一种基于神经网络模型配网量测数据异常检测方法

本发明提供一种基于神经网络模型配网量测数据异常检测方法。所述方法面向SCADA的配网在线拓扑模型，基于图论，通过割集构建电网在线拓扑图集，形成特征向量表达为GCN图卷积网络模型的输入形式；基于配网拓扑割集构成GCN网络的训练样本集和输入数据集，采用GCN图卷积网络进行模型训练和测试，以确定可能包含错误量测的设备；将异常节点顺序输出，构成CNN设备量测错误判别模型的输入，判别完成后输出异常类型，实现配电网量测数据异常的检测。该方法可、为配电网异常数据检测模型的建立提供高质量的洁净数据，模型精度高、预测效果佳，减少检测延时，方法的鲁棒性强，确保了异常数据检测的准确率，实现最终检测精度的提升。