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
• 来源期刊: 计算技术与自动化
• 关键词: 异常值 自适应阈值的小波滤波 数据段 标准记忆 改进GRU
• 年，卷（期）: 2022,（3）
• 所属期刊栏目: 计算机软件及应用
• 页码范围: 133-137
• 页数: 4页
• 分类号: TP39
• 语种: 中文
• DOI: 10.16339/j.cnki.jsjsyzdh.202203024

摘要

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%。