【技术实现步骤摘要】
本专利技术涉及变压器负荷预测，尤其是涉及一种基于改进鲸鱼算法优化长短期记忆网络的方法、变压器负荷预测方法、介质和设备。
技术介绍
1、变压器负荷预测的目标是预测变压器的运行参数，例如油温和高压侧电流。然而，由于变压器运行环境的复杂性和非平稳性，准确预测变压器运行参数是一项具有挑战性的任务。
2、长短期记忆网络(long short-term memory，lstm)是一种有效的方法，它可以根据历史负荷数据来预测当前的运行参数。为获取较佳的预测精度，我们会不断调整lstm模型的参数(例如学习率和隐藏层中的神经元数量)。相较于人工调整这些参数，自动化的超参数优化方法能一定程度节省时间，且能获得准确性较佳的参数。然而，在预测结果要求日益严格的今天，常规的自动化超参数优化方案仍然需要进一步优化。
技术实现思路
1、基于此，有必要提供基于改进鲸鱼算法优化长短期记忆网络的方法、变压器负荷预测方法、介质和设备，以解决对于长短期记忆网络，常规的自动化超参数优化方案在优化时间及结果准确性上仍然需要进一步优的问题。
2、一种基于改进鲸鱼算法优化长短期记忆网络的方法，所述长短期记忆网络以变压器的特征参数为输入，且以变压器的预测负荷为输出，所述方法包括：
3、随机初始化长短期记忆网络的n个超参数组合，获取变压器的样本特征参数，将所述样本特征参数分别输入不同超参数组合设定下的长短期记忆网络，并根据长短期记忆网络的输出计算适应度，以得到n个超参数组合的适应度；
5、根据当前迭代次数自适应计算当前的控制参数、螺旋形状参数及第一行为选择阈值，及根据所述控制参数计算收缩扩展向量，及根据预设范围内的随机向量计算吸引力向量；其中，所述控制参数用于控制所述收缩扩展向量的范围，所述螺旋形状参数用于控制鲸鱼个体螺旋更新时螺旋运动的形状，行为选择阈值为鲸鱼选择不同捕食行为的临界值，所述收缩扩展向量用于控制鲸鱼个体位置的缩放和方向，所述吸引力向量用于调整鲸鱼个体与猎物之间的吸引力；
6、基于随机生成的行为选择随机数与所述第一行为选择阈值之间的比较结果，及所述收缩扩展向量的绝对值大小与预设的第二行为选择阈值之间的比较结果确定当前的参数更新方式，并根据当前的参数更新方式对当前的非最优参数组合进行更新；其中，参数更新方式包括螺旋更新、收缩包围更新及搜索更新，所述收缩包围更新及所述搜索更新基于所述收缩扩展向量及所述吸引力向量确定更新方式；
7、将所述样本特征参数分别输入当前最优参数组合或不同更新后的非最优参数组合设定下的长短期记忆网络，并根据长短期记忆网络的输出计算适应度，以得到更新后的n个超参数组合的适应度；
8、对更新后的n个超参数组合的适应度进行排序，并根据排序结果从更新后的n个超参数组合中确定当前的最优参数组合及非最优参数组合；
9、若所述当前迭代次数小于预设的迭代次数阈值，则令所述当前迭代次数+1，并返回执行所述根据当前迭代次数自适应计算当前的控制参数、螺旋形状参数及第一行为选择阈值的步骤及后续步骤，若所述当前迭代次数等于预设的迭代次数阈值，则基于当前的最优参数组合对长短期记忆网络进行设定，以得到目标长短期记忆网络。
10、在其中一个实施例中，所述超参数组合包括k个超参数，所述随机初始化长短期记忆网络的n个超参数组合，包括：
11、分别获取每个超参数的取值范围，并将每个超参数的取值范围均匀划分为n个区间；
12、在第k个超参数对应的取值范围内的每一个区间中随机选择一个点，以得到第k个超参数的n个随机点；其中，1≤k≤k；
13、每次随机选择每个超参数的一个随机点进行组合，以得到长短期记忆网络的n个超参数组合。
14、在其中一个实施例中，所述根据长短期记忆网络的输出计算适应度，以得到n个超参数组合的适应度，包括：
15、获取所述样本特征参数所对应的实际负荷，每次根据长短期记忆网络输出的预测负荷与所述实际负荷计算均方差，将得到n个均方差作为n个超参数组合的适应度；
16、所述对n个超参数组合的适应度进行排序，并根据排序结果从n个超参数组合中确定当前的最优参数组合及非最优参数组合，包括：
17、对n个均方差进行排序，并将均方差最小的超参数组合作为当前的最优参数组合，将除当前的最优参数组合外的超参数组合作为当前的非最优参数组合。
18、在其中一个实施例中，所述根据当前迭代次数自适应计算当前的控制参数、螺旋形状参数及第一行为选择阈值的计算公式，表示为：
19、
20、上式中，表示控制参数，t表示当前迭代次数，tmax表示所述迭代次数阈值，b表示螺旋形状参数，pa表示第一行为选择阈值，k、v、l、f表示预设的控制系数。
21、在其中一个实施例中，所述根据所述控制参数计算收缩扩展向量的计算公式，表示为：
