[发明专利]基于集成时间序列分析技术的电能表计量误差预测方法

权利要求书

1.基于集成时间序列分析技术的电能表计量误差预测方法，其特征在于，包括以下步骤：

S1.对已采集的原始计量误差数据进行数据异常处理和数据概括，获得概况处理后第i个电能表的计量误差数据序列为{e_i,1,e_i,2,…,e_i,t}，e_i,t是第i个电能表在第t天的平均计量误差值；

S2.将处理后的计量误差数据依据时间特性划分为多份数据集，所述多份数据集包括训练集和测试集；

S3.构建时间序列预测模型ARIMA，使用所述训练集对所述ARIMA模型进行训练，获得最优时间序列模型，并使用所述最优时间序列模型预测未来h天的计量误差结果表示第i个电能表第t+h天的计量误差值；

S4.结合电能表相关数据作为输入特征构建神经网络模型N_net，预测未来h天的计量误差结果表示第i个电能表第t+h天的计量误差值；

S5.根据所述预测结果和所述测试集，分别计算ARIMA模型和N_net模型的均方根误差RMSE_i,arima和RMSE_i,nnet；

S6.对所述ARIMA模型和所述N_net模型进行集成学习，采用堆叠学习方法对预测结果进行加权，权重计算公式为：

其中，

最终，集成模型的预测结果为：

2.根据权利要求1所述的基于集成时间序列分析技术的电能表计量误差预测方法，其特征在于，所述对原始计量误差数据进行数据异常处理包括采用时序数据异常检测算法对计量误差原始数据的异常值进行检测并处理，方法如下：

若e_i,t,j(j∈{1,2,…,n})满足如下公式，

则判断e_i,t,j为异常数据，并将其从数据集中删除；

若e_i,t,k(k∈{1,2,…,n})满足如下公式：

则判断e_i,t,k为异常数据，并将其从数据集中删除；

式中e_i,t,k、e_i,t,j表示第i个电能表在第t天中，第k或第j个计量误差数据，n为计量误差数量。

3.根据权利要求1所述的基于集成时间序列分析技术的电能表计量误差预测方法，其特征在于，所述数据概况包括对计量误差数据采用如下公式按天进行均值化处理：

其中，e_i,t是第i个电能表在第t天的平均计量误差值；n_i,t是第i个电能表的第t天采集的有效计量误差数量；e_i,t,k是第i个电能表在第t天的第k个计量误差数据。

4.根据权利要求1所述的基于集成时间序列分析技术的电能表计量误差预测方法，其特征在于，所述数据集采用以下方法划分：

若第i个电能表的计量误差数据序列为{e_i,1,e_i,2,…,e_i,t}，验证的次数为n_folds，每次验证需要预测给定训练序列后h天的走势，训练集均从第1天开始，则训练集的长度分别为

L_train＝{t-n_folds×h,t-(n_folds-1)×h,…,t-h}，(n_folds∈N,n_folds≥2)

则，训练集D_Train,lt＝{e_i,1,e_i,1,…,e_i,lt}，对应测试集D_Test,lt,h＝{e_i,lt+1,e_i,lt+2,…,e_i,lt+h}，其中，lt∈L_train。