常鲜戎，孙景文

(华北电力大学 电气与电子工程学院，河北 保定071003)

0 引 言

在电力系统负荷预测实际工作中，由于SCADA 系统中的量测、记录、转换、传输等任意环节故障都有可能导致观测数据出现反常态势，以致与大多数观测值不一致;另一方面，由于突发事件或者某些原因(线路检修停电，切负荷停电，大事件冲击等)而引起负荷的异常变化，虽然数据是真实的，但是从预测意义上看还是坏数据。坏数据的存在会对负荷特性分析及负荷预报产生不良影响，使得预测结果的准确度无法保证。因此，在进行负荷预测之前，很有必要对原始负荷数据进行预处理［1］。

有关坏数据的处理问题，常用的是横向纵向比较法，即利用同类型、相邻日等各种曲线的相似性，对某些表现出特殊异常的点进行修正。但是这种方法主观性很强，并且对于连续出现坏数据的情况无能为力。文献［2］中分别计算历史数据中各日同时刻的负荷变化率，确定一个范围，再以此对比检测日的同时刻的负荷变化率，以此确定该点是否异常。该方法已经有了较大的改进，但是仍存在不足，即该方法对于单点数据是坏数据很有效，但是仍然无法处理坏数据连续出现的情况;用于计算负荷变化率的历史数据必须保证是正常数据，但是实际中并不能实现。文献［3］中在灰色估计中引入了参数估计法，以此为模型对坏数据进行处理，但是参数估计是非线性优化问题，由于其所具有的复杂性，导致该算法计算很缓慢，且很容易陷入局部极值。……