【技術實現步驟摘要】
本專利技術屬于電力計量，具體涉及一種基于時空特征融合的電壓互感器誤差預測方法及系統。
技術介紹
1、本部分的陳述僅僅是提供了與本專利技術相關的
技術介紹
信息，不必然構成在先技術。
2、電壓互感器是一種測量系統電壓的電力測量設備，在變電站乃至整個電力系統中必不可少；但電壓互感器現場運行環境復雜，易受周圍磁場、溫度等因素的影響，長期穩定性較差，不可避免地出現計量誤差，這將對電網的經濟安全穩定運行帶來一定的潛在威脅。因此，電壓互感器的誤差預測對保護設備和保證互感器維持較高的測量準確性顯得尤為重要。
3、現有技術在進行電壓互感器計量誤差預測的過程中，通過從誤差序列中剝離出溫度、頻率兩個cvt誤差影響因素的理論附加誤差，對剝離后的誤差序列進行預測，再加上當前的溫度和頻率引起的附加誤差，從而實現誤差的準確預測；但是，缺忽略了時序序列數據中誤差與各個不同變量之間所隱藏的空間依賴關系。
技術實現思路
1、為解決上述問題，本專利技術提出了一種基于時空特征融合的電壓互感器誤差預測方法及系統，采用圖卷積神經網絡提取電壓互感器狀態數據的空間特征，構造狀態數據時空融合特征，結合卷積神經網絡-長短期記憶網絡提取狀態數據時空融合空間特征的時序特征，基于時序特征和注意力機制完成電壓互感器的誤差預測，提高預測精度的同時縮短了預測時長。
2、根據一些實施例，本專利技術的第一方案提供了一種基于時空特征融合的電壓互感器誤差預測方法，采用如下技術方案：
3、一種基于時空特征融合
4、獲取電壓互感器的狀態數據；
5、基于圖結構分別提取所獲取狀態數據的空間特征和時間特征，得到狀態數據的時空融合特征；
6、采用卷積神經網絡-長短期記憶網絡提取狀態數據時空融合特征的時序特征，基于注意力機制衡量所提取的時序特征的重要性，得到隱藏層狀態向量權重，根據所得到的時序特征權重和預測電壓互感器誤差，完成基于時空特征融合的電壓互感器的誤差預測。
7、作為進一步的技術限定，在根據所提取的時序特征和注意力機制預測電壓互感器誤差的過程中，將長短期記憶網絡隱藏層狀態矩陣經全連接網絡激活得到隱藏層狀態向量，通過注意力機制衡量所得到的隱藏層狀態向量的重要性，得到隱藏層狀態向量權重；根據所得到的隱藏層狀態向量權重和狀態數據時空融合特征的時序特征，得到電壓互感器誤差預測值。
8、作為進一步的技術限定，在基于圖結構提取所獲取狀態數據的空間特征的過程中，以不同的狀態數據為節點構建圖結構空間，計算節點與其鄰接節點之間的相似系數確定節點之間的鄰接關系，根據節點之間的鄰接關系更新節點狀態，優化節點特征，將優化后的節點特征進行時序拼接，得到狀態數據空間序列，完成狀態數據空間特征的提取。
9、作為進一步的技術限定，在基于圖結構提取所獲取狀態數據的時間特征的過程中，將所獲取的狀態數據的時序序列分割成若干段，對每段時序序列按照時間角度構建圖結構，得到融入時序特征的狀態數據時間序列，完成狀態數據時間特征的提取。
10、作為進一步的技術限定，在提取狀態數據時空融合特征的時序特征的過程中，通過卷積神經網絡對所得到的狀態數據時空融合特征進行卷積處理，基于平均池化與最大池化的卷積處理得到狀態數據卷積輸出特征，將所得到的狀態數據卷積輸出特征輸入到長短期記憶網絡中進行時序特征的提取，得到狀態數據時空融合特征的時序特征。
11、作為進一步的技術限定，所獲取的電壓互感器的狀態數據至少包括電壓互感器的歷史誤差、溫度、濕度、頻率和二次負荷；所述狀態數據的時空融合特征為所述狀態數據時間特征和所述狀態數據空間特征的加權求和。
12、根據一些實施例，本專利技術的第二方案提供了一種基于時空特征融合的電壓互感器誤差預測系統，采用如下技術方案：
13、一種基于時空特征融合的電壓互感器誤差預測系統，包括：
14、獲取模塊，其被配置為獲取電壓互感器的狀態數據；
15、融合模塊，其被配置為基于圖結構分別提取所獲取狀態數據的空間特征和時間特征，得到狀態數據的時空融合特征；
