[发明专利]一种电力数据补全方法

权利要求书

1.一种电力数据补全方法，其特征在于：包括如下步骤：

建立GABP神经网络；

利用缺失的电力负荷数据之前的电力负荷数据对GABP神经网络进行训练，得到第一GABP神经网络，利用第一GABP神经网络对缺失的电力负荷数据进行计算，得到第一补全数据；

利用缺失的电力负荷数据之后的电力负荷数据对GABP神经网络进行训练，得到第二GABP神经网络，利用第二GABP神经网络对缺失的电力负荷数据进行计算，得到第二补全数据；

建立适应度函数，利用适应度函数对第一补全数据和第二补全数据进行计算，得到第三补全数据；

建立PSO-SVR模型，并训练所述PSO-SVR模型，利用训练好的PSO-SVR模型对所述第三补全数据进行计算，得到完整的电力负荷数据。

2.根据权利要求1所述的电力数据补全方法，其特征在于：所述建立GABP神经网络具体包括如下步骤：

建立BP神经网络模型，所述BP神经网络模型包括输入层、隐含层和输出层，隐含层的第i个神经元的输入为：

其中，w_ij表示隐含层第i个神经元与输入层第j个神经元的连接权值；θ_i表示隐含层中第i个神经元阈值；表示输入层第j个神经元的输入值，表示输入层第j个神经元的输出值，M代表输入层神经元个数；

隐含层第i个神经元输出为：其中，f(x)为传递函数；

隐含层所含神经元输出的结果与连接权值相乘后，将所有数值相加输入到输出层，所述输出层中，第k个神经元的输入为：其中，w_ki为输出层第k个神经元与隐含层第i个神经元的连接权值，表示输入层第i个神经元的输出值,θ_k表示隐含层中第k个神经元阈值；

所述输出层中将输入数值代入所述传递函数中，得到所述输出层的输出结果为

3.根据权利要求1所述的电力数据补全方法，其特征在于：建立适应度函数，利用适应度函数对第一补全数据和第二补全数据进行计算，得到第三补全数据具体包括如下步骤：

依据适应度函数分别求解不同种群的适应度，所述适应度函数为其中，K为输出层中神经元个数，M'为输入样本数据总数，y_pi为BP神经网络的预期输出，y_oi表示BP神经网络的实际输出；

再依据以下两条公式计算个体被选中的概率p_i以及种群累计概率pp_i：

其中，M代表种群中全部个体的数量；

对种群累计概率高的群体中的个体进行随机配对，在配对个体中随机选择交叉点的位置，将两个个体的部分结构进行替换，重组而生成新的个体；

将新的个体在变异点上的基因值按照变异概率取反，所述取反为1变0，0变1，所述变异概率的取值范围在0.0001～0.1之间。

4.根据权利要求1所述的电力数据补全方法，其特征在于：所述PSO-SVR模型为其中，y为PSO-SVR模型的输出数据，x为PSO-SVR模型的输入数据，l表示维度的总数，K(x_i，x)表示输入数据到高维特征空间的非线性映射，η_i表示第i个维度上的参数η，h表示待定常数，训练所述PSO-SVR模型为训练参数η_i和参数h。