业扩数据统计的智能化应用研究

摘 要： 根据市场需求，电力行业对业扩报装分析提出了更高的要求。首先，电力企业必须实现业扩报装工作的加速，才能达成企业售电增收的目的，其次，通过分析申请新装增容业务的客户需求，更加准确地掌握企业售电量负荷。目前，电力业扩报装工作在运营中暴露出缺乏信息化评价方法、分析预测不科学等问题，针对于此，必须引用智能化技术进行精细设计，从而改善基于电力业扩报装数据的分析与预测。由此，以MVC+J2EE的方式，尝试对业扩数据统计智能化应用进行设计，并从整体架构、功能模块和预测模型等进行了详细设计。最后通过测试表明，该系统可实现对采集到的业扩数据的分析。

关键词： MVC架构; 业扩报装; 智能化; 预测模型

中图分类号： TP311 文献标志码： 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

“业扩报装”指的是从客户申请用电到实际用电的整个业务流程，对业扩报装数据进行科学分析，能够精准掌握客户用电的需求，并且制定经济、合理的供电方案，从而保持供电网络处于安全状态。随着客户用电需求的增加，电力企业更加看重业扩报裝分析工作，一方面希望提高业扩报装工作的效率，为售电增收提供导引信息，另一方面希望通过分析客户申请量的变化，从而制定出近、远期的供电计划，在不影响供电网络安全的前提下，最大程度地扩大盈收。目前，电力行业业扩报装分析存在明显弊病，比如：分析工作量大，不能实现按地区分类分析，分析结果无法反映企业的负荷增长点，亦无法满足供电服务决策的信息需求;缺乏系统的评价方法，分析过程较为片面，比如，单纯关注于容量变化，并未与负荷、电量进行横向比较;分析工具较为落后，严重依赖于手工统计方式，限制了分析预测的效力。针对于此，本文设计智能化数据分析系统，据此自动获取数据并进行统计分析，通过应用智能化技术，能够降低对于手工统计的依赖，并且大幅缩减分析工作量，整体上改善了业扩报装数据的分析效果，实现了分析预测的科学管理[1]。

1 系统需求分析

系统需求作为系统设计的第一步，也是关键一步。做好系统设计，对提高系统的实用性具有非常重要的作用。业务扩充报表数据统计分析工作中，工作人员需将源数据一一从营销系统中逐个导出，再对源数据进行整理统计分析，通过从手工整理统一导入的Excel报表中，手工设置计算公式，最终生成当月的统计分析报表[2-3]。因所需统计分析报表的数据量比较庞大，还需要跟历史数据进行同比、环比分析，工作非常繁琐复杂，难免会出现纰漏。因此，本项目研究目的，主要是建立数据仓库，然后对营销系统中的业扩报装数据进行自动获取，并根据获取的数据，对业扩报装数据进行预测、分析。

2 系统整体设计

2.1 系统功能模块设计

围绕系统需求，本文设计的系统功能模块，包括：系统管理、数据分析、预测模块、数据仓库。

2.1.1 系统管理

系统管理模块对于系统功能实现和运行稳定性起到关键影响，它是由系统用户管理、组织结构管理、系统权限管理等多个子模块构成的。简要来说，系统用户管理：实现用户基础信息管理和用户操作日志管理，可根据操作类型对用户操作日志进行检索;组织结构管理：根据现实的组织层级关系，实现对于部门、岗位、人员的组织管理;系统权限管理：在基于角色的权限管理模式中，明确定义了多种角色[4-5]，不同角色对应不同的操作权限，通过角色管理而实现权限管理。

2.1.2 预测模块

预测模块分为电量负荷预测、接电时间预测、发展趋势预测等多个子模块，简介如下：

电量负荷预测：通过对用户申请容量、用户业务办理情况等进行分析，从而对用户电力负荷、电量、电费的增长趋势进行预测，以便制定出经济合理的供电方案。

接电时间预测：通过数据统计确定工单平均接电时间，据此对单位时间内用户电力负荷、电费、电量的增长情况进行预测，并通过分析实际接电时间与理论接电时间的差值，来对业扩报装工作流程进行优化。

