[发明专利]基于云系相似度权重分配的变压器状态参量组合预测方法

权利要求书

1.一种基于云系相似度权重分配的变压器状态参量组合预测方法，其特征在于，包括以下步骤：

S1，采集获取变压器运行产生的状态参量时序数据，构成原始时序数据流X；

S2，将步骤S1获得的原始时序数据流X划分为训练集X_tr、验证集X_va以及测试集X_te，并利用训练集X_tr构造独立模型训练元组Ω＝{U,V}；其中，U和V分别为输入元和输出元；

S3，利用步骤S2构造的训练元组Ω＝{U,V}对M个预选定的独立预测模型进行训练，获取训练后的M个独立预测模型对于验证集X_va的预测结果以及对于测试集X_te的预测结果

S4，对验证集X_va及其预测结果进行分段，并利用反向正太云发生器获取各序列片段的云参数，将X_va及转化为正态云系；

S5，计算步骤S4获得的两云系相同位置云模型间的重叠面积以得到其相似度，进而计算得到云系间整体相似度；

S6，依据步骤S5获得的云系间整体相似度向各独立预测模型分配预测权重，结合步骤S3获得的预测结果获取最终组合预测结果，完成变压器状态参量组合预测。

2.根据权利要求1所述的一种基于云系相似度权重分配的变压器状态参量组合预测方法，其特征在于，步骤S1中所述的原始时序数据流X：其大小为d×1，其中d表示数据流长度。

3.根据权利要求2所述的一种基于云系相似度权重分配的变压器状态参量组合预测方法，其特征在于，步骤S2中训练集、验证集及测试集的表达式分别为：X_tr＝[x₁,x₂,...,x_d-2τ]，X_va＝[x_d-2τ+1,x_d-2τ+2,...,x_d-τ]及X_te＝[x_d-τ+1,x_d-τ+2,...,x_d]；其中，窗宽τ定义了各序列长度；

步骤S2中利用训练集X_tr构造的独立模型训练元组Ω＝{U,V}的表达式为：

Ω＝{(u₁,v₁),(u₂,v₂),...,(u_d-2τ-m,v_d-2τ-m)}；

m为嵌入维度；U和V分别为输入元和输出元，表达式分别为：

4.根据权利要求3所述的一种基于云系相似度权重分配的变压器状态参量组合预测方法，其特征在于，步骤S3中，验证集X_va的预测结果表示为测试集X_te的预测结果表示为：

其中，及分别表示模型i对于验证集X_va及测试集X_te的预测结果。

5.根据权利要求4所述的一种基于云系相似度权重分配的变压器状态参量组合预测方法，其特征在于，步骤S4中，对X_va及进行分段后的序列统一表示为：

Γ＝{Z₁,...,Z_j}＝{(z₁,z₂,...,z_τ/j),(z_τ/j+1,z_τ/j+2,...,z_2τ/j),...,(z_(j-1)τ/j+1,z_(j-1)τ/j+2,...,z_τ)}1＜j＜λ

其中，λ为τ对3的模。

6.根据权利要求5所述的一种基于云系相似度权重分配的变压器状态参量组合预测方法，其特征在于，步骤S4中的反向正太云发生器表示为：

其中，l表示时间序列段Z_i，i＝1...j的长度。