中长期负荷预测的异常数据辨识与缺失数据处理

被引：44

作者：

毛李帆 ^{[1
]}

姚建刚 ^{[1
]}

金永顺 ^{[2
]}

李文杰 ^{[2
]}

关石磊 ^{[2
]}

陈芳 ^{[2
]}

机构：

[1] 湖南大学电气与信息工程学院

[2] 湖南湖大华龙电气与信息技术有限公司

来源：

电网技术 | 2010年 / 34卷 / 07期

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;

D O I：

10.13335/j.1000-3673.pst.2010.07.033

中图分类号：

TM715 [电力系统规划];

学科分类号：

080802 ;

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。

引用

页码：148 / 153

页数：6

共 15 条

[1] 基于偏最小二乘回归和最小二乘支持向量机的大坝渗流监控模型 [J].