[发明专利]基于集成时间序列分析技术的电能表计量误差预测方法

摘要

本发明公开了一种基于集成时间序列分析技术的电能表计量误差预测方法，包括：对计量误差及相关数据进行数据异常处理和数据概括；将处理后的计量误差数据依据时间特性划分为多份数据集；构建时间序列模型ARIMA和神经网络模型，并进行训练评估；集成所述时间序列模型ARIMA和神经网络模型，从而获得最终预测结果。本发明提供的于集成时间序列分析技术的电能表计量误差预测方法，较传统时间序列分析方法有了更强的预测能力；将时间序列模型与神经网络模型一起组成基模型，能够有效利用多个单模型的特点，提升预测能力和准确性。

主权项

基于集成时间序列分析技术的电能表计量误差预测方法，其特征在于，包括以下步骤：S1.对已采集的原始计量误差数据进行数据异常处理和数据概括，获得概况处理后第i个电能表的计量误差数据序列为{ei,1,ei,2,L,ei,t}，ei,t是第i个电能表在第t天的平均计量误差值；S2.将处理后的计量误差数据依据时间特性划分为多份数据集，所述多份数据集包括训练集和测试集；S3.构建时间序列预测模型ARIMA，使用所述训练集对所述ARIMA模型进行训练，获得最优时间序列模型，并使用所述最优时间序列模型预测未来h天的计量误差结果表示第i个电能表第t+h天的计量误差值；S4.结合电能表相关数据作为输入特征构建神经网络模型Nnet，预测未来h天的计量误差结果表示第i个电能表第t+h天的计量误差值；S5.根据所述预测结果和所述测试集，分别计算ARIMA模型和Nnet模型的均方根误差RMSEi,arima和RMSEi,nnet；S6.对所述ARIMA模型和所述Nnet模型进行集成学习，采用堆叠学习方法对预测结果进行加权，权重计算公式为：其中，最终，集成模型的预测结果为：predhybrid={e^i,t+1,e^i,t+2,L,e^i,t+h}=Wrhybrid×e^i,t+11,e^i,t+21,L,e^i,t+h1e^i,t+12,e^i,t+22,L,e^i,t+h2.]]>