一种基于Prophet-LSTM模型的SF6设备气体压力预测方法技术

技术编号:32363546 阅读:72 留言:0更新日期:2022-02-20 03:34
本发明专利技术涉及一种基于Prophet

【技术实现步骤摘要】
一种基于Prophet

LSTM模型的SF6设备气体压力预测方法


[0001]本专利技术涉及一种用于电力设备检测领域的基于Prophet

LSTM模型的SF6设备气体压力预测方法。

技术介绍

[0002]SF6(六氟化硫)气体具备良好的绝缘和灭弧特性,目前在变电设备中得到了广泛的应用,然而SF6作为变电设备的绝缘介质也存在着一些隐患。例如在密闭的GIS(气体绝缘变电站)设备内普遍存在的气体泄露问题,一旦发生泄露,由于高压电弧的作用,SF6将发生分解,产生一些有毒物质,进而导致GIS室空气缺氧带毒,威胁到人员安全,另一方面SF6气体泄露也会降低设备的绝缘及灭弧性能,因此,有必要采取措施实现对SF6气体压力快速且有效的监测,从而判断设备的泄露故障。除此之外,变电一次设备大部分故障都是以热的形式表现出来,而这种热量的释放都是通过SF6气体完成的,在这样的热量交换过程中将不可避免地引起SF6气体压力的改变,因而SF6气体压力的实时监测对于分析设备的过热类故障也具有重要意义。
[0003]目前,针对类似SF本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于Prophet

LSTM模型的SF6设备气体压力预测方法,其特征在于,包括如下步骤:S1、通过SF6设备的气压传感器获取过去一年中SF6气压时序数据;S2、预处理获取的SF6历史气压数据:包括对缺失数据、重复和冗余数据、异常或错误数据的处理,考虑到训练模型中数据取值范围相差过大可能引起模型权重分配错误的问题,进一步对数据进行归一化处理,然后将其分为训练集和测试集;S3、训练阶段:将训练集数据分别输入到Prophet模型和经贝叶斯优化的LSTM模型进行训练,同时获取组合模型的最优权重系数;S4、测试阶段:待Prophet

LSTM组合模型训练完成后,将测试集数据输入到Prophet

LSTM组合模型进行预测,以二者输出结果的线性加权值为最终的测试集预测结果;S5、对组合模型的预测效果进行检验,若测试集预测结果与实际的测试集误差满足要求,则保留当前的组合预测模型的结构与参数,否则返回训练阶段。2.根据权利要求1所述的一种基于Prophet

LSTM模型的SF6设备气体压力预测方法,其特征在于,所述步骤S2的具体包括:S21、采用邻近值填补方法处理缺失数据,以前后相邻位置数据的平均值代替缺失值;S22、删除重复或冗余的数据;S23、利用人为设定的范围来识别异常和错误数据,并将其视为缺失值进行处理;S24、为了加快预测模型的收敛速度以及预测精度,采用最小最大(min

max)归一化方法对数据做进一步处理,将数据压缩至区间[0,1],同时消除量纲不同的影响,转换公式如下:其中,x为SF6历史气压数据的实际值,max和min分别为其最大值和最小值,x
*
表示归一化后的数据。3.根据权利要求1所述的所述的一种基于Prophet

LSTM模型的SF6设备气体压力预测方法,其特征在于,所述步骤S3中Prophet模型能够有效分析数据的周期性、节假日效应以及未来趋势等时间序列特征,使用Prophet模型进行训练的步骤如下:Prophet模型将设备数据分解为三个部分,g(t)表示数据中的非周期项、h(t)表示数据中的节假日项,s(t)表示数据中的周期项,公式为:P=g(t)+s(t)+h(t)+ε
t
对于非周期项的数据,使用逻辑增长模型进行建模,公式为:其中,C表示预测模型的容量,k是趋势增长率,...

【专利技术属性】
技术研发人员:陆敏安郑真陈敬德顾华樊汝森黄强陈亚杰徐友刚张红燕李建宁黄一楠
申请(专利权)人:国网上海市电力公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1