技术摘要：
本申请公开了一种电力负荷数据预测方法及装置，其中方法包括：根据预置异常数据将历史信息划分为可信历史信息和不完全可信历史信息后，得到可信信息集和不完全可信信息集；利用预置倍比平滑算法对可信信息集进行预测，以及扩展操作，得到可信预测信息集；根据历史信息  全部
背景技术：
传统的电力预测机制是使用修补后的电力负荷数据进行预测。然而，在实际工程 中，一些母线的异常数据较多，对异常数据进行修复后，修复结果有可能很不理想，以至于 修补后的异常数据与历史中与该异常数据同一时刻的负荷数据相比会产生较大偏差。这种 情况下，传统的预测机制体现出明显的不足。
技术实现要素：
本申请提供了一种电力负荷数据预测方法及装置，用于解决现有的电力负荷预测 机制并没有考虑电力负荷数据之间的内在联系，而且忽略了异常数据对预测结果的影响的 技术问题。 有鉴于此，本申请第一方面提供了一种电力负荷数据预测方法，包括： 根据预置异常数据将历史信息划分为可信历史信息和不完全可信历史信息后，得 到可信信息集和不完全可信信息集，其中，所述历史信息包括：负荷数据和该负荷数据对应 的信息时刻； 利用预置倍比平滑算法对所述可信信息集进行预测，以及扩展操作，得到可信预 测信息集； 根据所述历史信息生成第一特征曲线，并进行延拓，得到第二特征曲线； 以预置距离条件作为约束，根据预置决策树回归模型对所述第二特征曲线进行非 线性变换，得到第一预测曲线，所述预置距离条件的配置过程为：根据所述可信预测信息集 配置； 通过所述第一预测曲线最后的X个点形成的第二预测曲线进行信息集预测操作， 其中X为自然数，且X≥2。 优选地，所述预置异常数据的配置过程为： 对历史负荷数据进行修补，得到所述历史信息和历史信息矩阵； 对所述历史信息进行异常数据辨识操作，得到所述预置异常数据。 优选地，所述根据预置异常数据将历史信息划分为可信历史信息和不完全可信历 史信息后，得到可信信息集和不完全可信信息集包括： 根据所述预置异常数据生成与所述历史信息矩阵对应的异常数据标识矩阵； 根据所述历史信息矩阵和所述异常数据标识矩阵，将所述历史信息划分为可信历 史信息和不完全可信历史信息后，得到可信信息集和不完全可信信息集。 优选地，所述利用预置倍比平滑算法对所述可信信息集进行预测，以及扩展操作， 得到可信预测信息集，之前还包括： 当判断到所述可信信息集对应的可信信息时刻小于预置数量时，则在所述历史信 4 CN 111583065 A 说　明　书 2/10 页 息中选择修补效果达到预置标准的异常负荷数据添加至所述可信信息集。 优选地，所述利用预置倍比平滑算法对所述可信信息集进行预测，以及扩展操作， 得到可信预测信息集包括： 利用预置倍比平滑算法预测所述可信信息时刻的子信息集； 根据所述子信息集和所述可信信息时刻生成初始可信预测信息集，所述初始可信 预测信息集包括可信数据标识数组； 将所述初始可信预测信息集进行扩展，得到所述可信预测信息集。 优选地，所述根据所述历史信息生成第一特征曲线，并进行延拓，得到第二特征曲 线包括： 对所述历史信息进行特征分解，得到所述第一特征曲线； 将所述第一特征曲线进行延拓，得到所述第二特征曲线。 本申请第二方面提供了一种电力负荷数据预测装置，包括： 划分模块，用于根据预置异常数据将历史信息划分为可信历史信息和不完全可信 历史信息后，得到可信信息集和不完全可信信息集，其中，所述历史信息包括：负荷数据和 该负荷数据对应的信息时刻； 第一预测模块，用于利用预置倍比平滑算法对所述可信信息集进行预测，以及扩 展操作，得到可信预测信息集； 曲线生成模块，用于根据所述历史信息生成第一特征曲线，并进行延拓，得到第二 特征曲线； 变换模块，用于以预置距离条件作为约束，根据预置决策树回归模型对所述第二 特征曲线进行非线性变换，得到第一预测曲线，所述预置距离条件的配置过程为：根据所述 可信预测信息集配置； 第二预测模块，用于通过所述第一预测曲线最后的X个点形成的第二预测曲线进 行信息集预测操作，其中X为自然数，且X≥2。 优选地，所述预置异常数据的配置过程为： 对历史负荷数据进行修补，得到所述历史信息和历史信息矩阵； 对所述历史信息进行异常数据辨识操作，得到所述预置异常数据。 优选地，所述划分模块，包括： 第一生成子模块，用于根据所述预置异常数据生成与所述历史信息矩阵对应的异 常数据标识矩阵； 划分子模块，用于根据所述历史信息矩阵和所述异常数据标识矩阵，将所述历史 信息划分为可信历史信息和不完全可信历史信息后，得到可信信息集和不完全可信信息 集。 优选地，所述第一预测模块，具体包括： 预测子模块，用于利用预置倍比平滑算法预测所述可信信息时刻的子信息集； 第二生成子模块，用于根据所述子信息集和所述可信信息时刻生成初始可信预测 信息集，所述初始可信预测信息集包括可信数据标识数组； 扩展子模块，用于将所述初始可信预测信息集进行扩展，得到所述可信预测信息 集。 5 CN 111583065 A 说　明　书 3/10 页 从以上技术方案可以看出，本申请实施例具有以下优点： 本申请中，提供了一种电力负荷数据预测方法，包括：根据预置异常数据将历史信 息划分为可信历史信息和不完全可信历史信息后，得到可信信息集和不完全可信信息集， 其中，历史信息包括：负荷数据和该负荷数据对应的信息时刻；利用预置倍比平滑算法对可 信信息集进行预测，以及扩展操作，得到可信预测信息集；根据历史信息生成第一特征曲 线，并进行延拓，得到第二特征曲线；以预置距离条件作为约束，根据预置决策树回归模型 对第二特征曲线进行非线性变换，得到第一预测曲线，预置距离条件的配置过程为：根据可 信预测信息集配置；通过第一预测曲线最后的X个点形成的第二预测曲线进行信息集预测 操作，其中X为自然数，且X≥2。 本申请提供的电力负荷数据预测方法，提出了可信信息集和不完全可信信息集的 概念，并不是直接将修补的数据进行预测，而是以可信信息集为基础进行预测的机制；同 时，分析了电力负荷数据之间的纵向关系和横向关系，所谓纵向关系即为利用可信信息集 进行预测操作，得到可信预测信息集；而横向关系则是获取历史信息的特征曲线，为了加强 横向关联度，还对特征曲线作延拓操作；并且，妥善处理了异常数据对预测机制的影响，从 而使得预测的结果更加具有科学性和可靠性。因此，本申请解决了现有的电力负荷预测机 制并没有考虑电力负荷数据之间的内在联系，而且忽略了异常数据对预测结果的影响的技 术问题。 附图说明 图1为本申请实施例提供的一种电力负荷数据预测方法的一个流程示意图； 图2为本申请实施例提供的一种电力负荷数据预测方法的另一个流程示意图； 图3为本申请实施例提供的一种电力负荷数据预测装置的结构示意图； 图4为本申请实施例提供的倍比平滑算法预测步骤示意图； 图5为本申请实施例提供的非线性变换前后的特征曲线示意图； 图6为本申请应用例提供的电力负荷数据预测方法的可信度影响的结构示意图。