图2
此外，给出了日负荷扩展至周负荷的方法。将周负荷分成工作负荷与周末负荷两种特性负荷，分别采用特征变量表征其负荷特性，周内日负荷可用下式得到。
图3是分别是2017年10月和2018年3月周各天负荷恢复数据。
图3
结论本文在运用马尔科夫链解析法与序贯蒙特卡洛法抽取负荷数据统计特性，采用数据处理与分析的思想建立电力负荷多尺度时序模型，给出了基于B-spline基函数展开法的模型求解方法，并运用最小化样本残差平方策略对负荷模型中的参量及非参量进行估计。
基于四个电力负荷恢复误差评价指标，得到最优B-spline分段及样条次数。基于典型日负荷估计曲线，给出了周负荷的恢复及补全方法。
引用本文张帅, 杨晶显, 刘继春, 刘俊勇, 林华珍. 基于多尺度时序建模与估计的电力负荷数据恢复[J]. 电工技术学报, 2020, 35(13): 2736-2746. Zhang Shuai, Yang Jingxian, Liu Jichun, Liu Junyong, Lin Huazhen. Power Load Recovery Based on Multi-Scale Time-Series Modeling and Estimation. Transactions of China Electrotechnical Society, 2020, 35(13): 2736-2746.
