基于深度学习的电力数据质量预测仿真研究

打开文本图片集

摘 要：为修复电力交易数据中的缺失值，提出一种基于区块链和深度学习的电力交易数据治理方法。利用区块链的可追溯性对不完整电力数据进行跟踪溯源，并采用添加了注意力机制的门控循环单元（GRU）模型对数据进行预测；同时利用不同修复规则对数据进行修复，实现电力交易数据的修复治理。仿真结果表明，相较于标准GRU模型和常用预测模型LSTM模型与RNN模型，基于注意力机制改进的GRU模型对电力交易数据具有更好的预测效果，提高了电力交易数据的质量，修复后的电力交易数据满足完整性和满意度需求，且可在区块链上进行共享。（剩余5131字）