发展趋势预测：通过分析用户用电的净增容量数据，从而对全省典型行业的电力负荷变化情况进行预测，以便管理层及时做出预见性的工作部署。

2.1.3 数据分析

数据分析模块分为用电类别分析模块、业务分析模块、典型行业分析模块等多个子模块，简介如下：

用电类别分析模块：分析全省各种用电类别的新增情况，分析各类业务逐月变化情况，环比或同比分析申请、净增、接电及销户情况。

业务分析模块：对比分析各地市业务变化情况，分析各类业务逐月变化情况，环比或同比分析申请、接电、新增、净增及销户情况。

典型行业分析模块：列出全省典型行业申请、接电明细，分析全省典型行业新增、减容业务的变化趋势。

2.1.4 数据仓库

本文设计的业扩报装分析预测系统融合了管理学、统计学、分析预测学等多学科知识，涉及多个关键技术[6-7]，叙述如下。

（1） 数据仓库：作为业扩报装分析预测系统的数据中心，存储了电力企业各个方面的历史数据，并且采用特殊的数据组织及使用方式，能够为系统运行提供有力的数据支撑。

（2） 数据抽取：选用适当的方式从数据源中抽取出有价信息，对于业扩报装分析预测系统的分析与预测具有重要影响，甚至决定了本文开发项目的成败。

（3） 多维分析：业扩报装分析预测系统引用多维分析技术，能够从多个角度对业扩报装数据进行分析。

（4） 数据挖掘：通过聚类分析、线性回归分析、结构分析、排序分析等方法，从海量数据源中挖掘出潜在的有价信息。

2.2 系统整体架构设计

本文选用基于MVC的B/S结构作为业扩报装分析预测系统的整体架构，利用Spring MVC搭建JavaWeb框架，利用JSP技术进行前端设计，选用SQL Server 2014开发数据库系统。

本文系统的技术架构，展示如下图1所示。

结合上图1，用户通过浏览器发送请求，DispatcherServlet前端控制器接收用戶指令并向处理器请求委托，处理器随后调用业务对象Modle，业务对象Modle对模型数据进行组装然后反馈给处理器，处理器将模型数据的处理结果返回Modle And View，并向试图View发出视图渲染的请求，View将模型数据渲染成可被前端识别的视图并返回DispatcherServlet，最后，DispatcherServlet把接收到的视图呈现在浏览器上，从而完成整个响应流程[8-9]。

2.3 系统运行环境设计

数据库服务器：

奔腾Pro

内存128MB以上

硬盘9GB

100M网卡

应用服务器：

奔腾Pro

内存64MB以上

硬盘4GB

100M网卡

网络配置：

100M/10M

操作系统：

Windows NT 4.0以上

数据库管理系统：

SQL Server 2014

3 系统详细设计

3.1 数据预测与分析模块

本应用操作对象为业扩数据统计整理工作人员，通过数据统计整理，导出相关统计报表。因此，其数据预测与分析模块流程如图2所示。

3.2 登录模块流程

登录逻辑流程如图3所示。

3.3 查询模块设计

查询模块逻辑流程如图4所示。

3.4 后台管理模块流程

后台管理流程如图5所示。

4 预测模型构建

本文中最为重要的是数据分析和数据预测。本文则以数据预测模型的构建作为示例，考虑到业扩报装客户必然受到季节变动的影响，因此提出基于季节调整的业扩报装客户群预测模型。分别将全行业业扩报装容量和全行业售电量两个指标的时间序列进行季节调整，迭代之后分别得到报装容量和售电量的趋势循环项[10-12]。结合相关性分析结果，本文把全行业报装容量TC项界定为反映系统行为的比较数列，把全行业售电量TC项界定为表现系统行为特征的参考数列，然后分析确定两曲线关联度最高时相差的月份。最后进行线性回归，求解出售电量TC项的预测值，然后对季节变动和随机因子进行加和，即可获得全行业售电量预测时间序列[13]。通过对比分析原售电量时间序列与售电量预测时间序列，能够对未来数月的售电量进行预测。

5 系统验证

为了检验本文系统是否满足应用需求，有必要进行系统测试。本文在南方电网公司对业扩报装分析预测系统进行测试，通过解决测试中出现的各类问题，从而达到改善系统功能、性能的目的。

