一种基于多模型融合的新能源缺失数据补全方法与系统

本发明公开了一种基于多模型融合的新能源缺失数据补全方法与系统，方法包括：对收集到的新能源数据集进行线性和非线性相关性两阶段特征筛选；对数据集进行归一化，根据缺失比例参数构建缺失数据掩码，并对数据集进行划分；构建并训练所设计的AFMFormer模型；模型中构建的自适应频域特征提取模块利用数据驱动的主频提取与频谱抑噪机制，增强了模型对长序列主模态结构的建模能力；多粒度时序编码模块通过多尺度建模时间序列的短期特征与长期趋势，并通过可学习权重与自适应对齐机制实现语义一致的特征融合，进一步提升模型在复杂时序结构下的泛化能力训练。相比传统方法，本发明在面对高波动、高缺失率的数据场景下展现出更高的精度、鲁棒性与泛化能力。