一种基于对抗对比学习的电力运行数据异常值清洗方法

本发明公开了一种基于对抗对比学习的电力运行数据异常值清洗方法，属于电力系统数据处理技术领域。该方法针对现有电力数据清洗技术存在的对抗鲁棒性不足、特征表征能力有限及标注数据稀缺等问题，通过融合对抗学习与对比学习机制，实现高精度异常检测与清洗。具体包括：1)构建物理约束的对抗样本生成器，在梯度扰动方向施加高斯平滑与幅值限制，生成符合电力波形特性的增强数据；2)设计异构双通道编码网络，主编码器采用因果卷积提取局部时序特征，辅助编码器结合多头注意力与双向LSTM捕获长程依赖；3)提出动态权重对比损失函数，通过指数衰减策略平衡特征对齐与类间对比，优化特征空间分布；4)融合特征空间马氏距离与概率分布JS散度构建多维度异常评分，结合滑动窗口分位数法设定自适应阈值判定异常。本发明增强模型抗干扰能力，引入的动态学习机制显著提升非平衡数据下的异常识别精度，为电力系统状态估计与安全预警提供可靠数据支撑。