论文总字数：30528字

摘 要

随着经济的发展，社会对能源的需求越来越大，搞清楚不同行业的用能习惯与用能规律对提高能源使用效率具有重要的意义；大数据分析方法能发掘存在于数据中的潜在关系和规则，对事物的发展方向及趋势进行预测，以做出更加科学的决策。本课题的主要任务旨在对2016年南京市七个行业十一家企业的用能数据进行数据处理与分析，比较不同行业的用能习惯与用能规律，并基于此提出提高用能效率的方案。

首先对得到的有功及无功功率进行筛选及预处理，获得有功功率所做功的数据；其次进行数据的可视化处理——画图、列表；之后对直观、明晰的数据与图例做出相应的统计分析、趋势分析，与营业额、及与天气情况的关联性分析，不同行业间的、及同行业不同企业间的差异性分析；最后利用时间序列的ARIMA模型做出负荷预测分析。

实验结果表明，预测的结果在可接受的误差范围内较好地拟合了原数据，为决策者提供了良好的先决条件，为提出高效的能源优化方案奠定了基础。

关键词：数据分析；负荷预测；时间序列

Abstract

With the development of economy, the demand for energy is becoming more and more important, and it is of great significance to understand the habits and energy rules of different industries to improve energy efficiency. The big data analysis method can explore the potential relationships and rules in the data, predict the development direction and trend of things, and make more scientific decisions. The main task of this subject is designed to ten to 2016 Nanjing seven industry enterprise can use the data for data processing and analysis, comparison of different industries can use habits and rules, and based on the proposed scheme can improve the use efficiency.

Firstly, the obtained active power and reactive power are screened and pretreated to obtain the data of the work done by the active power. Secondly, the visual processing of data -- drawing and listing; After the intuitive and clear data and illustrations make corresponding statistical analysis, trend analysis, and turnover, and the correlation analysis of weather conditions, between different industries, and analysis of the differences between the different enterprises in the same industry; Finally, the ARIMA model of time series is used to make load forecasting analysis.

The experimental results show that the predicted results in an acceptable error range better fitting of the original data, provides decision makers with good prerequisites, which laid a foundation for efficient energy optimization proposals.

KEY WORDS： data analysis；load forecasting；time series

目 录

摘要 1

Abstract ii

第一章 绪论 1

1.1 引言 1

1.2 数据分析的多重模型 1

1.3 当前常用数据分析工具的现状 2

第二章 数据的总体分析 3

2.1 数据的预处理 3

2.1.1 有功功率的筛选 4

2.1.2 计算用电量 4

2.2 数据的可视化 5

2.2.1 以天为横坐标的电量数据图 5

2.2.2 以月为横坐标的用电量数据图 9

2.3 统计分析 13

2.4 趋势分析 15

第三章 差异性分析 21

3.1 不同行业间的差异分析 21

3.2 同行业不同企业间差异分析 24

3.2.1 电子行业 24

3.2.2 通用设备制造业 29

第四章 关联性分析 34

4.1 与企业营业额间的关联分析 34

4.2 与天气的关联分析 38

第五章 预测分析 42

5.1 概念介绍 42

5.2 ARMA和ARIMA模型 42

第六章 结论与展望 55

参考文献 57

绪论

引言

伴随着社会的发展，能源的需求越来越大，搞清楚不同行业的用能习惯与用能规律对提高能源使用效率具有重要的意义；同时，也对企业的安全、高效运营起着重要作用。大数据分析方法能发掘存在于数据中的潜在关系和规则，对事物的发展方向及趋势进行预测，以做出更加科学的决策。本课题的主要任务是对收集到的七种不同行业的用能数据进行分析，比较不同行业的用能习惯与用能规律，并基于此提出提高用能效率的方案；不仅节能环保，也对企业的营业收益大有裨益。

数据分析的多重模型

数据分析的结构具有类似金字塔式的模型，见下图1-1：

图1-1 数据分析的金字塔模型

剩余内容已隐藏，请支付后下载全文，论文总字数：30528字