采用迁移学习与多物理场耦合仿真等方法，构建了涵盖极端天气、系统故障及其复合场景的短期异常数据集。相较于常规数据集，异常数据集的时空信息更为复杂，并且也会受到来自极端气象等因素干扰，导致系统源节点和负载节点随机波动性更为明显，但是二者节点间的特征变化及关联关系是一致的，因此，在原有构建常规数据集的模型基础之上，通过迁移学习的方式实现异常数据集的构建。

极端天气

共考虑了寒潮、暴雪、高温和连续无风四种极端天气情况，数据生成结果如下：

极端天气下系统数据生成结果

在寒潮天气下，主要对系统整体负荷影响较大，系统电、气、热负荷峰值明显上升，分别达常规值的约1.7、1.8和2.1倍，负荷峰谷差扩大；在持续暴雪天气下，系统电、热整体负荷上升，光伏机组表面因积雪覆盖以及辐射度降低，出力下降。高温天气时段，系统电、冷整体负荷上升，光伏机组的组件受外界温度升高影响效率降低，因此出现出力下降现象；在连续无风情况下，风速长时间小于风电机组切入风速，风电机组连续5天以上出力小于装机容量的20%，无法为配电网提供足量功率供给。

系统故障

系统故障可分为设备故障和管线故障两种类型，此处以管线故障下某一时刻正常运行情况与故障情况下节点参数的变化进行对比展示。

管线故障下系统数据生成结果

可以看到在故障发生后，对系统的节点电压、节点压力、供水温度、负荷供给都造成了一定的影响。

极端天气叠加系统故障数据

某时刻系统受寒潮影响发生CCHP单元供气管道冰冻封堵致其停机、部分风机叶片结冰停机故障，具体情况如下：

寒潮天气叠加系统故障系统数据生成结果

可以看出受寒潮影响，电、气、热终端负荷均出现大幅增长，而CCHP单元由于缺少燃气供应停机，且风机电站出力下降，因此P2G单元停止工作，电储能由充电状态转为放电状态，配电站出力明显增长；同时部分节点失冷负荷，备用电制冷单元启动供应。