(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111403398.X (22)申请日 2021.11.24 (71)申请人 广东电网有限责任公司中山供电局 地址 528400 广东省中山市东区博爱六路 68号 (72)发明人 刘莉　熊仲宇　杨蓉　容家灏　 陈福明　胡克　余俊杰　黄梅英　 娄丽明　郑海宁　 (74)专利代理 机构 中山市粤捷信知识产权代理 事务所(普通 合伙) 44583 代理人 黄文俊 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 30/02(2012.01) G06Q 50/06(2012.01) (54)发明名称 一种基于EEMD和离群点检测的月度售电量 组合预测方法 (57)摘要 本发明公开了一种基于EEMD和离群点检测 的月度售电量组合预测方法， 该方法首先通过改 进的EMD方法对原始信号进行处理， 然后采用基 于多组影响因素的多个单一方法得到多组预测 结果， 最后基于离群点检测技术， 剔除异常点后 将其余预测值取平均， 作为最终的预测结果。 改 进的EMD方法通过在原始信号中加入均匀分布频 率的白噪声以及计算独特信号残差克服了传统 EMD不足而获得IM F， 改变了原始信号的极值分布 点， 从而减少模态混叠的情况， 使重建后的信号 几乎与原始信号相同。 该方法方法不仅克服了 现 有的EMD模式混合现象， 而且通过增加分解次数 减少了重构误差 。 权利要求书2页 说明书7页 附图2页 CN 114358368 A 2022.04.15 CN 114358368 A 1.一种基于EEMD和离群点检测的月度售电量组合预测方法， 其特征在于， 包括EEMD分 解以及离群点检测， 所述E EMD算法步骤 包括： 步骤一、 将原始信号上增加白噪声P(t)+ε0ωi(t)， ε0为高斯白噪声幅值常数， i＝1， 2，…， M； 进行M次实验， 通过EMD 对其进行分解， 来获取第一个本征模态函数li， 1(i＝1， 2， …， M)， 则EEMD分解得到第一个分量 为M次实验所有li， 1的均值， 即 步骤二、 在第1阶段， 计算第1次残余序列ri(t) 步骤三、 对序列ri(t)+ε1E1(ωi(t))， ε1为高斯白噪声幅值常数， E1为EMD分解运算符， 进 行M次EMD， 直到获得其第1个IMF。 此时， 可以根据如下计算得到 EEMD的第2个分量 步骤四、 对于其 余每个阶段k， 重复步骤3， 并按以下 方式计算第k+1模态分量： 步骤五、 执行步骤4直到获得残差信号不再执行何IMF， 且标准条件是无法从残差中提 取IMF， 极端点的数量 不超过2； 最后， 所有模态分量的数量 为K， 最终残差信号 为： 因此， 原始序列P(t)经 过EEMD最终分解 为： 所述离群点检测包括： 定义1： 点P的第k距离， a)在集合中至少有不包括P在内的k个点O ′∈C{O′≠P}， 满足d(P， O ′)≤d(P， O)； b)在集合中最多 有不包括P在内的k ‑1个点O′∈C{O′≠P}， 满足d(P， O ′)＜d(P， O)； 定义2： 第k距离邻域， 即P的第k距离即以内的所有点， 包括第k距离。 p的第k邻域点的个 数： |Nk(P)|≥k 定义3： 点O到点P的第k可达距离 reach_distk(P， O)＝max{dk(O)， d(P， O)} 定义4： 点P的局部可达密度： 点P的第k邻域内的点到P的平均可达距离的倒数； 权　利　要　求　书 1/2 页 2 CN 114358368 A 2定义5： 点P的局部 离群因子： 表示点P的邻域点Nk(P)的局部 可达密度与点P的局部 可达密度之比的平均数。 对此有以 下3种情况： LOF值越接 近1， 说明P其邻域 点密度差不多， P可能和邻域同属一簇； LOF值越小于1， 说明P的密度高于其邻域 点密度， P为密集 点； LOF值越大于1， 说明P的密度小于其邻域 点密度， P越可能是异常点。 2.根据权利要求1所述的一种基于EEMD和离群点检测的月度售电量组合预测方法， 其 特征在于： 所述离群点检测算法过程： 步骤一： 计算每个对象与其他对象的欧几里得距离， 并进行排序， 计算第 k距离和第k邻 域； 输入样本集合， 集合中 的点， 用NodeA、 NodeB、 NodeC ……表示， 首先计算给定点NodeA与 其它点的距离， 并找到No deA点的前5位No deB， 然后记录到No deA的第k邻 域变量， 具体步骤 如下： 计算给定点 NodeA与其 他点的距离， 并记录在N odeB点的distance变量中； 对所有NodeB点中的distance进行升序排序； 找到NodeB点的前5位的欧几里 得距离点， 并记录 到到NodeA的第k邻域变量中； 找到NodeB点的第5位距离， 并记录 到NodeA点的第k距离变量中； 步骤二： 计算每 个对象的可达密度； 通过步骤1计算的第k距离， 计算出 可达距离可以计算各个N ode的可达密度lrdk(P)； 步骤三： 计算每 个对象的局部 离群点因子 结合步骤一计算的第K领域Nk(P)， 以及步骤二的可达密度lrdk(P)， 即可算出每个对象 Node的局部 离群点因子 。 步骤四： 对每 个点的局部 离群点因子进行排序输出。权　利　要　求　书 2/2 页 3 CN 114358368 A 3