申请/专利权人:三峡大学;国网湖北省电力有限公司宜昌供电公司
申请日:2023-12-08
公开(公告)日:2024-04-16
公开(公告)号:CN117894389A
主分类号:G16C20/30
分类号:G16C20/30;G16C20/70;G06N3/0442;G06N3/08
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.05.03#实质审查的生效;2024.04.16#公开
摘要:本发明提供一种基于SSA优化VMD和LSTM的变压器油中溶解气体浓度数据预测方法,包括如下步骤:S1、利用SSA算法优化VMD模型的分解模态个数K和惩罚参数ɑ;S2、用优化后的VMD模型将监测到的变压器油中气体溶解浓度数据分解为多个子序列;S3、利用SSA算法优化LSTM模型隐藏层神经元个数、迭代次数和学习率参数;S4、对各子序列用优化后的LSTM模型进行预测,叠加得到数值预测结果并评价;S5、构建各时刻预测结果集合,计算各集合自适应最优窗宽,根据最优窗宽和高斯核函数拟合KDE的变压器油中气体溶解浓度预测区间。该方法基于麻雀搜索算法优化变分模态分解参数对监测数据进行模态分解,并用SSA对长短时记忆网络模型进行优化,能够提高预测精度。
主权项:1.一种基于SSA优化VMD和LSTM的变压器油中溶解气体浓度数据预测方法,其特征在于,包括如下步骤:S1、利用SSA算法优化VMD模型的分解模态个数K和惩罚参数ɑ;S2、用优化后的VMD模型将监测到的变压器油中气体溶解浓度数据分解为多个子序列;S3、利用SSA算法优化LSTM模型隐藏层神经元个数、迭代次数和学习率参数;S4、对各子序列用优化后的LSTM模型进行预测,叠加得到数值预测结果并评价;S5、构建各时刻预测结果集合,计算各集合自适应最优窗宽,根据最优窗宽和高斯核函数拟合KDE的变压器油中气体溶解浓度预测区间。
全文数据:
权利要求:
百度查询: 三峡大学;国网湖北省电力有限公司宜昌供电公司 基于SSA优化VMD和LSTM的变压器油中溶解气体浓度数据预测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。