[发明专利]一种短期负荷预测的平滑数据预处理方法

权利要求书

1.一种短期负荷预测的平滑数据预处理方法，其特征在于，所述方法包括：

获取原始训练集数据；所述原始训练集数据包括原始电网负荷数据以及原始电网影响因素数据；

分别对所述原始电网负荷数据以及所述原始电网影响因素数据进行预处理；对所述原始电网负荷数据进行判断获取错误数据，对所述原始训练集数据进行判断获取错误数据，判断依据为横向相邻数据不突变，纵向数据相似，其表达式如下：

式中：表示所选数据；纵向时间在第d天t时刻的数据；横向时间在第d天t时刻的数据；κ、λ分别表示权重值，取值范围(0,1)；当时，表示此时刻的数据为错误数据；表示数据阈值；

并将所述错误数据进行修复获得处理后的电网负荷数据；基于纵横时间的负荷修复用表达式如下式：

式中：表示综合纵横时间在第d天t时刻的负荷大小；表示纵向时间在第d天t时刻的负荷大小；表示横向时间在第d天t时刻的负荷大小；α、β分别为和的权重值；i、j分别表示纵向数据和横向数据；

式中：表示纵向时间在第d-1天t时刻的负荷大小；ξ_a表示自适应指数平滑值，即权重系数；ξ表示平滑系数，为定常值，取值范围(0,1)；n表示纵向时间取值天数取值的上界；

式中：表示横向时间在第d天t-1时刻的负荷大小；ζ_b表示自适应指数平滑值，即权重系数；ζ表示平滑系数，为定常值，取值范围(0,1)；m表示横向时间取值天数取值的上界；

对所述原始电网影响因素数据采用平均值法进行计算获得主要影响因素，将所述主要影响因素作为处理后的电网影响因素数据；利用平均影响值算法找到对负荷影响度最大的z种影响因素，根据这些影响因素构建历史日负荷的主影响因素矩阵；

式中，a_dt(z)表示第d天第z个主影响因子向量在第t个时间点的值；

将所述处理后的电网负荷数据以及处理后的电网影响因素数据作为布谷鸟-神经网络算法训练用的数据进行模型训练。

2.根据权利要求1所述的短期负荷预测的平滑数据预处理方法，其特征在于，基于纵横时间的影响因素表达式如下式：

A^i,j＝χ·Aⁱ+δ·A^j

式中：A^i,j表示综合纵横时间的影响因素数据矩阵；Aⁱ表示纵向时间的影响因素数据矩阵；A^j表示横向时间的影响因素数据矩阵；χ、δ分别为Aⁱ和A^j的权重值；i、j分别表示纵向数据和横向数据；

式中：表示纵向时间在第d-1天t时刻的影响因素数据；μ_s表示自适应指数平滑值，即权重系数；μ表示平滑系数，为定常值，取值范围(0,1)；

式中：表示横向时间在第d天t-1时刻的影响因素数据；ω_x表示自适应指数平滑值，即权重系数；ω表示平滑系数，为定常值，取值范围(0,1)。