數(shù)括缺失在電力負(fù)荷數(shù)據(jù)采集過(guò)程中經(jīng)常發(fā)生，對(duì)提髙算法的預(yù)測(cè)精確度帶來(lái)了不利影響?，F(xiàn)有的缺失數(shù)據(jù)補(bǔ)全算法只適用于缺失數(shù)據(jù)量較少的情況，而對(duì)于缺失數(shù)據(jù)較多的情況表現(xiàn)不佳。面對(duì)嚴(yán)重?cái)?shù)據(jù)缺失的挑戰(zhàn)，文中提出了一種基于稀疏表示的電力負(fù)荷缺失數(shù)據(jù)補(bǔ)全方法。首先以數(shù)據(jù)隨機(jī)缺失為前提，將訓(xùn)練數(shù)據(jù)中假定缺失后的數(shù)據(jù)與完整的訓(xùn)練數(shù)據(jù)上下拼接構(gòu)成訓(xùn)練矩陣;其次，利用離散余弦變換（ Discrete Cosine transform，DCT）生成一個(gè)過(guò)完備字典，并根據(jù)訓(xùn)練矩陣對(duì)其進(jìn)行學(xué)習(xí)，旨在通過(guò)調(diào)優(yōu)得到一個(gè)合適的字典，能對(duì)訓(xùn)練矩陣中的樣本進(jìn)行最好的稀疏表示。最后，在測(cè)試階段，先利用學(xué)習(xí)后字典的上半部分獲得測(cè)試集缺失數(shù)據(jù)的稀疏表示，然后利用稀疏表示和學(xué)習(xí)后字典的下半部分重構(gòu)出無(wú)缺失的完整數(shù)據(jù)。實(shí)驗(yàn)結(jié)果表明，使用該方法對(duì)電力負(fù)荷數(shù)據(jù)缺失值進(jìn)行補(bǔ)全，可以獲得比傳統(tǒng)插值方法、基于相關(guān)性的KNN算法、時(shí)空壓縮感知估計(jì)算法以及時(shí)序壓縮感知預(yù)測(cè)算法更高的精度。即使數(shù)據(jù)缺失率高達(dá)95%，該方法依然可以有效地補(bǔ)全缺失數(shù)據(jù)。