[发明专利]一种配电变压器顶层油温短期预测方法及预测系统

权利要求书

1.一种配电变压器顶层油温短期预测方法，其特征在于，包括步骤：

S1、获取配电变压器顶层油温的历史数据，并将其处理为时间序列数据，选取一定比例作为训练数据；

S2、初始化ISSA算法中的各项参数，参数包括麻雀种群数量m、麻雀位置维度n、发现者比例PD、侦察者比例SD、最大迭代次数N或警戒阈值ST中的一个或多个；

S3、将麻雀种群数量m与麻雀位置维度n输入至一维复合混沌映射模型SPM中，产生ISSA算法的初始麻雀种群，种群中的麻雀总数为m，每只麻雀所处位置的维度为n；

S4、分别将每只麻雀所处位置表征的超参数值代入双层LSTM模型，结合步骤S1中所划分的训练数据，经过归一化处理后对双层LSTM模型进行训练，训练以网络输出的预测值和真实值的均方差为适应度函数，计算每只麻雀的适应度值并排序；

S5、结合步骤S4中的麻雀种群适应度排序与步骤S2中所确定的发现者比例，确定发现者、跟随者及侦察者，并更新其位置；

S6、结合步骤S4中的对麻雀种群的适应度排序，选取排序第一的作为位置最优麻雀，根据反向学习策略更新最优麻雀的位置；

S7、判断是否达到迭代结束要求，若是则输出最优麻雀所表征的超参数，并进行下一步，否则回到步骤S4；

S8、结合步骤S7所输出的超参数与双层LSTM模型，将归一化后的配电变压器顶层油温时间序列数据输入到模型中，得到顶层油温的预测结果。

2.根据权利要求1所述的配电变压器顶层油温短期预测方法，其特征在于，在步骤S1中，训练数据需以时间序列的形式出现，即输入数据自身、输出数据与输出数据需要在时间上存在连续关系；基于此，对数据进行处理后得到的样本为：

其中，A为总样本集合，Train为训练集样本，Test为测试集样本，Ai为第i个包含配变顶层油温历史数据及其影响因素的对应的历史数据在内的样本，ai为第i个样本的标签，即预测的配变顶层油温值，Num_total为样本总数量，Num_train为训练集样本数量。

3.根据权利要求2所述的配电变压器顶层油温短期预测方法，其特征在于，步骤S2的具体步骤为：

S2-1、根据顶层油温的预测精度与模型运算速度确定种群数量m；

S2-2、根据需要进行优化的超参数个数确定种群中个体位置维数n，结合种群数量m，麻雀种群表达式如下：

其中，X表示整个种群，x_m表示该种群中的第m只麻雀，x_mn表示种群中第m只麻雀的第n维的位置；

麻雀种群适应度表达式如下：

其中，F(X)表示种群适应度矩阵，f为适应度函数；

S2-3、根据种群规模与经验，确定发现者比例PD、侦察者比例SD、最大迭代次数N、警戒阈值ST、位置上界a和位置下界b，其中PD∈(0，1)，SD∈(0，1)，ST∈(0.5，1)，a∈(0，1)，b∈(0，1)且a＞b。