中长期负荷预测的异常数据辨识与缺失数据处理

摘要：

负荷历史数据是进行中长期负荷预测的基础.历史数据异常及缺失将严重影响负荷预测模型的精度及有效性.针对传统异常数据辨识方法和缺失数据填补方法的不足,提出了基于T2椭圆图的异常数据识别和基于最小二乘支持向量机(least square support vector machine,LSSVM)的缺失数据填补方法.采用偏最小二乘法(partial least square,PLS)提取历史数据主成份,计算各历史样本对主成份的累积贡献率(accumulative contribution rate,ACR),并绘制T2椭圆,从而识别出历史样本贡献率过大的异常数据.用最小二乘支持向量机拟合历史数据变化趋势,从而实现缺失数据的填补.算例结果表明:T2椭圆图能有效识别历史数据中的异常样本;最小二乘支持向量机具有良好的数据填补特性,具有较强的实用价值.

关键词：数据异常、数据缺失、累积贡献率、T2椭圆、最小二乘支持向量机、负荷预测

所属期刊栏目：34

分类号：TM715(输配电工程、电力网及电力系统)

在线出版日期：2010-11-23（万方平台首次上网日期，不代表论文的发表时间）

页码：148-153