一种基于深度学习的多场景下新能源数据越限修正方法与系统

本发明公开了一种基于深度学习的多场景下新能源数据越限修正方法与系统，方法包括：获取新能源历史运行数据，并进行越限数据判断、处理和标记；对不同场景下的属性数据进行归一化、格式对齐和分组聚合；将不同场景下的各属性特征输入MLP计算各时间步和场景的注意力得分，基于注意力得分得到归一化权重，对多场景数据加权求和，构建综合特征向量作为LSTM模型和Informer模型输入；并行训练在LSTM和Informer模型并对两者预测结果进行加权融合，修正越限的历史数据；其中在每次训练迭代中，计算损失函数时，根据越限数据标记向量来调整损失计算，对越限样本赋予的权重高于正常样本赋予的权重。本发明能够提升新能源数据处理的准确性、可靠性和数据修正的通用性。