[发明专利]一种基于LSTM神经网络的电能质量稳态指标预测与预警方法

权利要求书

1.一种基于LSTM神经网络的电能质量稳态指标预测与预警方法，其特征在于，具体包括以下步骤：

S1、获取电能质量监测点的电能质量稳态指标历史数据，并进行数据标准化处理，同时建立LSTM神经网络数据模型；

S2、标准化处理后的电能质量稳态指标历史数据作为训练样本输入LSTM神经网络数据模型进行训练，根据预测评价指标判断是否输出的数据是否满足精度要求，若是则将此时的模型参数作为最终LSTM神经网络模型参数；

S3、获取实时的电能质量稳态指标数据，输入设置完成最终LSTM神经网络模型参数的LSTM神经网络模型，得到电能质量稳态指标预测数据；

S4、电能质量稳态指标预测数据与电能质量稳态指标预警等级设置的相关阈值进行比较，得到预警信息并存入预警信息表中，同时发送预警信息至移动终端；

S5、获取距离上次数据更新的间隔时间，判断间隔时间是否达到数据更新阈值，若是则转至步骤S1进行下次数据更新。

2.根据权利要求1所述的一种基于LSTM神经网络的电能质量稳态指标预测与预警方法，其特征在于，所述步骤S1中数据标准化处理具体为MIN-MAX标准化处理。

3.根据权利要求1所述的一种基于LSTM神经网络的电能质量稳态指标预测与预警方法，其特征在于，所述LSTM神经网络数据模型中设有记忆单元、输出单元和遗忘矩阵。

4.根据权利要求3所述的一种基于LSTM神经网络的电能质量稳态指标预测与预警方法，其特征在于，所述遗忘矩阵中设有遗忘门，计算上一时刻的单元状态中传送到下一刻的单元状态的信息，具体公式如下：

f_t＝σ(W_f·[h_t-1,x_t]+b_f)

其中，f_t为遗忘门，W_f为遗忘门的权重系数矩阵，b_f为遗忘门的偏置项，h_t-1为上一时刻隐藏层的状态输出，X_t为当前的输入量。

5.根据权利要求4所述的一种基于LSTM神经网络的电能质量稳态指标预测与预警方法，其特征在于，所述遗忘门的取值范围为[0，1]，0表示完全不允许通过，1表示允许完全通过。

6.根据权利要求4所述的一种基于LSTM神经网络的电能质量稳态指标预测与预警方法，其特征在于，所述记忆单元对单元状态进行更新，具体公式为：

其中，C_t为更新后的单元状态，C_t-1为上一时刻的单元状态，为需要保留的信息。

7.根据权利要求6所述的一种基于LSTM神经网络的电能质量稳态指标预测与预警方法，其特征在于，所述输出单元的计算公式如下所示：

o_t＝σ(W_o[h_t-1,x_t]+b_o)

h_t＝o_t*tanh(C_t)

其中，o_t为初始输出，h_t为最终输出，σ为sigmoid函数，tanh为双曲正切激活函数，W_o为输出单元的权重系数矩阵，b_o为输出单元的偏置项。

8.根据权利要求7所述的一种基于LSTM神经网络的电能质量稳态指标预测与预警方法，其特征在于，所述输出单元通过sigmoid函数将初始输出的值限制在[0，1]范围内，通过tanh双曲正切激活函数将更新后的单元状态控制在[-1，1]范围，最终输出的数值范围为[0，1]。

9.根据权利要求1所述的一种基于LSTM神经网络的电能质量稳态指标预测与预警方法，其特征在于，所述步骤S2中预测评价指标包括均方根误差和平均绝对误差。

10.根据权利要求1所述的一种基于LSTM神经网络的电能质量稳态指标预测与预警方法，其特征在于，所述电能质量稳态指标预警等级具体包括从轻微到严重的4个预警等级。