[发明专利]一种电力数据补全方法

说明书

本申请公开了一种电力数据补全方法，涉及电力技术领域，本方法采用训练好的GABP神经网络，对正向电力数据、负向电力数据进行补全计算，再采用PSO‑SVR模型将两个方向的计算结果进行融合，保证了补全后的电力数据的准确性。

【技术领域】

本发明涉及电力技术领域，具体涉及一种电力数据补全方法。

【背景技术】

电力负荷预测作为电力系统重要工作内容之一，预测的精度高低会对经济调度、实时控制、运行计划及发展规划等方面产生很大影响。随着电力市场进一步开放、市场机制更加成熟、市场开放更加全面，电力负荷预测将发挥更大作用。传统的负荷预测方式例如回归预测法、时间序列法等方法在实时性和准确性方面已经不能满足目前的需求，尤其是在多重因素的影响下面临巨大挑战。

电力系统作为城市生命线工程的重要环节，对于城市的发展建设和居民生活保障都发挥着重要作用，电力系统的安全和稳定是一切社会活动的基础。一方面随着国家科技进步、社会现代化进程的加快，工程建设、企业生产和国民生活对电能的依赖性更强，电力消耗巨大带来的需求量进一步增加，同时对于供电质量以及可靠性安全性等方面也会有更高的要求。因此，通过智能电网建设可以显著提升电力系统安全稳定运行水平以及供电的可靠性，这样不仅有利于智能化水平和用户互动化水平的提升，在缓解能源压力以及资源有效优化的配置等方面同样受益良多。负荷预测作为现阶段智能电网建设中的一项重要工作，精确的负荷预测对于保证电力系统的安全、稳定、经济运行起到举足轻重的作用，其工程价值以及理论意义也有深远的影响。与此同时，随着电力市场化交易改革进一步深入，交易规模也在进一步扩大，其中在现货市场、输配电价以及增量配电等等领域稳中有进，从政策层面上对市场的配套设施、辅助服务也提供一定的帮助，电力市场改革所带来的巨大经济效益以及社会效益会集中体现，这一系列的机构设立和政策出台标志着有竞争力的市场结构以及市场体系逐步形成，市场的力量也将为电力行业带来新的活力与生机。

电力负荷预测逐步成为研究人员关注的重点方向，其水平的高低甚至可以作为衡量相关电力企业的管理水平是否达到现代化的标准，不同时间周期负荷预测的精度对电网稳定安全经济运行起到重要的保障。尤其在电力事业发展速度空前的今天，用电管理的方式逐步与市场对接、用电管理走向市场，电力负荷预测问题的解决已经成为重要的任务，由此可见，有必要针对电力负荷预测工作展开深入探讨和研究。

【发明内容】

为解决前述问题，本发明提供了一种电力数据补全方法，以更加准确地将缺失的电力数据补充完整。

为了达到上述目的，本发明采用如下技术方案：

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。

更进一步地，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：