[发明专利]一种基于深度学习的电力数据质量规则自适应方法

摘要

本发明公开了一种基于深度学习的电力数据质量规则自适应方法，采集用电量数据计算构建LSTM的时间序列预测模型构建训练模型，使用Adam算法进行动态更新数据确定值域范围；再用3sigma的原理来约束通过模型评估指标平均绝对误差MAE和均方误差MSE进行评估LSTM模型预测效果确保进一步确定基准值范围；最终通过形成新的数据质量检测值域来实现自动适应变化。其中利用3Sigma方法长期因素影响的预测，利用采用LSTM算法对电力行业的用电量、缴费等时间序列数据进行预测，获取短期环境因素对这些电力数据的影响；采用加权的方式对电力数据的值域范围进行重构，最后动态更新数据质量完整性检查规则中的值域范围，从而在数据质量检测中以新的值域范围进行数据准确性检查。