一种基于神经网络的新能源异常跳变数据的平滑清洗方法与系统

本发明公开了一种基于神经网络的新能源异常跳变数据的平滑清洗方法与系统，首先获取新能源历史监测数据，对其进行初步整合及预处理，并对预处理后的数据进行深度处理并划分为训练集与测试集；然后利用训练集中的新能源数据对NRSE‑LSTM神经网络进行训练，并利用测试集进行测试和超参数调优；最后将待清洗的存在异常跳变的新能源在线监测数据输入训练好的模型，得到处理后的数据。本发明所改进的NRSE‑LSTM神经网络通过引入功率浪涌门控机制和稳压状态提升了对异常跳变数据的处理能力。功率浪涌门控扩大了动态范围，使模型能够更灵敏地调整存储和更新状态，快速应对异常和突变数据；稳压状态则增强了数值稳定性，避免了长序列中的梯度爆炸或消失问题。