# Predict-Electricity

**Repository Path**: sunkexin/predict-electricity

## Basic Information

- **Project Name**: Predict-Electricity
- **Description**: 这是一个电力负荷预测系统
- **Primary Language**: Python
- **License**: MulanPSL-2.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 1
- **Created**: 2026-09-09
- **Last Updated**: 2026-09-09

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# Vue + Django 全栈可视化系统：基于 ARIMA 的电力负荷预测算法集成与应用

[![Build Status](https://img.shields.io/badge/build-passing-brightgreen)](可选，构建状态)
[![PyPI version](https://badge.fury.io/py/your-package-name.svg)](可选，PyPI版本)
[![License](https://img.shields.io/badge/license-MIT-blue)](许可证)

该项目基于 Vue+Django 全栈架构，集成 ARIMA 时间序列预测算法搭建电力负荷预测系统，实现历史负荷数据管理、预测模型配置训练、预测结果可视化，旨在满足电力行业的电力负荷预测分析需求。

## 项目简介

1. 本项目基于 Vue+ Django 全栈架构搭建，核心集成 ARIMA 时间序列预测算法，搭配 MySQL 数据库实现数据持久化存储。
2. 前端采用 Vue 2 + Webpack 开发，可实现灵活的页面交互，并通过 ECharts 完成预测结果可视化展示。
3. 后端以 Django 为核心，可完成 Excel/CSV 格式历史负荷数据的清洗与预处理，并使用 ARIMA 算法，精准实现中长期电力负荷预测。
4. 系统具备完整的电力负荷数据管理能力，涵盖预测任务提交、预测结果查询、历史预测记录管理等核心功能，通过 Django 实现 MySQL 数据库的高效操作，确保历史负荷数据、用户信息、预测结果等数据的规范化管理。


## 难度等级介绍

### 五星难度：综合使用多种前后端框架实现基于BS结构的应用程序。
- BS 结构的完整落地：项目完全基于BS架构开发，前端 Vue 构建的交互界面（登录、数据管理、预测配置等核心界面）运行于浏览器，后端 Django 搭建的服务部署于服务器，包括 “数据导入 - 预处理 - 算法预测 - 结果可视化 - 记录管理” 各部分，是可落地的应用程序。
- 前端多框架深度综合使用：核心使用 Vue 2/3（组件化开发、路由管理），同时集成 Element Plus（UI 组件封装）、Axios（请求拦截 / 跨域处理）、ECharts（预测曲线动态渲染）、Webpack/Vite（工程化构建），涉及组件通信、图表性能优化、环境配置定制等中高阶应用，而非单一框架的基础调用。
- 后端多框架/库集成与业务融合：以 Django 为核心，整合 Django REST Framework、JWT（身份认证）、pandas/numpy（数据清洗）、statsmodels（ARIMA 算法工程化），实现 ORM 复杂数据操作、序列化校验、算法参数动态配置等，完成框架与算法的深度融合。
- 前后端框架协同的复杂度：解决跨框架集成的核心问题（如 Django 跨域配置与 Axios 请求适配、JWT Token 前后端协同管理、ECharts 与后端数据格式适配），体现 “多种框架综合使用” 的核心要求。

## 安装

### 1. 前置环境

请确保本地已安装以下基础环境：

- 安装 Python 3.8+：用于运行 Django 后端服务及 ARIMA 算法计算。

- 安装 Node.js 14+：用于运行 Vue 前端服务，附带 npm/yarn 包管理工具。

- 安装 MySQL 5.7+ 或 MySQL 8.0：用于搭建数据库服务，创建项目专属数据库。

### 2. 后端环境准备（Django + MySQL + ARIMA）

#### 步骤 1：创建并激活 Python 虚拟环境并安装依赖


```Bash

# 1. 创建虚拟环境
python -m venv django_env

# 2. 激活虚拟环境
# Windows 系统
django_env\Scripts\activate

# 3. 安装核心依赖（包含项目所需的全部核心包）
pip install django djangorestframework djangorestframework-simplejwt pymysql requests pandas numpy statsmodels openpyxl python-dotenv
```

#### 步骤 2：MySQL 数据库配置

1. 登录 MySQL 终端，创建项目数据库：

`SQL    CREATE DATABASE power_prediction_db CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci;     `

1. 修改 Django 项目的配置文件，配置 MySQL 连接信息：

```Python

# Django 项目 [settings.py](settings.py) 中的数据库配置

DATABASES = {

'default': {

'ENGINE': 'django.db.backends.mysql',  # 指定 MySQL 引擎

'NAME': 'power_prediction_db',  # 刚才创建的数据库名

'USER': 'root',  # MySQL 用户名

'PASSWORD': 'your_mysql_password',  # MySQL 密码

'HOST': '[127.0.0.1](127.0.0.1)',  # 数据库地址（本地默认 [127.0.0.1](127.0.0.1)）

'PORT': '3306',  # MySQL 端口（默认 3306）

'OPTIONS': {

'charset': 'utf8mb4'

}

}

}

```

### 3. 前端环境准备（Vue）

#### 步骤 1：创建 Vue 项目（二选一）

- 方式 1：Vue 3 + Vite

    ```Bash
    
    npm create vite@latest power-prediction-frontend -- --template vue
    cd power-prediction-frontend
    npm install
    ```

