基于CNN-BiLSTM的电力量测数据动态填充方法

本发明提供一种基于CNN‑BiLSTM的电力量测数据动态填充方法，基于历史同期相近数据，采用卷积神经网络、双向长短期记忆网络实现台区智能融合终端上送数据的动态缺失填充。本发明考虑了电力量测数据的时序特征、历史特征以及数据间的相关性等影响因素，构建了基于CNN‑BiLSTM网络的数据动态预测模型，其中，采用卷积神经网络CNN来提取数据局部特征，采用双向长短期记忆网络对量测数据进行时间序列特征、相关性和历史特征的学习，最后基于动态融合策略，通过结合历史特征和预测结果对缺失数据进行动态填充，并在不同场景下进行了填充效果评估。本发明方法简单、易实施，泛化能力强，准确性高，且能适应缺失率高和数据复杂的场景。