[发明专利]一种电力负荷预测中应用分类回归树插补补充缺失值的方法

权利要求书

1.一种电力负荷预测中应用分类回归树插补补充缺失值的方法其特征在于，包括：步骤一、数据预处理：对采集到的原始历史电力负荷历史数据按时间序列排列，确定数据集起止时间，检查数据在时间序列上的缺省，标明缺省值并记录缺省的起止时间；

步骤二、分类回归树模型插补缺失值：本发明中分类回归树插补模型主要在R语言环境下家建立，具体步骤包括：

1）.调用分类回归算法

2）.对分类变量的预测建模

R语言实现为： Class_mod - rpart(连续时间序列 ~ ., data = data.copy[!is.na(data.copy$连续时间序列), ][-1],method = class, na.action = na.omit)

3）.#对连续变量的预测建模

R语言实现为： anova_mod - rpart(电力负荷数据集中负荷数据~ ., data =data.copy[!is.na(data.copy$电力负荷数据集中负荷数据), ][-1],method = anova,na.action = na.omit)

4）.根据模型进行预测

R语言实现为：新连续时间序列 - predict(class_mod,data.copy[is.na(data.copy$连续时间序列), ], type = 'class')

新电力负荷数据集中负荷数据- predict(anova_mod,data.copy[is.na(data.copy$电力负荷数据集中负荷数据), ])；

步骤三、数据有效性验证：原始电力负荷历史数据集与经过分类回归算法补充的数据集需要进行数据有效性统计差异性的检查以保证数据 的有效性；

两组数据将进行单因素方差分析（one way-ANOVA），计算两组数据间显著性差异 值，需要保证两组数据间没有显著性差异；

如果两组数据验证后存在显著性差异，则需要调整分类回归树中的节点距离以确保处理后的数据与原始数据不存在显著性差异，使处理后的数据保持准确性和有效性。