# ElectricPower

**Repository Path**: belofty/ElectricPower

## Basic Information

- **Project Name**: ElectricPower
- **Description**: 中国软件杯 A5电力客户分析
- **Primary Language**: Unknown
- **License**: Apache-2.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 1
- **Created**: 2022-07-01
- **Last Updated**: 2023-05-11

## Categories & Tags

**Categories**: Uncategorized

**Tags**: Python

## README

# 编号：46014357

## 介绍

> gitee仓库地址：https://gitee.com/belofty/ElectricPower
> 
> 任务四数据集：https://archive.ics.uci.edu/ml/datasets/individual+household+electric+power+consumption
> 
> 任务五数据集：https://catalog.data.gov/dataset/monroe-county-single-family-residential-building-assets-and-energy-consumption-2017-2019

ARIMA.py 时间预测模型

ARIMA_graphic.py 时间预测模型图解，对客户数据进行平稳性检验

CNN-LSTM.py LSTM模型

task1.py 输入客户缴费金额、缴费时间数据，输出“居民客户的用电缴费习惯分析1.csv”

task2.py 输入客户缴费金额、缴费时间数据、居民客户的用电缴费习惯分析1.csv，输出“居民客户的用电缴费习惯分析2.csv”

task3.py 输入时间预测模型的预测值(predict_task3.xlsx)，输出“居民客户的用电缴费习惯分析3.csv”

task4.py 输入数据集household_power_consumption.csv、household_power_consumption.txt、household_power_consumption_days.csv
根据CNN-LSTM模型对客户的用电量进行预测
输出客户周一到周日的用电量

task5.py 输入数据集Monroe_County_Single_Family_Residential__Building_Assets_and_Energy_Consumption__2017-2019.csv
输出”data_power_consumption.csv“
后通过K-means算法根据不同标准对用户进行集群划分

data文件夹 存放初始数据集和输出的数据集

jupyter_notebook文件夹 任务四任务五的模型文件

## 安装教程

1. 下载pycharm并配置好python3.7以上版本
2. 使用pip install安装好所需要的库

## 使用说明

1. 运行task1.py，生成居民客户的用电缴费习惯分析1.csv
2. 运行task2.py，生成居民客户的用电缴费习惯分析2.csv
3. 运行ARIMA.py，生成predict_task3.xlsx
4. 运行task3.py，生成居民客户的用电缴费习惯分析3.csv
5. 直接查看jupyter_notebook/企业电力营销模型.ipynb(或执行task4.py)
6. 直接查看jupyter_notebook/电力用户集群分析模型.ipynb(或执行task5.py)