基于图表示学习的用户级多能负荷数据异常值检测方法

本发明属于图神经网络技术领域，涉及基于图表示学习的用户级多能负荷数据异常值检测方法，包括：1、将多时间序列配电网数据映射至低维特征空间，通过计算特征间的欧氏距离构成图结构数据的边权重，对多能负荷时间序列间的时空相关性建模；2、构建用图卷积神经网络，对多维特征间的时空相关性建模；3、构建基于Boosting集成模型的整体训练框架，根据检测错误的样本调整下一级检测器的训练权重；本发明利用多维尺度分析的降维和聚类能力，将多时间序列映射至低维特征空间，通过计算特征间的欧氏距离构成图结构数据的边权重，因此本发明能有效对多能负荷时间序列间的时空相关性建模。