[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在审

专利信息
申请号: 202110126803.1 申请日: 2021-01-29
公开(公告)号: CN112766598A 公开(公告)日: 2021-05-07
发明(设计)人: 王大龙;张菁;任丽佳;吕伟;胡进才;欧阳文安 申请(专利权)人: 上海工程技术大学
主分类号: G06Q10/04 分类号: G06Q10/04;G06Q10/06;G06Q50/06;G06N3/04
代理公司: 上海科盛知识产权代理有限公司 31225 代理人: 宣慧兰
地址: 201620 *** 国省代码: 上海;31
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 lstm 神经网络 电能 质量 稳态 指标 预测 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:

ft=σ(Wf·[ht-1,xt]+bf)

其中,ft为遗忘门,Wf为遗忘门的权重系数矩阵,bf为遗忘门的偏置项,ht-1为上一时刻隐藏层的状态输出,Xt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,Ct为更新后的单元状态,Ct-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:

ot=σ(Wo[ht-1,xt]+bo)

ht=ot*tanh(Ct)

其中,ot为初始输出,ht为最终输出,σ为sigmoid函数,tanh为双曲正切激活函数,Wo为输出单元的权重系数矩阵,bo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。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于上海工程技术大学,未经上海工程技术大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110126803.1/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top