【技术实现步骤摘要】
本申请属于一种特征选择方法，具体涉及一种用于输电线路参数预测的特征选择方法及相关装置。
技术介绍
1、现有输电线路参数的设计，多是在输电线路在架设好尚未投入运行状态下，利用电气设备人为施加一定电压，通过精密量测仪器测量线路双端电气参量计算产生。但当输电线路通电运行后，受输电网运行方式、线路环境和季节变化等工况因素影响，导致实际的线路参数与起初计算的参数值存在差异，将降低状态估计在局部电网区域的计算精度，及其它各种高级应用计算结果的准确性。
2、随着大数据与人工智能的快速发展，深度学习模型在输电线路参数预测领域受到了广泛关注。深度学习模型能够处理输电线路参数预测中涉及的非线性和多元关系，然而深度学习模型的预测准确性在很大程度上取决于特征组合的选择。合适的特征组合可以显著提高深度学习模型预测输电线路参数的精度。因此，合适的特征组合是深度学习模型取得准确结果的先决条件。然而，现有的输电线路工况特征数据特征越来越庞杂，虽然这为使用深度学习模型预测输电线路参数提供了更多的数据支撑，但也为从众多影响输电线路参数的数据特征中选择合适的特征
【技术保护点】
1.一种用于输电线路参数预测的特征选择方法，其特征在于，包括：
2.根据权利要求1所述用于输电线路参数预测的特征选择方法，其特征在于，所述全连接层包括两个并行且结构相同的全连接神经网络；
3.根据权利要求1或2所述用于输电线路参数预测的特征选择方法，其特征在于，所述选择预测误差最小的预测结果对应的特征组合，包括：
4.根据权利要求3所述用于输电线路参数预测的特征选择方法，其特征在于，所述激活函数f1为tanh激活函数，所述激活函数f2为sigmod激活函数。
5.根据权利要求4所述用于输电线路参数预测的特征选择方法，其特...
【技术特征摘要】
1.一种用于输电线路参数预测的特征选择方法，其特征在于，包括：
2.根据权利要求1所述用于输电线路参数预测的特征选择方法，其特征在于，所述全连接层包括两个并行且结构相同的全连接神经网络；
3.根据权利要求1或2所述用于输电线路参数预测的特征选择方法，其特征在于，所述选择预测误差最小的预测结果对应的特征组合，包括：
4.根据权利要求3所述用于输电线路参数预测的特征选择方法，其特征在于，所述激活函数f1为tanh激活函数，所述激活函数f2为sigmod激活函数。
5.根据权利要求4所述用于输电线路参数预测的特征选择方法，其特征在于，所述标签包括输电线路的电抗值、电阻值和/...
【专利技术属性】
技术研发人员：王小龙，贾来强，顾哲屹，刘亨洋，张天毅，山磊，段朝阳，白军虎，谢炜，杨金龙，陆浩，段维全，安泰康，宋锐，魏筱舟，任勇，郭致军，张晓峰，龚靖东，庄艳萍，刘昭君，杨萍，徐会风，李一凡，胡飞虎，
申请(专利权)人：国网甘肃省电力公司兰州供电公司，
类型：发明
国别省市：
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。