一种基于神经网络的架空导线温度预测方法技术

一种基于神经网络的架空导线温度预测方法，所述方法包括：获取架空导线的温度、电流、载流量和环境温度、风速、太阳辐射量等环境因素；将架空导线的温度、电流、载流量和环境温度、风速、太阳辐射量等环境因素制作成数据并进行预处理和数据降维；构建TCN

【技术实现步骤摘要】
一种基于神经网络的架空导线温度预测方法


[0001]本专利技术属于架空导线温度预测
，具体为一种基于神经网络的架空导线温度预测方法。

技术介绍

[0002]为了随着我国社会经济和科技逐步迈入高质量发展，电能作为二次能源相比化石能源有着更加丰富的获取方式和更高的使用效率，提高电能在能源结构中的占比，能够大量减少碳排放，能更有效地利用能源。电能推动着整个社会的运转，是关乎国民生产生活的基础产业，支撑着我国高质量的发展。因此我们对电能的需求和电能的质量有着比以往更高的要求。电能不能大规模存储，具有即发即用的特点，因此保证电能的发、输、配、变、用各个环节的动态平衡是保证电能安全性、可靠性的基础。
[0003]电力电缆的温度数据是反应电力运输系统是否健康运行的重要指标，影响电力电缆温度的因素众多，通过对历史数据进行挖掘和分析，能够有效预测电力电缆的未来温度变化。电力电缆的温度数据是按照一定的时间间隔，通过连续采样得到的时间序列数据。近年来，随着深度学习技术的不断发展，针对时间序列数据的预测神经网络越来越多，应用广泛，如负荷预测、股价预测、温本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于神经网络的架空导线温度预测方法，其特征在于，包括以下步骤：1)获取架空导线的温度、电流、载流量和环境温度、风速和太阳辐射量环境因素；2)将架空导线的温度、电流、载流量和环境温度、风速和太阳辐射量环境因素制作数据，对数据集进行降维处理；3)建立TCN
‑
LSTM神经网络模型，将降维后的数据集输入模型，经过训练得到TCN
‑
LSTM架空导线温度预测模型；4)基于得到的TCN
‑
LSTM架空导线温度预测模型；将架空导线的温度、电流、载流量和环境温度、风速和太阳辐射量环境因素输入模型，得到预测的架空导线温度数据。2.根据权利要求1所述的一种基于神经网络的架空导线温度预测方法，其特征在于，所述步骤1)温度、电流、载流量和环境温度、风速和太阳辐射量环境因素，具体如下包括：利用架空导线监测设备、环境监测设备按照5分钟/次的频率提取所需要的数据，以时间顺序进行排列，得到架空导线的温度、电流、载流量数据和环境温度、风速、太阳辐射量数据。3.根据权力要求1所述的一种基于神经网络的架空导线温度预测方法，其特征在于，所述步骤2)具体步骤包括：其中，μ为数据的均值，σ为数据的标准差；(2
‑
1)样本数据标准化，将数据集X中每一列要素进行Z
‑
Score标准化，得到标准化数据集A：Z
‑
Score标准化表达式如下：其中，μ为数据的均值，σ为数据的标准差。(2
‑
2)计算标准化数据集的A的协方差矩阵R：(2
‑
3)计算协方差矩阵R的特征值λ和对应的特征向量w，求解方程如下：|λE
‑
R|＝0(2
‑
4)对协方差矩阵的所有特征值进行排序，得到数值最高的前k个特征值λ1＞λ2＞
…
＞λ
k
，并整理出每个特征值对应的特征向量组成的投影矩阵P＝(w1,w1,...,w
k
)(2
‑
5)根据投影矩阵P将原始数据集映射到新的样本空间中。Y＝P
T
X(2
‑
6)对重构数据Y进行归一化；(2
‑
7)通过滑动窗口获取指定长度的数据集，包括：设定滑动窗口...

【专利技术属性】
技术研发人员：王立辉，孔维恒，金伟明，
申请(专利权)人：东南大学，
类型：发明
国别省市：