[发明专利]基于改进LSTM的电力设备状态预估方法及装置

权利要求书

1.基于改进LSTM的电力设备状态预估方法，其特征在于，所述电力设备状态预估方法，包括：

将电力设备状态检测数据导入梯度下降树GBDT中进行数据处理，得到高质量数据序列；

计算电力设备检测数据与高质量数据序列的相对误差；

利用得到的相对误差对LSTM的遗忘门进行改进；

将高质量数据序列导入改进后的LSTM中进行电力设备状态趋势预测。

2.根据权利要求1所述的基于改进LSTM的电力设备状态预估方法，其特征在于，所述将电力设备状态检测数据导入梯度下降树GBDT中进行数据处理，得到高质量数据序列，包括：

在接收到电力设备状态检测数据后的GBDT中进行多轮迭代；

每轮迭代都产生一个弱分类器，每个分类器在上一轮分类器的残差基础上进行训练；

GBDT在boosting的框架下，以低方差和高偏差为前提对弱分类器的CART TREE进行选择，直到得出高质量数据序列。

3.根据权利要求1所述的基于改进LSTM的电力设备状态预估方法，其特征在于，所述计算电力设备检测数据与高质量数据序列的相对误差，包括：

计算同一时刻下d(t)和d'(t)的相对误差s％的具体过程包括：

公式一中，d(t)代表电力设备状态检测数据，d'(t)代表高质量数据序列，s(t)％为电力设备检测数据与高质量数据序列的相对误差。

4.根据权利要求1所述的基于改进LSTM的电力设备状态预估方法，其特征在于，所述利用得到的相对误差对LSTM的遗忘门进行改进，包括：

结合公式二通过选择性遗忘的方式降低数据序列失真引起趋势误判，

f'(t)＝f(t)×s(t)％ 公式二，

式中，f(t)为LSTM原遗忘门，f'(t)为改进后的LSTM选择性遗忘门。

5.根据权利要求1所述的基于改进LSTM的电力设备状态预估方法，其特征在于，所述将高质量数据序列导入改进后的LSTM中进行电力设备状态趋势预测，包括：

将LSTM输入门将梯度下降树GBDT处理后的数据序列及其趋保存；

利用遗忘门进行选择性遗忘的方法对记忆状态进行更新；

在改进遗忘门重要信息需要被保留重要信息后，输出门在更新状态后得到下一时刻的数据；

重复前述步骤，直至遍历数据序列后得到预测数据。

6.基于改进LSTM的电力设备状态预估装置，其特征在于，所述电力设备状态预估装置，包括：

数据处理单元，用于将电力设备状态检测数据导入梯度下降树GBDT中进行数据处理，得到高质量数据序列；

误差计算单元，用于计算电力设备检测数据与高质量数据序列的相对误差；

遗忘门改进单元，用于利用得到的相对误差对LSTM的遗忘门进行改进；

趋势预测单元，用于将高质量数据序列导入改进后的LSTM中进行电力设备状态趋势预测。

7.根据权利要求6所述的基于改进LSTM的电力设备状态预估装置，其特征在于，所述数据处理单元，包括：

迭代子单元，用于在接收到电力设备状态检测数据后的GBDT中进行多轮迭代；

训练子单元，用于每轮迭代都产生一个弱分类器，每个分类器在上一轮分类器的残差基础上进行训练；

数据选择子单元，用于GBDT在boosting的框架下，以低方差和高偏差为前提对弱分类器的CART TREE进行选择，直到得出高质量数据序列。

8.根据权利要求6所述的基于改进LSTM的电力设备状态预估装置，其特征在于，所述误差计算单元，用于：

计算同一时刻下d(t)和d'(t)的相对误差s％的具体过程包括：

公式一中，d(t)代表电力设备状态检测数据，d'(t)代表高质量数据序列，s(t)％为电力设备检测数据与高质量数据序列的相对误差。