[发明专利]一种电力数据修复方法

权利要求书

1.一种电力数据修复方法，其特征在于：包括如下步骤：

步骤S1、获取历史电力数据集，利用SOM神经网络对历史电力数据集中电力数据进行分类处理，得到电力数据类型；

步骤S2、利用Pearson相关系数理论，对电力数据类型与影响因素进行相关性分析，获得电力数据类型满足关联性阈值的影响因素，将电力数据类型对应的影响因素作为特征值；

步骤S3、将电力数据类型与对应的特征值作为训练样本，对LSTM神经网络进行训练，获得训练好的LSTM神经网络；

步骤S4、将缺失数据的影响因素输入训练好的LSTM神经网络，获得缺失数据的电力数据类型；

步骤S5、根据缺失数据的电力数据类型采用不同的方法对数据进行修复。

2.根据权利要求1所述的一种电力数据修复方法，其特征在于：所述SOM神经网络由输入层和输出层两层组成，输入层与输出层之间采用全连接。在对输入电力数据进行分类时，输入层的各神经元协同工作，分别竞争输入电力数据的响应机会，从而得到输出的神经元；通过对权值的更新，输出层的神经元四周的权值都会进行相应的调整，电力数据经过调整后输入层的每一个神经元对特定类别的学习，实现输出层对输入电力数据的学习分类。

3.根据权利要求2所述的一种电力数据修复方法，其特征在于：所述权值取值范围通常为[0,1]。

4.根据权利要求1所述的一种电力数据修复方法，其特征在于：所述Pearson相关系数理论，计算公式如下：

式中：ρ_X.Y为相关性系数，范围为[0,1]；X,Y分别为连续变量；n为连续变量样本的个数；和分别为连续变量的平均值；ρ_X.Y＝0，表示变量间无关；ρ_X.Y0，表示变量间正相关；ρ_X.Y0，表示变量间负相关；|ρ_X,Y|越大说明变量间关联性越强，反之越弱。

5.根据权利要求1所述的一种电力数据修复方法，其特征在于：所述LSTM神经网络包括3个门结构实现对电力数据类型的预测，分别是遗忘门，输入门和输出门。