近些年来，数字化、智能化引领光伏发电系统加速转型，数据的重要性不言而喻。但在光伏发电系统中，由于传输网络的脆弱性，数据缺失是必然的。传统基于数值统计分析的数据补全方法精度低，目前已有基于深度学习的数据补全方法大多只考虑了单台设备自身数据特征，而忽视了光伏电站内众多设备间隐含关系，在剧烈变化的工况中无法高精度补全数据。本文提出了基于时空特征的光伏电站数据补全方法，不仅利用逆变器自身数据的时间特征，还将多台设备间数据的空间特征纳入分析，大大提高了模型补全数据的精度，并能够在工况剧烈变化的情况下保持良好的精度。实验验证了所提方法的有效性和先进性。