【技术实现步骤摘要】
本专利技术涉及数据处理，特别是涉及基于双向长短时记忆神经网络的sf6湿度预测方法和装置。
技术介绍
1、gis设备，全称为气体绝缘开关设备(gas insulated switchgear)，是一种高压电气设备，主要用于电力系统中的电力控制和保护，一旦gis设备出现泄漏故障，sf6气体湿度数值会显著上升；更为严重的是，sf6气体在电弧作用下会分解，其分解产物与空气中的水分反应，会生成具有强腐蚀性的酸性物质，对设备造成严重损害；因此，准确监测sf6气体的湿度状态对于确保gis设备的正常运行至关重要。gis设备中sf6气体的湿度测试通常遵循每三年一次的周期进行，针对那些湿度数值增长较快但尚未触及注意阈值的设备，通常采用简洁高效的线性预测方法，以估算其湿度值可能超过注意值的时间点，从而提前采取相应的维护措施。
2、尽管线性预测方法操作简便，但它基于线性关系的假设在实际应用中却面临着不确定性；因为sf6气体湿度的变化往往受到设备老化、环境温湿度波动、以及泄漏速率变化等多重非线性因素的复杂影响，这些因素难以被线性模型全面且精确地捕捉与...
【技术保护点】
1.基于双向长短时记忆神经网络的SF6湿度预测方法，其特征在于，包括：
2.如权利要求1所述的基于双向长短时记忆神经网络的SF6湿度预测方法，其特征在于，对所述光强信号和环境温度数据进行傅里叶变换和归一化处理，得到归一化数据集，具体为：
3.如权利要求2所述的基于双向长短时记忆神经网络的SF6湿度预测方法，其特征在于，对所述SF6气体湿度时间序列数据进行归一化处理，得到所述归一化数据集，具体为：
4.如权利要求3所述的基于双向长短时记忆神经网络的SF6湿度预测方法，其特征在于，根据预设模型修正所述测试数据集，得到修正后的湿度预测数据
<...【技术特征摘要】
1.基于双向长短时记忆神经网络的sf6湿度预测方法，其特征在于，包括：
2.如权利要求1所述的基于双向长短时记忆神经网络的sf6湿度预测方法，其特征在于，对所述光强信号和环境温度数据进行傅里叶变换和归一化处理，得到归一化数据集，具体为：
3.如权利要求2所述的基于双向长短时记忆神经网络的sf6湿度预测方法，其特征在于，对所述sf6气体湿度时间序列数据进行归一化处理，得到所述归一化数据集，具体为：
4.如权利要求3所述的基于双向长短时记忆神经网络的sf6湿度预测方法，其特征在于，根据预设模型修正所述测试数据集，得到修正后的湿度预测数据，具体为：
5.如权利要求2-4任意一项所述的基于双向长短时记忆神经网络的sf6湿度预测方法，其特征在于，所述sf6气体湿度时间序列数据的计算公式，具体为：
6.如权...
【专利技术属性】
技术研发人员：陈小闽，罗同春，陈子健，郭振标，丘梓溦，巫宗海，关世龙，乔亚军，毕腾，黄展帮，何辉铭，
申请(专利权)人：广东电网有限责任公司广州供电局，
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。