基于深度学习的配电网异常数据修复方法及系统

本发明提供了一种基于深度学习的配电网异常数据修复方法及系统，该方法包括：获取目标配电网中各个负荷节点的运行数据；根据缺失值个数对所有的时间序列数据进行第二排序，得到第二排序结果，并根据第二排序结果构建标签对；将标签对输入到改进的NeuralProphet模型中进行训练和预测，以分别经过模型中的趋势模块、季节模块、节日模块、未来回归模块、趋势回归模块和自回归模块，得到对应时刻的预测数据；基于预训练的LSTM模型对误差数据进行纠正，得到预测误差，根据预测误差和预测数据计算得到每种类型下的各个时刻的目标数据，并根据目标数据将每种时间序列数据中缺失的数据进行填充。本发明能够提高配电网异常数据修复结果的准确性。