[发明专利]一种基于ELM-LSTM的谐波预测方法

权利要求书

1.一种基于ELM-LSTM的谐波预测方法，其特征在于：包括以下步骤：

步骤1、建立ELT-LSTM的谐波预测模型，将所选择的数据输入至ELT-LSTM的谐波预测模型；

步骤2、由LSTM学习时间序列的长时记忆关系的预测方法，其预测过程中选择性遗忘部分信息，选择其认为重要的信息接入到下一层，最终完成预测；

步骤3、将LSTM输入层及所有隐藏层分别作为某个ELM的输入，所有ELM的输入再输出到一个综合ELM中；

步骤4、输出结果，将LSTM的输出H_last与综合ELM的输出y(x)做平均获得最终预测结果。

2.根据权利要求1所述的一种基于ELM-LSTM的谐波预测方法，其特征在于：所述步骤1的具体步骤包括：

(1)搭建ELT-LSTM的谐波预测模型及训练停止条件，所搭建的ELT-LSTM的谐波预测模型，为深度神经网络模型，由一个LSTM、多个第一级ELT、一个综合ELT组成；

停止条件其中一种设置方法为：当式(1)迭代精度优于0.01％或达到2000次时训练停止：

式中：n为训练序列数；总有N个样本序列；Z_n、Z'_n分别为模型输出值和实际值；

(2)将所选择的数据输入至该ELT-LSTM的谐波预测模型；

所选择的数据包括：历史谐波数据、预测对象的用电设备特性和所属行业发展情况指标。

3.根据权利要求1所述的一种基于ELM-LSTM的谐波预测方法，其特征在于：所述步骤2的由LSTM学习时间序列的长时记忆关系的预测方法的具体方法为：

f_t＝σ(w_f[h_t-1,x_t]+b_f) (2)

i_t＝σ(w_i[h_t-1,x_t]+b_f) (3)

o_t＝σ(w_o[h_t-1,x_t]+b_o) (6)

h_t＝o_t*tanh(c_t) (7)

其中，式(2)f_t代表LSTM的“遗忘”操作，即被丢弃的信息，其中σ()是激励函数，w_f为权重而b_f则是偏置；式(3)代表LSTM的隐藏层的“输入”，i_t是选择作为下一层输入的有效信息，该函数定义和式(2)一致；式(4)也是隐藏层的“输入”的输入，通过三角函数tan()对上一层和本层数据进行变换，系数w_h为权重而b_h则也是偏置；式(5)c_t代表LSTM的“更新”，即基于式(3)和式(4)输入进行加权处理；式(6)的O_t为隐藏输出，其他定义与式(2)相同；式(7)的h_t为当前隐藏层的输出，即三角正切函数tan()对(5)和式(6)进行变换。

4.根据权利要求1所述的一种基于ELM-LSTM的谐波预测方法，其特征在于：所述步骤3的具体方法为：

所述ELM包含n个隐藏层和一个输出层；对于输出层x＝[x₁,x₂...x_m]，输出层y的结果如式(8)所示：

其中，g()为激励函数，a_j，b_j是连接输入层和隐藏层的权重；β_j则是连接隐藏层与输出的权重。

5.根据权利要求1所述的一种基于ELM-LSTM的谐波预测方法，其特征在于：所述步骤4的最终预测结果的计算公式为：

Z＝(H_last+y(x))/2 (9)。