5.1 测试目的及计划

（1） 测试目的。其一，通过测试发现系统潜在的安全隐患;其二，通过测试检测隐含的逻辑或编码错误;其三，通过测试定位系统当前的性能瓶颈;其四，通过测试找出数据计算错误。

（2） 测试计划。本文采用白盒测试方法进行单元测试，主要关注于系统的控制结构是否合理，并采用黑盒测试方法进行集成测试，即通过用户界面来检测系统能否正常实现各项功能。

（3） 测试环境与配置。普通的PC机即可满足本文系统的测试需求，无需进行额外配置。

5.2 测试结果

本文选定多个指标对系统性能进行评价，测试结果如表1所示。

同时，得到预测模型的预测结果与实际结果的对比如图6所示。

6 总结

本文选用B/S结构作为电力业扩报装分析预测系统的整体框架，引用J2EE技术实现线上运行，能够兼容于电力企业现有的辅助分析系统、营销管理信息系统。本文系统包含系统管理、数据分析、预测模块、数据仓库等功能模块，通过自动采集和分析电力企业业扩报装基础数据，能够对电力企业近期、远期的电量变化、负荷变化、电费变化等进行预测，从而满足供电服务决策的信息需求，并为售电营销工作提供指导。随着本文系统的部署应用，能够减少对于手动统计的依赖，实现从“人工分析”向“软件系统”的过渡;能够大幅缩减分析工作量，从“重复劳动”转变为“高效工作”;能够提供科学的分析工具，逐步减少“表面判断”、“定性分析”的次数，开始推行“量化分析”、“深层次决策”;能够迎合电力行业的发展趋势，从“计划为主”走向“营销理念先行”。

参考文献

[1] 汪鸿，薛晓强，韩俊杰，等. 基于修正业扩容量曲线的月度电量预测方法[J]. 电力系统及其自动化学报，2016，28（10）：80-84.

[2] 董朝武，白江红，汪鸿，等. 基于容量利用特征的行业售电量预测方法研究[J]. 电力系统保护与控制，2018，46（1）：103-109.

[3] 郑勇，孙明，曹照静，董等. 一种基于数据挖掘的馈线可装容量模型分析方法[J]. 现代电力，2018，35（2）：64-70.

[4] 彭艳周，詹槟赫，魏亮，等. 高石粉含量灰岩人工砂混凝土的收缩及其预测模型[J]. 三峡大学学报（自然科学版），2018，40（2）：50-54.

[5] 王威，王波，何宇，等. 基于负荷分解和灰色理论的电网最大负荷预测[J]. 浙江电力，2018，37（8）：48-53.

[6] 龙厚印，刘卫东，黄锦华，等. 基于业扩报装的月度负荷预测[J]. 浙江电力，2016，35（12）：11-14.

[7] 查理思，吴克宁，冯力威，等. 单个遗址区古土地利用范围预测模型的构建——以河南仰韶村遗址为例[J]. 土壤通报，2016，47（5）：1065-1070.

[8] 王丰效. 基于关联面积的变权组合预测方法及其应用[J]. 数学的实践与认识，2017，47（1）：90-94.

[9] 江梦洋，程浩忠，吴臻，等. 考虑业扩报装的相关向量机月度负荷预测方法[J]. 电力系统及其自动化学报，2017，29（7）：1-6.

[10] 贾花萍. 灰色Elman神经网络的矿井瓦斯涌出量预测[J]. 计算机技术与发展，2014，24（6）：236-238.

[11] 杨廷志，文小飞，万俊，等. 改进神经网络的短期负荷预测模型及仿真[J]. 计算机仿真，2014，31（10）：145-150.

[12] 刘业政，杜亚楠，姜元春，等. 基于热度曲线分类建模的微博热门话题预测[J]. 模式识别与人工智能，2015，28（1）：27-34.

[13] 郑海雁，熊政，季聪. 基于业扩报装大数据的电量预测方法[J]. 電力信息与通信技术，2015，13（8）：136-139.

（收稿日期： 2020.01.11）

作者简介：关浩华（1971-），男， 本科，高级工程师、高级技师，研究方向：供用电技术及自动化。