一种基于非支配排序遗传优化双向长短时记忆神经网络的电力设...
公开
摘要
本发明涉及电力设备温度预测技术领域，尤其涉及一种基于非支配排序遗传优化双向长短时记忆神经网络的电力设备温度预测方法，包括：基于电力设备的历史运行数据构建数据间的相关度指标，并采用非支配排序遗传优化方法降低数据间的相关度，获取关联度最低的电力设备历史运行数据集；随后采用双向长短时记忆网络学习数据集，并根据预测目标改进损失函数以提高方法预测精度；最后依据训练好的长短时记忆网络的输出，对下一时刻电力设备的最高温与最低温进行联合预测。本发明通过构建最优数据集，优化网络性能能够准确预测电力设备的温度安全运行区间，且模型泛化能力更强。
基本信息
专利标题 ：
一种基于非支配排序遗传优化双向长短时记忆神经网络的电力设备温度预测方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114565182A
申请号 ：
CN202210288488.7
公开（公告）日 ：
2022-05-31
申请日 ：
2022-03-22
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
顾菊平蒋凌徐一鸣言淳恺周伯俊赵凤申程天宇赵佳皓李朋昊
申请人 ：
南通大学
申请人地址 ：
江苏省南通市崇川区啬园路9号
代理机构 ：
代理人 ：
优先权 ：
CN202210288488.7
主分类号 ：
G06Q10/04
IPC分类号 ：
G06Q10/04 G06Q50/06 G06N3/12 G06N3/08 G06N3/04
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06Q
专门适用于行政、商业、金融、管理、监督或预测目的的数据处理系统或方法；其他类目不包含的专门适用于行政、商业、金融、管理、监督或预测目的的处理系统或方法
G06Q10/00
行政；管理
G06Q10/04
预测或优化，例如线性规划、“旅行商问题”或“下料问题”
法律状态
2022-05-31 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
