来源：期刊VIP网 时间：
作者：刘雁行;乔如妤;梁楠;徐恺;于凯;李旭东;冯军;孔繁春;李雨攸;温洪林;顾洁;
单位：内蒙古电力(集团)有限责任公司电力营销与运营管理分公司;上海交通大学电气工程系;
摘要：精准的负荷数据是电力系统规划运行基础，但实践中常见数据缺失和数据异常现象，导致负荷预测误差增大，从而影响规划方案和调度、交易策略的可行性与经济性。针对当前数据处理中异常识别和缺失值修复分别建模，以及连续数据缺失修复效果不佳的问题，提出了一种基于长短期记忆网络（long-short term memory,LSTM）和压缩感知的数据融合清洗模型。该模型利用长短期记忆网络识别负荷异常并构建观测矩阵，结合K-means算法和K-奇异值分解算法训练字典矩阵，通过贪婪追踪算法对负荷序列进行重构，实现了负荷数据异常识别和缺失数据修复融合。以实际居民用户负荷数据为例，对比分析了所提出的清洗模型与多种常用清洗模型的处理效果，验证了模型的有效性。
关键词：负荷预测;;异常识别;;缺失值修复;;长短期记忆网络;;压缩感知
基金资助：国家自然科学基金项目（52307119）;; 内蒙古电力（集团）有限责任公司2023年第一批科技项目（2023-5-46）~~
