[发明专利]一种自我补全修正的基站能耗模型预测方法

说明书

本发明公开了一种自我补全修正的基站能耗模型预测方法，首先对每个缴费记录的样本数达到预设数的基站使用日均温度和日均耗电量进行线性回归建模，去掉离预测值偏差过大的样本，对剩下的缴费记录的有效样本数不足的基站进行样本补全，使用基于半径的球树算法来对处理好的特征向量集进行球树建模，利用可变半径距离的最近邻算法进行聚类分析。将该基站和其最邻近基站的缴费记录一同作为样本进行线性回归生成温度能耗模型，最后使用修正后的模型进行预测；本发明为当前基站的电费实行自动化预测，克服人工稽核的缺陷，同时提高了审核效率和科学准确性，也节省了人工成本。

技术领域

本发明涉及通信行业的能耗费用管控的技术领域，涉及一种计算机的数据挖掘领域，针对通信基站耗电量预测的技术解决方案，由一系列数据处理方法和模型算法构成，尤其涉及一种自我补全修正的基站能耗模型预测方法。

背景技术

目前对于基站耗电量预测技术的关于通信运营商基站耗电量预测的现状：

通信运营商的财务人员做成本预算指标时，需要对预算年度的每个月的所辖区域所有基站的电费预算指标，由于财务人员往往没有对基站耗电影响因素及其原理有科学试验性的认识，难以构建合理的耗电预测模型，经常是根据以往的均值预估，存在没有考虑不同月份的特殊情况，导致成本管控合理的目标难以科学有效执行。

目前对基站电费预测的做法缺点：

(1)使用过去近三个月的均值预测：由于影响基站耗电量的因素众多且复杂，其中最主要耗电设备是通信主设备和空调，而影响着空调的耗电量的主要因素是温度，会随着温度而变化；通信主设备耗电量相对每个月比较恒定；若在年底只用近三个月的电费均值做来年的一年的各月的电费预算依据，在四季温度差异大的地区，各月因空调耗电的不同。而该做法是以冬天的低温来预测的，没有加入空调的耗电，会导致预测结果过低的偏差。

(2)使用去年同期电费加变动系数预测：该类做法在影响基站的耗电设备和两年的气温等变动不大的情况可行，但若变化差异较大，或去年的电费本身就存在问题的情况下，就难以纠正预测了；

(3)人工对电费预测计算存在人脑天生的主观性和计算难的误差；

(4)一般成本预算的财务在预算是难以遵守专家通过科学论证的耗电量模型和公司管理的预算流程规范；

发明内容

本发明为解决上述问题，提供一种自我补全修正的基站能耗模型预测方法，解决的问题是，通过大量数据挖掘技术和基站耗电量的科学计算算法，来为当前基站的电费算出合理范围作为当前预测的具体依据，采取计算机自动化对电费实行自动化预测，克服人工稽核的缺陷，同时提高了审核效率和科学准确性，也节省了人工成本。

为达到上述目的，本发明采用如下技术方案：

自我补全修正的基站能耗模型预测方法包括如下步骤：

1)收集基站耗电量和基站属性数据，数据包括电表读数、电费缴费单、机房租赁合同和基站设备中的一项或多项；

2)选择基站历史缴费和基站资属性数据，先进行预处理，然后计算日均温度和日均耗电量；

3)对历史缴费样本数足够达到设定数的基站生成日均耗电量的线性回归预测模型，线性回归预测模型Y＝kX+b按照基站日均温度X和日均耗电量Y建立；并对预测模型进行自我修正，去掉离预测值偏差过大的样本；