[发明专利]智能电网数据管理方法

权利要求书

1.一种智能电网数据管理方法，用于支持向量机的用户侧负载预测，其特征在于：

(1)从原始负载数据构成输入向量，对输入向量中各元素进行预处理；

(2)基于相似天选择准则对历史数据进行处理，形成训练样本；

(3)选择混合型核函数，用粒子群算法对支持向量机的参数进行优化；

(4)求解并完成对当天特定时刻负载的预测。

2.根据权利要求1所述的方法，其特征在于，所述从原始负载数据构成输入向量包括，获取连续多天的天气因数量化值和每天负载均值、当天的天气因数量化值、每天类型量化值、在前多天同时刻的负载值；构成当天的输入向量；

所述对输入向量中各元素进行预处理包括，对于历史统计数据进行空缺数据的补足和异常数据处理：

引入采样点的每天负载变化率Δx和负载变化率均值对第i天t时刻点的空缺数据做如下校正：

当t＝1时，

Δx(i,t)＝(x(i,t)-x(i-1,T))/x(i-1,T)

当t＞1时，

Δx(i,t)＝(x(i,t)-x(i,t-1))/x(i,t-1)

$\mathrm{\Δ}\stackrel{\‾}{x}\left(t\right)=\mathrm{\Σ}\mathrm{\Δ}x(i,t)/N,t=1,...,T$

其中x(i,t)为第i天t时刻的负载值，t为每天负载样本数，N为所选天数，Δx(i,t)和分别为第i天t时刻的每天负载变化率及其均值；

对同时刻超出范围的原始负载序列异常数据进行识别和校正：

第一步，计算各负载值的均值和标准差；设负载序列为x(d,t)，则各负载值均值E(t)及标准差σ(t)分别为：

E(t)＝∑x(d,t)/N

σ(t)＝(∑(x(d,t)-E(t))/N)^1/2

第二步，计算各负载值偏心系数和最大偏心系数；设第d天t时刻的偏心系数和t时刻最大偏心系数分别为ρ(d,t)和ρ_max(t)：

ρ(d,t)＝|x(d,t)-E(t)|/σ(t)

ρ_max(t)＝max(ρ(d,t))

第三步，识别与校正异常值，首先判断是否有ρ_max(t)大于预定义常数C，如果存在则认为该时间点t存在异常值，并进一步判断ρ(d,t)>C是否成立，若成立则将x(d,t)确定为异常值，用其前后一天同时刻的负载均值替换异常值x(d,t)，则x(d,t)为

x(d,t)＝(x(d-1,t)+x(d+1,t))/2

迭代执行第二和第三步，直到识别出所有的异常值，最终使得ρ_max(t)<C。