[發明專利]一種GIS氣體狀態預測方法及系統

在審

• 申請號: 202210055049.1
• 申請日: 2022-01-18
• 公開（公告）號: CN114492974A
• 公開（公告）日: 2022-05-13
• 發明（設計）人: 王劭鶴;陳孝信;王紹安;李晨;胡俊華;錢平;徐華;金涌濤;侯慧娟;宋輝;盛戈暤
• 申請（專利權）人: 國網浙江省電力有限公司電力科學研究院;上海交通大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/06;G06Q50/06;G06F30/27;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 浙江翔隆專利事務所(普通合伙) 33206
• 代理人: 張建青

本發明公開了一種GIS氣體狀態預測方法及系統。本發明的預測方法包括：數據預處理；建立以GRU為基本單元的Seq2Seq時序預測模型；Seq2Seq時序預測模型采用注意力機制自動提取輸入時間序列關鍵時間點并分配相應權重，并計算當前時刻對應編碼器輸出的特征向量；在訓練階段采用線性衰減Scheduled Sampling算法；在測試階段則采用Teacher Forcing算法；訓練過程中損失函數取L1 Loss，經過1000次迭代后所得Seq2Seq時序預測模型對未來一段時間內GIS氣體狀態進行預測。本發明使Seq2Seq時序預測模型在實際測試時具有較高的容錯性能，提升了Seq2Seq時序預測模型的預測精度。

技術領域

本發明屬于GIS氣體狀態預測領域，涉及一種GIS氣體狀態預測方法及系統。

背景技術

氣體絕緣組合開關(GIS)對保護電力設備和調控設備入網運行有重要作用，GIS常見故障中，氣體絕緣故障占比38.1％，氣體泄漏故障占比9.5％，因此對GIS中SF₆氣體狀態未來的變化趨勢進行預測可以有效評估GIS健康狀態，提前發現故障隱患，對保證GIS設備的安全可靠工作具有重要現實意義。

現有的GIS氣體狀態(主要包括氣體密度、壓力及溫度等參數)預測方法中，統計預測方法主要包括時間序列模型和灰色模型，但該方法擬合函數單一，精度受時間序列本身的分布規律影響較大。組合預測方法則受各種預測方法權值選擇影響較大，且無法挖掘時序信息間的依賴關系。

人工智能方法典型代表有支持向量機回歸模型SVR和多層感知機模型MLP。然而上述方法割裂了輸入時序信息間依賴關系，因此被具有更好適應性能和穩定性能的循環神經網絡RNN模型取代。以LSTM和GRU為代表的RNN預測模型由于門控單元的引入，可以更有效處理時間序列中的長期依賴問題，但對于長時間預測精度仍有較大提升空間。

發明內容

本發明所要解決的技術問題是克服上述現有技術存在的缺陷，提供一種GIS氣體狀態預測方法及系統，以進行任意輸入輸出長度的時序預測，并深入挖掘時序數據間聯系，提取關鍵時間點進行較長時間的預測；使預測模型在實際測試時具有較高的容錯性能，以提升預測模型的預測精度。

為此，本發明采用的一種技術方案為：一種GIS氣體狀態預測方法，其包括：

步驟1，數據預處理，所述的數據為GIS氣體密度、壓力及溫度數據；

步驟2，建立以GRU為基本單元的Seq2Seq時序預測模型；

步驟3，Seq2Seq時序預測模型采用注意力機制按公式(3)自動提取輸入時間序列關鍵時間點并分配相應權重{e_ij}，按公式(4)和(5)計算當前時刻對應編碼器輸出的特征向量c_i；

e_ij＝V_a^Ttanh(W_as_i-1+U_ah_j) (3)

式中，h_j為編碼器第j時刻的輸出狀態；V_a^T、W_a與U_a分別為計算注意力權重時全連接層對應權重，將在BP(Back Propagation，反向傳播)反傳過程中更新數值；Tx為時間序列長度；s_i-1為上一時刻的最頂層隱層狀態輸出；