基于长短期记忆循环神经网络的开关柜设备温度预测

TP183; 为了提高开关柜设备温度预测的准确性,提出一种基于长短期记忆(Long Short-Term Memory,LSTM)循环神经网络的开关柜设备温度预测方法.首先获取电力开关柜设备相关数据集,并对原始数据集进行特征变量分析选择、数据预处理等工作;然后将处理后的数据集输入至LSTM循环神经网络中进行训练,得到LSTM温度预测模型;最后以6 kV开关柜母线设备为例,与多种预测算法进行设备温度预测对比实验.实验结果表明:相较于经典的神经网络和循环神经网络(Recurrent Neural Network,RNN)预测方法,本文所提预测方法对开关柜内设备温度的预测具有更高的准确率,为设备的主...

Full description

Saved in:
Bibliographic Details
Published in陕西科技大学学报 Vol. 39; no. 4; pp. 148 - 155
Main Authors 侯勇严, 郑恩让, 郭文强, 李建望, 董瑶
Format Journal Article
LanguageChinese
Published 陕西科技大学 电气与控制工程学院,陕西 西安 710021%陕西科技大学 电子信息与人工智能学院,陕西西安 710021 2021
Subjects
LSTM
开关柜
神经网络
温度预测
Online AccessGet full text
ISSN2096-398X
DOI10.3969/j.issn.1000-5811.2021.04.023

Cover

More Information
Summary:TP183; 为了提高开关柜设备温度预测的准确性,提出一种基于长短期记忆(Long Short-Term Memory,LSTM)循环神经网络的开关柜设备温度预测方法.首先获取电力开关柜设备相关数据集,并对原始数据集进行特征变量分析选择、数据预处理等工作;然后将处理后的数据集输入至LSTM循环神经网络中进行训练,得到LSTM温度预测模型;最后以6 kV开关柜母线设备为例,与多种预测算法进行设备温度预测对比实验.实验结果表明:相较于经典的神经网络和循环神经网络(Recurrent Neural Network,RNN)预测方法,本文所提预测方法对开关柜内设备温度的预测具有更高的准确率,为设备的主动预测性维护提供了一种有效途径.
ISSN:2096-398X
DOI:10.3969/j.issn.1000-5811.2021.04.023