- 方式 2：Vue 2 + Webpack

    ```Bash
    
    vue create power-prediction-frontend
    cd power-prediction-frontend
    npm install
    ```

#### 步骤 2：安装前端核心依赖

```Bash

# 安装 Axios（前后端交互）、ECharts（数据可视化）、Element Plus（UI组件）
npm install axios echarts element-plus
```

## 使用方法

### 1. 后端服务启动

按照以下步骤有序启动，避免数据库迁移或服务启动失败：

#### 步骤 1：数据迁移（创建 MySQL 数据表）

```Bash

python manage.py makemigrations 
python manage.py migrate
```

#### 步骤 2：创建超级管理员（可选，用于后台管理）

```Bash

python manage.py createsuperuser
```

#### 步骤 3：启动 Django 开发服务器

```Bash

python manage.py runserver
```

#### 验证后端服务是否正常

启动成功后，访问 ` http://127.0.0.1:8000/admin `，输入超级管理员账号密码，能看到 `PowerData` 和 `PredictionResult` 模型的管理界面即表示后端服务与 MySQL 连接正常。

### 2. 前端服务启动

#### 步骤 1：进入 Vue 项目根目录

```Bash

cd Predict_Electricity
```

#### 步骤 2：启动 Vue 开发服务器

```Bash
npm run serve
```

#### 验证前端服务是否正常

启动成功后，打开浏览器访问终端提示的地址（如 ` http://localhost:8080/ `），能看到预测配置页面即表示前端服务启动正常。


### 3. 核心功能使用示例
- 示例 1：ARIMA 预测接口调用
``` Python
import requests
import json

# JWT Token（需先登录获取）
token = "your_jwt_token"
# 预测接口地址
url = "http://127.0.0.1:8000/api/predict/"
# 请求头
headers = {
    "Authorization": f"Bearer {token}",
    "Content-Type": "application/json"
}
# 请求参数（ARIMA p/d/q参数 + 预测天数 + 数据ID）
data = {
    "p": 1,
    "d": 1,
    "q": 1,
    "predict_days": 7,
    "data_id": 1
}
# 发送POST请求
response = requests.post(url, headers=headers, data=json.dumps(data))
# 打印预测结果
print(response.json())

```

- 示例 2：项目截图


1. **登录/注册界面**：用户身份验证


![img_1.png](img_1.png)


2. **数据管理界面**：导入/查看/编辑历史负荷数据


![img_2.png](img_2.png)


3. **预测结果界面**：通过 ECharts 可视化展示预测曲线，支持实际值和预测值对比


![img_3.png](img_3.png)
![img_4.png](img_4.png)


4. **后端管理界面**：管理用户、负荷数据、预测结果


![img_5.png](img_5.png)
![img_6.png](img_6.png)
![img_7.png](img_7.png)

- 示例 3：项目视频
- [点击查看完整演示视频](project_video.mp4)

## 贡献说明

本项目欢迎所有开发者参与贡献，共同完善电力负荷预测系统的功能和性能，贡献方式如下：
- 代码贡献：Fork 本项目仓库创建分支，完成开发后提交 Pull Request，经审核通过后合并至主分支。
- 功能建议：通过 Issues 提交，详细描述需求场景、预期效果。
- BUG 反馈：通过项目 Issues 提交 BUG 信息，需附带环境配置、复现步骤、报错截图/日志，便于快速定位和修复。
- 文档完善：补充项目开发文档、部署文档、算法说明文档，修正现有文档中的错别字、疏漏或错误步骤，提升项目的可维护性和易用性。
- 贡献规范：提交代码需附带必要的注释和测试用例，确保代码的可读性和稳定性。

## 许可证

本项目采用 **MIT 许可证** 进行开源授权，完整授权条款请查看项目根目录下的 `LICENSE` 文件：
- 允许自由使用：任何人可免费下载、修改、复制本项目代码，用于个人学习、非商业项目或商业项目开发。
- 保留版权声明：在使用、修改或分发本项目代码时，需保留原项目的版权声明和许可证信息，不得移除或篡改。
- 免责声明：作者不对项目的功能性、稳定性做任何明示或暗示的担保，不承担因使用本项目而产生的任何直接或间接损失责任。

## 项目状态
稳定版（Stable）
- 核心功能（数据导入、ARIMA 预测、可视化、历史记录）已全部实现并通过测试；
- 持续优化方向：ARIMA 算法精度、大规模数据处理效率、前端交互体验。

## 更新日志
v1.0.0（当前版本）
- 完成 Vue + Django 前后端基础架构搭建；
- 实现电力历史数据（Excel/CSV）导入导出；
- 实现预测结果 ECharts 可视化。

## 致谢
- 感谢 statsmodels 开源库提供 ARIMA 算法实现；
- 感谢 Django、Vue 开源社区提供的框架能力支撑；
- 感谢 Pandas、ECharts 等开源工具简化数据处理与可视化开发；
- 感谢所有为本项目提出建议和贡献代码的开发者。

## 联系方式

若在项目使用、开发或贡献过程中有任何疑问，可通过以下方式取得联系：
- 项目维护者邮箱：3023234205@tju.edu.cn
- 代码仓库地址：https://gitee.com/hykk1/predict-electricity.git
- 问题反馈优先渠道：项目仓库 Issues