PJM_Power DataAnalysis

电力数据预测分析

数据来源：

pip install xgboost matplotlib pandas numpy seaborn

如果前期吻合度较高，有足够理由相信接下来几天的预测较为准确
投资方可以看中在电力需求量低的时候价格也较低买入相应的电力股票，相反，则卖出
电力公司在预测到需求量降低的时候可以提前做好适当的营销活动以吸引顾客，营销活动切忌不可一直办下去，要分时间段，而需求量的预测结果就是一个很好的判断指标，在需求量较低的时候加大营销投入，吸引用户，相反，则应该停止饥饿营销，因为这是人的天性，人生来喜欢赚小便宜，一旦你的营销活动不再举办的时候，客户感觉不到占了便宜，大概率会纷纷跑路，很难截流，所以及时停止营销也是很好的方法，让客户知道这次活动是真的有期限，过期不候，下一次才会吸引更多客户
大的电力公司也可以瞅准时机，预测到电力需求量降低的时候，可以提前准备好收购同行业其他小企业，从而垄断市场

Name		Name	Last commit message	Last commit date
Latest commit History 5 Commits
hourly-energy-consumption		hourly-energy-consumption
.gitattributes		.gitattributes
2014PJM数据.xls		2014PJM数据.xls
2015PJM数据.xls		2015PJM数据.xls
2016PJM数据.xls		2016PJM数据.xls
Main-PJME.ipynb		Main-PJME.ipynb
Main.py		Main.py
Main_PJM.ipynb		Main_PJM.ipynb
Main_data.ipynb		Main_data.ipynb
PJM.pdf		PJM.pdf
PMJE.pdf		PMJE.pdf
README.md		README.md
data.pdf		data.pdf
data_0.xlsx		data_0.xlsx
model.py		model.py
operation_guide.yml		operation_guide.yml
pjm_data.csv		pjm_data.csv
pjme_data.csv		pjme_data.csv
train.py		train.py
utils.py		utils.py