22、
23、上式中，表示收缩扩展向量，表示在[0,1]范围之内的随机向量；
24、所述根据预设范围内的随机向量计算吸引力向量的计算公式，表示为：
25、
26、表示吸引力向量，表示在[0,1]范围之内的随机向量。
27、在其中一个实施例中，所述基于随机生成的行为选择随机数与所述第一行为选择阈值之间的比较结果，及所述收缩扩展向量的绝对值大小与预设的第二行为选择阈值之间的比较结果确定当前的参数更新方式，包括：
28、当随机生成的行为选择随机数大于或等于所述第一行为选择阈值时，将当前的参数更新方式设定为螺旋更新；
29、当随机生成的行为选择随机数小于所述第一行为选择阈值，且所述收缩扩展向量的绝对值小于预设的第二行为选择阈值时，将当前的参数更新方式设定为收缩包围更新；
30、当随机生成的行为选择随机数小于所述第一行为选择阈值，且所述收缩扩展向量的绝对值大于或等于预设的第二行为选择阈值时，将当前的参数更新方式设定为搜索更新。
31、在其中一个实施例中，所述根据当前的参数更新方式对当前的非最优参数组合进行更新，包括：
32、若当前的参数更新方式为螺旋更新，则对当前的非最优参数组合进行更新表示为：
33、
34、上式中，表示更新后的非最优参数组合，表示当前的非最优参数组合，表示当前的最优参数组合，b表示螺旋形状参数，l表示[0,1]之间的随机数；
35、若当前的参数更新方式为收缩包围更新，则对当前的非最优参数组合进行更新表示为：
36、
37、上式中，表示收缩扩展向量，表示吸引力向量；
38、若当前的参数更新方式为搜索更新，则对当前的非最优参数组合进行更新表示为：
39、
40、上式中，表示n个超参数组本文档来自技高网...
【技术保护点】
1.一种基于改进鲸鱼算法优化长短期记忆网络的方法，其特征在于，所述长短期记忆网络以变压器的特征参数为输入，且以变压器的预测负荷为输出，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述超参数组合包括K个超参数，所述随机初始化长短期记忆网络的n个超参数组合，包括：
3.根据权利要求1所述的方法，其特征在于，所述根据长短期记忆网络的输出计算适应度，以得到n个超参数组合的适应度，包括：
4.根据权利要求1所述的方法，其特征在于，所述根据当前迭代次数自适应计算当前的控制参数、螺旋形状参数及第一行为选择阈值的计算公式，表示为：
5.根据权利要求4所述的方法，其特征在于，所述根据所述控制参数计算收缩扩展向量的计算公式，表示为：
6.根据权利要求1所述的方法，其特征在于，所述基于随机生成的行为选择随机数与所述第一行为选择阈值之间的比较结果，及所述收缩扩展向量的绝对值大小与预设的第二行为选择阈值之间的比较结果确定当前的参数更新方式，包括：
7.根据权利要求6所述的方法，其特征在于，所述根据当前的参数更新方式对当前
8.一种变压器负荷预测方法，其特征在于，所述方法包括：
9.一种计算机可读存储介质，其特征在于，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如权利要求1至8中任一项所述方法的步骤。
10.一种终端设备，其特征在于，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如权利要求1至8中任一项所述方法的步骤。
...【技术特征摘要】
1.一种基于改进鲸鱼算法优化长短期记忆网络的方法，其特征在于，所述长短期记忆网络以变压器的特征参数为输入，且以变压器的预测负荷为输出，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述超参数组合包括k个超参数，所述随机初始化长短期记忆网络的n个超参数组合，包括：
3.根据权利要求1所述的方法，其特征在于，所述根据长短期记忆网络的输出计算适应度，以得到n个超参数组合的适应度，包括：
4.根据权利要求1所述的方法，其特征在于，所述根据当前迭代次数自适应计算当前的控制参数、螺旋形状参数及第一行为选择阈值的计算公式，表示为：
5.根据权利要求4所述的方法，其特征在于，所述根据所述控制参数计算收缩扩展向量的计算公式，表示为：
6.根据权利要求1所述的...
【专利技术属性】
技术研发人员：邹德旭，王山，洪志湖，代维菊，彭庆军，周仿荣，严敬义，徐肖伟，孙灏若，史俊，郭涛，毛兴，孙再超，董俊贤，李洪伟，
申请(专利权)人：云南电网有限责任公司电力科学研究院，
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。