一种基于CNN和LSTM的电压电流异常数据标记方法

本发明公开了一种基于CNN和LSTM的电压电流异常数据标记方法，步骤包括：S1步骤、构建电压电流异常数据集并进行电压电流异常数据的预处理；S2步骤、基于CNN模型和LSTM模型搭建电压电流异常数据识别模型，包括第一一维卷积层、第一一维池化层、第一Dropout层、第二一维卷积层、第二一维池化层、第二Dropout层、第一LSTM层、第三Dropout层、第二LSTM层和输出层的CNN‑LSTM混合模型；S3步骤、基于迁移学习对S2步骤搭建的CNN‑LSTM混合模型进行优化，得到优化CNN‑LSTM混合模型；S4步骤、利用电压电流异常数据集对优化CNN‑LSTM混合模型进行训练和验证，得到验证后的模型；S5步骤、利用验证后的模型识别电压电流异常数据；本发明能够自动学习并识别异常模式，提高了电压电流异常数据筛选的精确性和效率。