[发明专利]一种基于ELM-LSTM的谐波预测方法

说明书

本发明涉及一种基于ELM‑LSTM的谐波预测方法，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。本发明可以显著提高谐波数据预测准确性。

技术领域

本发明属于谐波数据预测技术领域，涉及一种谐波预测方法，尤其是一种基于ELM-LSTM的谐波预测方法。

背景技术

随着电网负载中大量的非线性负载及新能源发电并网大量使用电力电子器件，电网谐波含有率显著增加，甚至超标；而谐波对电网危害巨大，需要准确获取谐波数据才能开展相应分析和治理工作。

目前主流的方法是通过谐波监测装置获得谐波数据，但存在诸多问题，一方面谐波监测装置成本高，难以像电能表等装置大面积覆盖；另一方面，即便安装了谐波监测装置，但低压配网和用户侧数据传输困难。

发明内容

本发明的目的在于克服现有技术的不足，提出一种设计合理、预测成本低且预测结果准确的基于ELM-LSTM的谐波预测方法。

本发明解决其现实问题是采取以下技术方案实现的：

一种基于ELM-LSTM的谐波预测方法，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、ELM的使用，通过ELM可弥补LSTM可能不当遗忘信息导致预测不准确的问题，具体的将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。

而且，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；

而且，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)