一种基于机理与深度学习融合的光伏并网点异常研判方法及系统

本发明公开一种基于机理与深度学习融合的光伏并网点异常研判方法及系统，包括：采用经验模态分解对采集的运行数据进行清洗、去噪处理；构建机理模型，计算并网点在正常运行下逆变器交流侧的电压、电流、功率等基准状态；基于时空卷积门控循环单元ST‑CGRU网络构建深度学习模型，输出并网点交流侧的重构值；加权融合机理模型与深度学习模型的输出，得到最终预测数值；基于预测偏差对上述各模型计算的过程量或最终预测数值进行异常研判，输出异常类别及置信度。本发明通过机理模型提供物理约束，深度学习模型捕捉复杂时序特征，采用融合策略提高检测精度，能够有效识别异常，提高光伏并网点的稳定性和安全性。