摘要
本申请涉及数据清洗技术领域，其具体地公开了一种基于电力大数据模型的电力数据清洗方法及系统，其首先获取电力异常数据的集合，并引入基于深度学习的数据处理技术对电力异常数据集进行基于自学习强化的数据特征聚合分析，以挖掘出电力异常数据的噪声分布、周期性、异常趋势等关键特征，从而智能解码出负荷数据的最佳采样参数设置，进而在此基础上，通过对负荷数据进行采集、分类、储存以及基于时间序列数据相似性的数据清洗，以完成电力数据清洗作业。通过这种方式，能够自动适应电力异常数据的动态非线性特征，提高最佳参数设置的可靠性，进而提升数据清洗的智能化水平和效率。
