計劃

（1） 測試目的。其一，通過測試發現系統潛在的安全隱患;其二，通過測試檢測隱含的邏輯或編碼錯誤;其三，通過測試定位系統當前的性能瓶頸;其四，通過測試找出數據計算錯誤。

（2） 測試計劃。本文采用白盒測試方法進行單元測試，主要關注于系統的控制結構是否合理，并采用黑盒測試方法進行集成測試，即通過用戶界面來檢測系統能否正常實現各項功能。

（3） 測試環境與配置。普通的PC機即可滿足本文系統的測試需求，無需進行額外配置。

5.2 測試結果

本文選定多個指標對系統性能進行評價，測試結果如表1所示。

同時，得到預測模型的預測結果與實際結果的對比如圖6所示。

6 總結

本文選用B/S結構作為電力業擴報裝分析預測系統的整體框架，引用J2EE技術實現線上運行，能夠兼容于電力企業現有的輔助分析系統、營銷管理信息系統。本文系統包含系統管理、數據分析、預測模塊、數據倉庫等功能模塊，通過自動采集和分析電力企業業擴報裝基礎數據，能夠對電力企業近期、遠期的電量變化、負荷變化、電費變化等進行預測，從而滿足供電服務決策的信息需求，并為售電營銷工作提供指導。隨著本文系統的部署應用，能夠減少對于手動統計的依賴，實現從“人工分析”向“軟件系統”的過渡;能夠大幅縮減分析工作量，從“重復勞動”轉變為“高效工作”;能夠提供科學的分析工具，逐步減少“表面判斷”、“定性分析”的次數，開始推行“量化分析”、“深層次決策”;能夠迎合電力行業的發展趨勢，從“計劃為主”走向“營銷理念先行”。

參考文獻

[1] 汪鴻，薛曉強，韓俊杰，等. 基于修正業擴容量曲線的月度電量預測方法[J]. 電力系統及其自動化學報，2016，28（10）：80-84.

[2] 董朝武，白江紅，汪鴻，等. 基于容量利用特征的行業售電量預測方法研究[J]. 電力系統保護與控制，2018，46（1）：103-109.

[3] 鄭勇，孫明，曹照靜，董等. 一種基于數據挖掘的饋線可裝容量模型分析方法[J]. 現代電力，2018，35（2）：64-70.

[4] 彭艷周，詹檳赫，魏亮，等. 高石粉含量灰巖人工砂混凝土的收縮及其預測模型[J]. 三峽大學學報（自然科學版），2018，40（2）：50-54.

[5] 王威，王波，何宇，等. 基于負荷分解和灰色理論的電網最大負荷預測[J]. 浙江電力，2018，37（8）：48-53.

[6] 龍厚印，劉衛東，黃錦華，等. 基于業擴報裝的月度負荷預測[J]. 浙江電力，2016，35（12）：11-14.

[7] 查理思，吳克寧，馮力威，等. 單個遺址區古土地利用范圍預測模型的構建——以河南仰韶村遺址為例[J]. 土壤通報，2016，47（5）：1065-1070.

[8] 王豐效. 基于關聯面積的變權組合預測方法及其應用[J]. 數學的實踐與認識，2017，47（1）：90-94.

[9] 江夢洋，程浩忠，吳臻，等. 考慮業擴報裝的相關向量機月度負荷預測方法[J]. 電力系統及其自動化學報，2017，29（7）：1-6.

[10] 賈花萍. 灰色Elman神經網絡的礦井瓦斯涌出量預測[J]. 計算機技術與發展，2014，24（6）：236-238.

[11] 楊廷志，文小飛，萬俊，等. 改進神經網絡的短期負荷預測模型及仿真[J]. 計算機仿真，2014，31（10）：145-150.

[12] 劉業政，杜亞楠，姜元春，等. 基于熱度曲線分類建模的微博熱門話題預測[J]. 模式識別與人工智能，2015，28（1）：27-34.

[13] 鄭海雁，熊政，季聰. 基于業擴報裝大數據的電量預測方法[J]. 電力信息與通信技術，2015，13（8）：136-139.

（收稿日期： 2020.01.11）

作者簡介：關浩華（1971-），男， 本科，高級工程師、高級技師，研究方向：供用電技術及自動化。