基于改进GRU的电力大数据分析

作者：张明达; 崔昊杨^*; 余豪华; 孙益辉; 王思谨; 王浩乾

来源：计算技术与自动化, 2022, 41(03): 133-137.

DOI：10.16339/j.cnki.jsjsyzdh.202203024

• 异常值
• 自适应阈值的小波滤波
• 数据段
• 标准记忆
• 改进GRU

针对电力大数据存在冲击数据、无效数据等异常值导致真实规律难以挖掘的问题，提出一种基于改进GRU的电力大数据分析模型。该模型首先分析了异常值导致数据规律失真的情况，提出利用自适应阈值的小波滤波进行数据清洗；其次以单数据周期为分段点对数据进行分段，以各数据段同一时刻的记忆求和均值为标准记忆；最后，根据数据段的质量改进GRU记忆能力，即保留质量好的数据段记忆、删除质量差的数据段记忆。为了验证模型的性能，选择光伏发电数据进行实验，结果表明：本模型在数据质量较高时的预测准确率比ARIMA、LSTM和标准GRU分别提高了61%、30%和25%,数据质量较差时的预测准确率分别提高了76%、16%和11%。

• 单位
  上海电力大学