摘要：负荷历史数据是进行中长期负荷预测的基础。历史数据异常及缺失将严重影响负荷预测模型的精度及有效性。针对传统异常数据辨识方法和缺失数据填补方法的不足，提出了基于T2椭圆图的异常数据识别和基于最小二乘支持向量机（least square support vector machine，LSSVM）的缺失数据填补方法。采用偏最小二乘法（partial least square，PLS）提取历史数据主成份，计算各历史样本对主成份的累积贡献率（accumulative contribution rate，ACR），并绘制T2椭圆，从而识别出历史样本贡献率过大的异常数据。用最小二乘支持向量机拟合历史数据变化趋势，从而实现缺失数据的填补。算例结果表明：T2椭圆图能有效识别历史数据中的异常样本；最小二乘支持向量机具有良好的数据填补特性，具有较强的实用价值。

关键词：数据异常 数据缺失 累积贡献率 最小二乘支持向量机 负荷预测 

单位：湖南大学电气与信息工程学院 湖南省长沙市410082 湖南湖大华龙电气与信息技术有限公司 湖南省长沙市410082