基于深度學(xué)習(xí)的電力數(shù)據(jù)質(zhì)量預(yù)測仿真研究

打開文本圖片集

摘 要：為修復(fù)電力交易數(shù)據(jù)中的缺失值，提出一種基于區(qū)塊鏈和深度學(xué)習(xí)的電力交易數(shù)據(jù)治理方法。利用區(qū)塊鏈的可追溯性對(duì)不完整電力數(shù)據(jù)進(jìn)行跟蹤溯源，并采用添加了注意力機(jī)制的門控循環(huán)單元（GRU）模型對(duì)數(shù)據(jù)進(jìn)行預(yù)測；同時(shí)利用不同修復(fù)規(guī)則對(duì)數(shù)據(jù)進(jìn)行修復(fù)，實(shí)現(xiàn)電力交易數(shù)據(jù)的修復(fù)治理。仿真結(jié)果表明，相較于標(biāo)準(zhǔn)GRU模型和常用預(yù)測模型LSTM模型與RNN模型，基于注意力機(jī)制改進(jìn)的GRU模型對(duì)電力交易數(shù)據(jù)具有更好的預(yù)測效果，提高了電力交易數(shù)據(jù)的質(zhì)量，修復(fù)后的電力交易數(shù)據(jù)滿足完整性和滿意度需求，且可在區(qū)塊鏈上進(jìn)行共享。（剩余5131字）