一种GIS气体状态预测方法及系统技术方案

本发明专利技术公开了一种GIS气体状态预测方法及系统。本发明专利技术的预测方法包括：数据预处理；建立以GRU为基本单元的Seq2Seq时序预测模型；Seq2Seq时序预测模型采用注意力机制自动提取输入时间序列关键时间点并分配相应权重，并计算当前时刻对应编码器输出的特征向量；在训练阶段采用线性衰减Scheduled Sampling算法；在测试阶段则采用Teacher Forcing算法；训练过程中损失函数取L1 Loss，经过1000次迭代后所得Seq2Seq时序预测模型对未来一段时间内GIS气体状态进行预测。本发明专利技术使Seq2Seq时序预测模型在实际测试时具有较高的容错性能，提升了Seq2Seq时序预测模型的预测精度。Seq2Seq时序预测模型的预测精度。Seq2Seq时序预测模型的预测精度。

【技术实现步骤摘要】
一种GIS气体状态预测方法及系统


[0001]本专利技术属于GIS气体状态预测领域，涉及一种GIS气体状态预测方法及系统。

技术介绍

[0002]气体绝缘组合开关(GIS)对保护电力设备和调控设备入网运行有重要作用，GIS常见故障中，气体绝缘故障占比38.1％，气体泄漏故障占比9.5％，因此对GIS中SF6气体状态未来的变化趋势进行预测可以有效评估GIS健康状态，提前发现故障隐患，对保证GIS设备的安全可靠工作具有重要现实意义。
[0003]现有的GIS气体状态(主要包括气体密度、压力及温度等参数)预测方法中，统计预测方法主要包括时间序列模型和灰色模型，但该方法拟合函数单一，精度受时间序列本身的分布规律影响较大。组合预测方法则受各种预测方法权值选择影响较大，且无法挖掘时序信息间的依赖关系。
[0004]人工智能方法典型代表有支持向量机回归模型SVR和多层感知机模型MLP。然而上述方法割裂了输入时序信息间依赖关系，因此被具有更好适应性能和稳定性能的循环神经网络RNN模型取代。以LSTM和GRU为代表的RNN预测模型由于门控单元的引本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种GIS气体状态预测方法，其特征在于，包括：步骤1，数据预处理，所述的数据为GIS气体密度、压力及温度数据；步骤2，建立以GRU为基本单元的Seq2Seq时序预测模型；步骤3，Seq2Seq时序预测模型采用注意力机制按公式(3)自动提取输入时间序列关键时间点并分配相应权重{e
ij
}，按公式(4)和(5)计算当前时刻对应编码器输出的特征向量c
i
；e
ij
＝V
aT
tanh(W
a
s
i
‑1+U
a
h
j
)
ꢀꢀꢀꢀꢀ
(3)(3)式中，h
j
为编码器第j时刻的输出状态；V
aT
、W
a
与U
a
分别为计算注意力权重时全连接层对应权重，将在BP反传过程中更新数值；Tx为时间序列长度；s
i
‑1为上一时刻的最顶层隐层状态输出；步骤4，在训练阶段采用线性衰减Scheduled Sampling算法，即在训练早期主要使用真实标签作为编码器输入，以引导Seq2Seq时序预测模型快速过渡到合理状态；在训练后期，则更多地使用前一步编码器输出作为下一步的输入，以解决数据分布不一致的问题，对Seq2Seq时序预测模型进行微调直至收敛；在测试阶段则采用Teacher Forcing算法，即完全使用前一步编码器输出作为下一步输入；步骤5，训练过程中损失函数取L1 Loss，经过1000次迭代后所得Seq2Seq时序预测模型对未来一段时间内GIS气体状态进行预测。2.根据权利要求1所述的一种GIS气体状态预测方法，其特征在于，步骤1中，数据预处理的具体内容如下：将GIS气体密度、压力及温度的特征参量数据按公式(1)进行归一化处理，式中，表示第j个数据样本，表示第j个数据样本的最小值，表示第j个数据样本的最大值；将数据映射到[0,1]之间，再以滑动窗口的形式构建数据集样本。3.根据权利要求2所述的一种GIS气体状态预测方法，其特征在于，步骤1中，以滑动窗口的形式构建数据集样本的具体过程如下：在长度为Tx的时间序列上，以L作为窗口宽度，1为滑动步长，共可构建Tx
‑
L+1组数据样本，设Lx为编码器时间步长，Ly为解码器时间步长，则取L＝Lx+Ly；由此，时间序列转为如式(2)所示的行数为Tx
‑
L+1、列数为L的矩阵，
其中，前Lx列作为Seq2Seq时序预测模型输入数据，后Ly列中预测特征参量序号所对应的矩阵则为输入数据对应的真实标签，矩阵的维度为[Tx
‑
L+1,L]。4.根据权利要求1所述的一种GIS气体状态预测方法，其特征在于，所述的Seq2Seq时序预测模型中，编码器采用双层BI
‑
GRU单元对原始输入时序数据进行编码；由于预测结果具有顺次生成的性质，解码器采用单向单层GRU单元输出GIS气体状态的预测结果。5.根据权利要求1所述的一种GIS气体状态预测方法，其特征在于，步骤4中，线性衰减Scheduled Sampling算法公式如下：ε
i
＝max(ε0,k1‑
ci)
ꢀꢀꢀ
(6)其中，ε0取0.1，k1和c分别取1和0.0015。6.根据权利要求1所述的一种GIS气体状态预测方法，其特征在于，还包括：步骤6，以公式(7)的平均相对误差计算公式和公式(8)的最大相对误差计算公式作为评判指标，用于评估Seq2Seq时序预测模型性能；平均相对误差反映预测结果偏离真实值的整体情况，最大相对误差则反映预测结果的稳定性能；整体情况，最大相对误差则反映预测结果的稳定性能；式中，y
i
为样本实测值、为预测值、T
y

【专利技术属性】
技术研发人员：王劭鹤，陈孝信，王绍安，李晨，胡俊华，钱平，徐华，金涌涛，侯慧娟，宋辉，盛戈暤，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：