[发明专利]一种基于组合神经网络的海底电缆运行状态预测方法

说明书

本发明公开了一种基于组合神经网络的海底电缆运行状态预测方法，包括以下步骤：S1.根据海底电缆运行状态评估指标体系获取海底电缆评估指标数据，评估指标体系包括目标层、项目层和指标层；S2.通过多层次变权海底电缆运行状态评估模型对评估指标数据进行评估；S3.将海底电缆运行状态模型评估结果通过海底电缆运行状态量化模型进行量化获得健康分值，并构建特征数据集；S4.将特征数据集输入融合注意力机制的CNN‑BiGRU组合神经网络模型获得海底电缆运行状态预测结果；实现更准确全面评估海底电缆的运行状态，有效针对海缆不同运行时期自适应改变评估权重，得到更贴切的海底电缆运行状态；采用融合注意力机制的CNN‑BiGRU组合神经网络模型，使得预测结果更准确。

技术领域

本发明涉及电力技术领域，更具体的说是涉及一种基于组合神经网络的海底电缆运行状态预测方法。

背景技术

随着全球海洋战略思想的进一步强化，人类对海洋资源的开发和利用正处于飞速上升的阶段，其带动了海上风电场、海上油气平台等海洋工程的高速发展。海底电缆作为海上平台的能源与通信通道，不仅是海上平台与陆地的大动脉，更是海上平台与设备、水下生产系统之间电力和通讯的生命线，其安全的稳定运行不仅事关海上平台的正常工作运转，也是海洋工程有效推进的重要保障，因此充分利用各类监测信息，运用大数据分析等技术实时掌握海底电缆的运行情况，对海底电缆运行状态进行预测，可发现并及时处理潜在的问题，针对性地进行预防性维护，进而提高海底电缆运行的可靠性，降低海洋工程的运转风险，但是由于海底电缆所处环境的特殊性，无法对其进行常规的人为巡检或无人机巡检。

随着人工智能技术的飞速发展，卷积神经网络(Convolutional Neural Network,CNN)、长短期记忆神经网络(Long short-term memory,LSTM)、门控循环神经网络(GateRecurrent Unit,GRU)等智能算法在电力信息及电气设备状态预测方面被广泛应用。

目前大多数文献在电气设备状态评估及预测方面的研究主要集中变压器、电池等设备，如电力负荷预测、变压器状态预测、电池寿命预测等，刘云鹏等对大数据在电力设备状态监测中的应用和发展进行了阐述；姚程文等基于CNN-GRU对电力负荷进行预测，结合不同神经网络特征，提高了预测准确度，但是，海底电缆作为特殊电气设备，对其进行状态评估及预测相关领域的研究还较少，而对海底电缆的运行状态预测尚无讨论。

因此，如何提供一种基于组合神经网络的海底电缆运行状态预测方法是本领域技术人员亟需解决的问题。

发明内容

有鉴于此，本发明提供了一种基于组合神经网络的海底电缆运行状态预测方法，以解决现有技术对于海底电缆运行状态评估不够全面，且未有研究针对海底电缆运行状态预测的问题。

为了实现上述目的，本发明采用如下技术方案：

一种基于组合神经网络的海底电缆运行状态预测方法，包括以下步骤：

S1.根据海底电缆运行状态评估指标体系获取海底电缆评估指标数据，评估指标体系包括目标层、项目层和指标层；

S2.通过多层次变权海底电缆运行状态评估模型对评估指标数据进行评估；

S3.将海底电缆运行状态模型评估结果通过海底电缆运行状态量化模型进行量化获得健康分值，并构建特征数据集；

S4.将特征数据集输入融合注意力机制的CNN-BiGRU组合神经网络模型获得海底电缆运行状态预测结果。

优选的，海底电缆运行状态评估指标体系的过程包括对海底电缆运行状态进行在线监测、巡检指标及静态试验。

优选的，多层次变权海底电缆运行状态评估模型建立的步骤包括：

S21.基于改进层次分析法确定主观权重：

a.确定指标层指标重要度分值；