[發明專利]一種基于改進粒子群的氣體濃度的預測方法及裝置

在審

• 申請號: 202011002955.2
• 申請日: 2020-09-22
• 公開（公告）號: CN112132340A
• 公開（公告）日: 2020-12-25
• 發明（設計）人: 田小航;王榮泰;舒榮;徐文力;顧躍;趙燕團;張忠才;陳辛
• 申請（專利權）人: 云南電力技術有限責任公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06F30/27;G06N3/04;G06N3/08;G06N3/00
• 代理公司: 北京弘權知識產權代理事務所(普通合伙) 11363
• 代理人: 逯長明;許偉群

1.一種基于改進粒子群的氣體濃度的預測方法，其特征在于，所述方法包括：

獲取待預測變壓器的絕緣油中，任意一種待預測氣體的多個歷史時刻對應的歷史濃度組；所述歷史濃度組包括多個歷史濃度；一個歷史濃度對一個歷史時刻；

對所述歷史濃度組進行歸一化處理，得到歸一化后的歷史濃度組；

將歸一化后的歷史濃度組輸入氣體預測模型中，得到預測氣體濃度組；所述氣體預測模型包括歸一化后的歷史濃度組與預測氣體濃度組的對應關系；所述氣體預測模型基于長短期記憶網絡預測模型建立，并基于改進粒子群的方法優化；所述預測氣體濃度組包括多個預測氣體濃度。

2.根據權利要求1所述的方法，其特征在于，所述氣體預測模型采用以下方法訓練：

獲取樣本變壓器的絕緣油中，任意一種待預測氣體的P個樣本濃度構成的樣本濃度組；所述P個樣本濃度對應P個時刻；

對所述樣本濃度組進行歸一化處理，得到歸一化后的樣本濃度組；

將所述歸一化后的樣本濃度組劃分為輸入樣本濃度組和輸出樣本濃度組；所述輸入樣本濃度組由N個歸一化后的樣本濃度構成；所述輸出樣本濃度組由M個歸一化后的樣本濃度構成；P＝M+N，且N個歸一化后的樣本濃度中任意一個歸一化后的樣本濃度對應的時刻，早于M個歸一化后的樣本濃度中任意一個歸一化后的樣本濃度對應的時刻；

將所述輸入樣本濃度組作為輸入，將所述輸出樣本濃度組作為輸出，訓練得到所述氣體預測模型。

3.根據權利要求2所述的方法，其特征在于，將所述輸入樣本濃度組作為輸入，將所述輸出樣本濃度組作為輸出，訓練得到所述氣體預測模型，包括：

隨機初始化長短期記憶網絡預測模型的神經元個數以及長短期記憶網絡預測模型的學習率；

多次迭代更新神經元個數的速度、神經元個數的位置、學習率的速度以及學習率的位置，改變所述長短期記憶網絡預測模型的神經元個數以及所述長短期記憶網絡預測模型的學習率，得到多個訓練好的長短期記憶網絡預測模型；

將所述輸入樣本濃度組輸入多個訓練好的長短期記憶網絡預測模型中，得到多個樣本預測濃度組；

從多個樣本預測濃度組中確定出與所述輸出樣本濃度組最接近的最佳樣本預測濃度組；

將與所述最佳樣本預測濃度組對應的訓練好的長短期記憶網絡預測模型，確定為所述氣體預測模型。

4.根據權利要求3所述的方法，其特征在于，所述歸一化后的歷史濃度組采用以下方法確定：

其中，x^*為所述歸一化后的歷史濃度組中任意一個歸一化后的歷史濃度；x為所述歷史濃度組中任意一個歷史濃度；x_min為所述歷史濃度組中的最小歷史濃度；x_max為所述歷史濃度組中的最大歷史濃度。

5.根據權利要求1所述的方法，其特征在于，待預測氣體包括：

氫氣、甲烷、乙烷、乙烯、乙炔、一氧化碳以及二氧化碳。

6.一種基于改進粒子群的氣體濃度的預測裝置，其特征在于，所述裝置包括：

獲取模塊，用于獲取待預測變壓器的絕緣油中，任意一種待預測氣體的多個歷史時刻對應的歷史濃度組；所述歷史濃度組包括多個歷史濃度；一個歷史濃度對一個歷史時刻；

歸一化模塊，用于對所述歷史濃度組進行歸一化處理，得到歸一化后的歷史濃度組；

處理模塊，用于將歸一化后的歷史濃度組輸入氣體預測模型中，得到預測氣體濃度組；所述氣體預測模型包括歸一化后的歷史濃度組與預測氣體濃度組的對應關系；所述氣體預測模型基于長短期記憶網絡預測模型建立，并基于改進粒子群的方法優化；所述預測氣體濃度組包括多個預測氣體濃度。