本发明公开了一种基于孤立森林对抗网络的异常数据重构方法及系统，涉及异常数据重构技术领域。本发明提出一种基于孤立森林对抗网络的异常数据重构方法，通过构建孤立森林模型可以高效辨识负荷中的异常数据；并且鉴于神经网络强大的学习能力，采用GRU网络构建生成器，将引入余弦相似度和Smooth L1函数对损失函数进行改进，解决了GAN模型收敛速度慢和数据重构精度低的问题；实验结果表明，与传统GAN和KNN等多个缺失数据填补模型相比，在不同缺失方式下，CGAN的重构效果最优，并可以有效改善负荷数据集质量，从而进一步提高数据填补的精度。本发明能够充分挖掘负荷与影响因素之间的非线性关系，提高了数据分析和建模的准确性，为电力系统的运行和管理提供了有益效果。