[發(fā)明專利]一種基于改進(jìn)深度學(xué)習(xí)方法的變壓器頂層油溫預(yù)測方法在審
| 申請?zhí)枺?/td> | 202011007229.X | 申請日: | 2020-09-23 |
| 公開(公告)號(hào): | CN112115648A | 公開(公告)日: | 2020-12-22 |
| 發(fā)明(設(shè)計(jì))人: | 張麗娟;李詩勇;楊俊秋;薛靜;楊超;張霖;靳斌;施艷;申峻;李俊文;劉波;丁健;謝榮斌;王瑞果;陸禹初;郝越峰;郭天昀;康倢瀅;陳湫林;高奇思 | 申請(專利權(quán))人: | 貴州電網(wǎng)有限責(zé)任公司 |
| 主分類號(hào): | G06F30/27 | 分類號(hào): | G06F30/27;G06K9/00;G06N3/04;G06F113/08;G06F119/08 |
| 代理公司: | 南京禹為知識(shí)產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 32272 | 代理人: | 朱寶慶 |
| 地址: | 550002 貴*** | 國省代碼: | 貴州;52 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 一種 基于 改進(jìn) 深度 學(xué)習(xí)方法 變壓器 頂層 預(yù)測 方法 | ||
1.一種基于改進(jìn)深度學(xué)習(xí)方法的變壓器頂層油溫預(yù)測方法,其特征在于:包括,
從數(shù)據(jù)庫服務(wù)器中讀入變壓器頂層油溫的相關(guān)影響因素的原始數(shù)據(jù)集;
對(duì)所述原始數(shù)據(jù)集進(jìn)行分類、編號(hào)并進(jìn)行歸一化處理;
根據(jù)所述處理后的原始數(shù)據(jù)集利用頻譜分析主頻率法確定最佳模態(tài)層數(shù),并利用變分模態(tài)分解法提取每層模態(tài)的油溫?cái)?shù)據(jù);
門控循環(huán)單元神經(jīng)網(wǎng)絡(luò)利用所述每層模態(tài)的油溫?cái)?shù)據(jù)構(gòu)建各層模態(tài)的預(yù)測模型;
利用所述各層模態(tài)的預(yù)測模型得到各層模態(tài)的預(yù)測值,并進(jìn)行求和重構(gòu)得到整體序列的預(yù)測結(jié)果。
2.如權(quán)利要求1所述的基于改進(jìn)深度學(xué)習(xí)方法的變壓器頂層油溫預(yù)測方法,其特征在于:所述變壓器頂層油溫的相關(guān)影響因素包括,
變壓器油溫瞬時(shí)值、變壓器負(fù)荷有功功率瞬時(shí)值和環(huán)境溫度瞬時(shí)值,其采樣周期都為1h。
3.如權(quán)利要求1或2所述的基于改進(jìn)深度學(xué)習(xí)方法的變壓器頂層油溫預(yù)測方法,其特征在于:所述原始數(shù)據(jù)集進(jìn)行分類、編號(hào)包括,
將所述原始數(shù)據(jù)集進(jìn)行分類,將一年內(nèi)的三類所述瞬時(shí)值數(shù)據(jù)作為訓(xùn)練集,將待測試的一日數(shù)據(jù)作為測試集數(shù)據(jù),并對(duì)讀入數(shù)據(jù)進(jìn)行編號(hào)。
4.如權(quán)利要求3所述的基于改進(jìn)深度學(xué)習(xí)方法的變壓器頂層油溫預(yù)測方法,其特征在于:所述進(jìn)行歸一化處理包括,
將數(shù)據(jù)映射到0~1范圍之內(nèi)處理,其公式表示為如下:
其中:x′為歸一化后數(shù)據(jù),xmin為數(shù)據(jù)中的最小值,xmax為數(shù)據(jù)中的最大值。
5.如權(quán)利要求1~2和4任一所述的基于改進(jìn)深度學(xué)習(xí)方法的變壓器頂層油溫預(yù)測方法,其特征在于:所述利用頻譜分析主頻率法確定最佳模態(tài)層數(shù)包括,
利用所述訓(xùn)練集中一年的變壓器頂層油溫?cái)?shù)據(jù),作頻譜圖,尋找所述頻譜圖中的主要頻率數(shù)f,并將其作為最大預(yù)設(shè)模態(tài)數(shù)kmax,通過從小到大進(jìn)行取值,觀察使用變分模態(tài)分解法分解時(shí)最后一層模態(tài)分量中心頻率是否相對(duì)穩(wěn)定,若穩(wěn)定則認(rèn)為此時(shí)模態(tài)數(shù)k為最佳值。
6.如權(quán)利要求5所述的基于改進(jìn)深度學(xué)習(xí)方法的變壓器頂層油溫預(yù)測方法,其特征在于:所述利用變分模態(tài)分解法包括,
將輸入信號(hào)分解為k個(gè)具有中心頻率的有限帶寬,并稱之為模態(tài)uk,要使每個(gè)模態(tài)的帶寬估計(jì)之和最小,在所述變分模態(tài)分解法中,信號(hào)分解過程即為變分問題的求解過程,帶約束的變分問題的求解公式如下:
其中:{uk}:={u1,...,uk}為各模態(tài)分量,{ωk}:={ω1,...,ωk}為各模態(tài)分量中心頻率,δ(t)為沖激函數(shù),為對(duì)t求偏導(dǎo)數(shù),f為原信號(hào)。
7.如權(quán)利要求6所述的基于改進(jìn)深度學(xué)習(xí)方法的變壓器頂層油溫預(yù)測方法,其特征在于:所述帶約束的變分問題的求解包括,
使用拉格朗日乘法算子λ(t)來求出所述帶約束的變分問題的最優(yōu)解,將所述帶約束的變分問題轉(zhuǎn)化為無約束的變分問題,轉(zhuǎn)化公式如下:
其中:α為二次懲罰因子,L({uk},{ωk},λ)為拉格朗日函數(shù)表達(dá)形式,利用交替方向乘子算法求取上述拉格朗日函數(shù)的鞍點(diǎn),其具體過程如下所示:
初始化各模態(tài)分量以及中心頻率,λ1,n=0,將各參量變換入頻域內(nèi);
在非負(fù)頻率區(qū)間內(nèi),更新uk:
更新wk:
在非負(fù)頻率區(qū)間內(nèi),更新λ:
對(duì)于給定判定精度ε0,有:
其中:和分別為f(t)和λn+1對(duì)應(yīng)的傅里葉變換,滿足上式則停止迭代,否則重新進(jìn)行變分問題的求解。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于貴州電網(wǎng)有限責(zé)任公司,未經(jīng)貴州電網(wǎng)有限責(zé)任公司許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202011007229.X/1.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 數(shù)字學(xué)習(xí)方法及執(zhí)行此數(shù)字學(xué)習(xí)方法的攜帶式電子裝置
- 一種響應(yīng)式教學(xué)設(shè)計(jì)方法及系統(tǒng)
- 一種神經(jīng)網(wǎng)絡(luò)及該神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)方法
- 一種高光譜遙感影像目標(biāo)探測方法
- 一種八維學(xué)習(xí)方法
- 一種自適應(yīng)學(xué)習(xí)特征及其張量分解式分享學(xué)習(xí)方法
- 生成模型學(xué)習(xí)方法、生成模型學(xué)習(xí)裝置及程序
- 一種高精度定位系統(tǒng)及方法
- 學(xué)習(xí)方法、管理裝置和記錄介質(zhì)
- 一種基于圖像屬性特征表述的少樣本學(xué)習(xí)方法





