基于集成算法的电力异常波动检测和预测计算方法

摘要

本申请涉及基于突变点分析和隐马尔可夫模型集成算法的电力异常波动检测和预测计算方法的步骤包括：采集用电量数据，作为检测和预测的输入对时间序列的数据；突变点分析，利用采集的用电量数据，通过贝叶斯推断来实现对异常波动的突变点分析；突变点数据预测，利用隐马尔可夫模型处理时间上具有相关性的信息，针对时间序列的信息进行处理，采用隐马尔可夫向前算法和Baum‑Welch算法获得似然性参数，得出突变点预测数据，并通过训练特征获得滑动窗口对应的最大似然性值。基于突变点分析和隐马尔可夫模型的基本算法进行改进，能够对电力能耗进行实时检测，且能够预测计算未来时刻的电力能耗区间的合理范围，超出范围即判定为电力能耗异常。