[發明專利]一種基于柵格神經網絡的多參量聯合預測方法

在審

• 申請號: 202011246394.0
• 申請日: 2020-11-10
• 公開（公告）號: CN112348263A
• 公開（公告）日: 2021-02-09
• 發明（設計）人: 王驊;代杰杰;陸昱;徐若軍;劉芳;謝婧
• 申請（專利權）人: 國網上海市電力公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06N3/04;G06N3/08;G06Q50/06
• 代理公司: 上海兆豐知識產權代理事務所(有限合伙) 31241
• 代理人: 章蔚強

本發明公開了一種基于柵格神經網絡的多參量聯合預測方法，包括如下步驟：步驟1，將K階測量點通過離差標準化方法歸一化處理得到數據表示X；步驟2，對X通過LSTM網絡提取預測參數，其中LSTM采用沿時間反向傳播算法訓練，h_t?k為隱層表達，包括和上一層隱層狀態作為下一層網絡的輸入，形成預測特征深度挖掘結構；步驟3，將步驟2中提取的特征量間關聯關系作為初始參數對前饋神經網絡輸出層權值進行調整，前饋神經網絡作為推理預測層，輸出預測結果；步驟4，根據訓練數據得到的預測參數，對測試集中未來時刻狀態量進行測試，驗證預測精度。本發明能夠應用在線收集的多元數據對電力設備運行狀態進行監控。

技術領域

本發明涉及一種用于智能電網自動監測領域的基于柵格神經網絡的多參量聯合預測方法。

背景技術

電力設備運行狀態的監控對于確保電網安全運行至關重要。目前電網公司主要采用人工巡視、帶電檢測的方式對電力設備進行巡檢。然而這種方式存在兩方面問題：1)人工巡視工作量大、效率低、成本高，導致巡視人員工作量繁重，巡視壓力較大，電網規模快速增長與設備運維人員配置的矛盾日益突出2)人工巡視存在巡視盲區，運維人員無法實現全天候、全時段、全方位巡視。近年來，為解決配電房運行巡視存在的問題，在線監測系統和巡檢機器人得到較多的研發和應用，但是在線監測收集獲得的多元數據難以被有效利用，只能形成相互不關聯的數據集合，無法實際應用于對于電力設備的狀態監控和狀態預測中。

發明內容

本發明的目的是為了克服現有技術的不足，提供一種基于柵格神經網絡的多參量聯合預測方法，它能夠應用在線收集的多元數據對電力設備運行狀態進行監控。

實現上述目的的一種技術方案是：一種基于柵格神經網絡的多參量聯合預測方法，包括如下步驟：

步驟1，將K階測量點通過離差標準化方法歸一化處理得到數據表示X；

步驟2，對X通過LSTM網絡提取預測參數，其中LSTM采用沿時間反向傳播算法訓練，h_t-k為隱層表達，包括和上一層隱層狀態作為下一層網絡的輸入，形成預測特征深度挖掘結構；

步驟3，將步驟2中提取的特征量間關聯關系作為初始參數對前饋神經網絡輸出層權值進行調整，前饋神經網絡作為推理預測層，輸出預測結果；

步驟4，根據訓練數據得到的預測參數，對測試集中未來時刻狀態量進行測試，驗證預測精度。

進一步的，所述LSTM網絡有三個門控開關來保護和控制單元狀態，分別為輸入門、遺忘門和輸出門分別對應著變壓器相關狀態量的注入，累積和輸出操作。

進一步的，所述K階測量點的輸入特征量分別為局放信號、紅外信號、溫度數據和濕度數據。

本發明的一種基于柵格神經網絡的多參量聯合預測方法，以局放、紅外、溫濕度等為輸入特征量，通過LSTM網絡(柵格長短時記憶網絡)依據序列數據統計關系的特征提取，確定該參量自身時間維度的相關性。同時從高維復雜的輸入數據中提取抽象的相關特征，激活強相關影響因素，抑制、弱化無關和冗余信息。最后將挖掘的預測參數提供給前饋神經網絡，預測得到變壓器狀態量變化趨勢。

附圖說明

圖1為本發明的一種基于柵格神經網絡的多參量聯合預測方法的流程示意圖。

具體實施方式

為了能更好地對本發明的技術方案進行理解，下面通過具體地實施例進行詳細地說明：

請參閱圖1，本發明的一種基于柵格神經網絡的多參量聯合預測方法，包括如下步驟：

步驟1，將K階測量點通過離差標準化方法歸一化處理得到數據表示X。所述K階測量點的輸入特征量分別為局放信號、紅外信號、溫度數據和濕度數據。