[发明专利]知识蒸馏优化RNN短期停电预测方法、存储介质及设备

摘要

本公开提供了一种知识蒸馏优化RNN短期停电预测方法、存储介质及设备，获取与停电故障高关联度特征，作为初始故障特征，将故障数据分为线性主体部分和非线性主体部分，以ARIMA算法实现对线性主体部分的短期数据预测，以RNN实现对非线性主体部分的预测，二者均作为softmax的输入，最终给出区域短期停电预测值，从而在保证预测精度的前提下，实现对RNN模型的精简和压缩，进而提高模型的运行速度和调参性能。

主权项

1.一种知识蒸馏优化RNN短期停电预测方法，其特征是：包括以下步骤：获取与停电故障高关联度特征，作为初始故障特征，基于停电故障样本，获取输电线故障、雷电故障及负荷不均衡故障特征数据，针对不同的故障建立ARIMA模型，得到相应的故障因子值；基于初始故障特征，采用RNN构建停电故障预测深层模型，输入得到的故障因子值以softmax输出对短期区域停电故障预测值，采用反向传播算法完成模型参数的调节，模型构建完成后提取全连接层的神经元输出数据作为非线性主体的预测值学习目标；将与输电线故障、雷电故障和负荷不均衡故障相关的线性停电特征数据剔除，简化模型的输入数据，并以简化后的特征数据为输入，构建浅层RNN非线性主体预测子模型，最终输出非线性主体预测值；以所有故障因子值和非线性主体预测值为softmax的输入，得到所属区域内停电故障的预测值。