[发明专利]一种基于贝叶斯优化的BiLSTM电压偏差预测方法

权利要求书

1.一种基于贝叶斯优化的BiLSTM电压偏差预测方法，其特征在于，包括如下步骤：

步骤1，对电压偏差时间序列数据集进行标准差标准化处理；

步骤2，对标准差标准化后的电压偏差时间序列数据按照比例进行数据分割，得到训练集和验证集，分别用于训练网络模型的参数学习和模型结果检验；

步骤3，定义BiLSTM电压偏差预测模型超参数的范围，生成随机一组初始超参数作为BiLSTM模型的初始超参数，利用预处理之后的电压偏差数据训练集训练BiLSTM电压偏差预测模型；

步骤4，将验证集输入到训练的BiLSTM电压偏差预测模型中，获取电压偏差预测值后进行反标准差处理，使用均方根误差作为BiLSTM电压偏差预测模型超参数优化的目标函数，利用贝叶斯优化算法对BiLSTM电压偏差预测模型的超参数进行优化，获取最优的超参数组合；

步骤5，将最优超参数组合作为BiLSTM预测模型的超参数，构建基于贝叶斯优化算法的BiLSTM电压偏差预测模型，对电压偏差时间序列数据进行预测，获得最终的预测数据。

2.根据权利要求1所述的基于贝叶斯优化的BiLSTM电压偏差预测方法，其特征在于，步骤1中，对电压偏差时间序列数据集进行标准差标准化处理，具体方法为：

步骤101，在配电网中，选取进行电压偏差预测的节点，采集相应的电压偏差数据，得到原始电压偏差时间序列数据Z：

式(1)中，原始电压偏差时间序列数据Z包含l个数据，其中Z_l为第l个的原始电压偏差数据；

步骤102：对进行原始电压偏差时间序列数据标准差标准化，获得连续时间序列的归一化电压偏差数据，其值域范围为[-1,1]；

标准差标准化计算公式如式(2)：

式(2)中，Z_i为标准差标准化处理之前的原始电压偏差时间序列数据；为标准差标准化处理之后的电压偏差时间序列数据；μ₁为原始电压偏差时间序列数据的均值；σ₁为原始电压偏差时间序列数据的标准差。

3.根据权利要求1所述的基于贝叶斯优化的BiLSTM电压偏差预测方法，其特征在于，步骤2中，对标准差标准化后的电压偏差时间序列数据按照比例进行数据分割，80％的数据作为训练集X＝[x₁,x₂,…,x_n]，用于训练网络模型的参数学习；其余的20％的数据作为测试集Y＝[y₁,y₂,…,y_m]，用于模型结果检验。