16、預測模塊，其被配置為采用卷積神經網絡-長短期記憶網絡提取狀態數據時空融合特征的時序特征，基于注意力機制衡量所提取的時序特征的重要性，得到隱藏層狀態向量權重，根據所得到的時序特征權重和預測電壓互感器誤差，完成基于時空特征融合的電壓互感器的誤差預測。
17、根據一些實施例，本專利技術的第三方案提供了一種計算機可讀存儲介質，采用如下技術方案：
18、一種計算機可讀存儲介質，其上存儲有程序，該程序被處理器執行時實現如本專利技術第一方案所述的一種基于時空特征融合的電壓互感器誤差預測方法中的步驟。
19、根據一些實施例，本專利技術的第四方案提供了一種電子設備，采用如下技術方案：
20、一種電子設備，包括存儲器、處理器及存儲在存儲器上并在處理器上運行的程序，所述處理器執行所述程序時實現如本專利技術第一方案所述的一種基于時空特征融合的電壓互感器誤差預測方法中的步驟。
21、根據一些實施例，本專利技術的第五方案提供了一種計算機程序產品，采用如下技術方案：
22、一種計算機程序產品，包括軟件代碼，所述軟件代碼中的程序執行如本專利技術第一方案所述的一種基于時空特征融合的電壓互感器誤差預測方法中的步驟。
23、與現有技術相比，本專利技術的有益效果為：
24、本專利技術采用圖卷積神經網絡提取電壓互感器狀態數據的空間特征，構造狀態數據時空融合特征，結合卷積神經網絡-長短期記憶網絡提取狀態數據時空融合空間特征的時序特征，基于時序特征和注意力機制完成電壓互感器的誤差預測，提高預測精度的同時縮短了預測時長。
本文檔來自技高網...【技術保護點】
1.一種基于時空特征融合的電壓互感器誤差預測方法，其特征在于，包括：
2.如權利要求1中所述的一種基于時空特征融合的電壓互感器誤差預測方法，其特征在于，在根據所提取的時序特征和注意力機制預測電壓互感器誤差的過程中，將長短期記憶網絡隱藏層狀態矩陣經全連接網絡激活得到隱藏層狀態向量，通過注意力機制衡量所得到的隱藏層狀態向量的重要性，得到隱藏層狀態向量權重；根據所得到的隱藏層狀態向量權重和狀態數據時空融合特征的時序特征，得到電壓互感器誤差預測值。
3.如權利要求1中所述的一種基于時空特征融合的電壓互感器誤差預測方法，其特征在于，在基于圖結構提取所獲取狀態數據的空間特征的過程中，以不同的狀態數據為節點構建圖結構空間，計算節點與其鄰接節點之間的相似系數確定節點之間的鄰接關系，根據節點之間的鄰接關系更新節點狀態，優化節點特征，將優化后的節點特征進行時序拼接，得到狀態數據空間序列，完成狀態數據空間特征的提取。
4.如權利要求1中所述的一種基于時空特征融合的電壓互感器誤差預測方法，其特征在于，在基于圖結構提取所獲取狀態數據的時間特征的過程中，將所獲取的狀態數據
5.如權利要求1中所述的一種基于時空特征融合的電壓互感器誤差預測方法，其特征在于，在提取狀態數據時空融合特征的時序特征的過程中，通過卷積神經網絡對所得到的狀態數據時空融合特征進行卷積處理，基于平均池化與最大池化的卷積處理得到狀態數據卷積輸出特征，將所得到的狀態數據卷積輸出特征輸入到長短期記憶網絡中進行時序特征的提取，得到狀態數據時空融合特征的時序特征。
6.如權利要求1中所述的一種基于時空特征融合的電壓互感器誤差預測方法，其特征在于，所獲取的電壓互感器的狀態數據至少包括電壓互感器的歷史誤差、溫度、濕度、頻率和二次負荷；所述狀態數據的時空融合特征為所述狀態數據時間特征和所述狀態數據空間特征的加權求和。
7.一種基于時空特征融合的電壓互感器誤差預測系統，其特征在于，包括：
8.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，該程序被處理器執行時實現了如權利要求1-6中任一項所述的一種基于時空特征融合的電壓互感器誤差預測方法的步驟。
9.一種電子設備，包括存儲器、處理器及存儲在存儲器上并在處理器上運行的計算機程序，其特征在于，所述處理器執行所述程序時實現了如權利要求1-6中任一項所述的一種基于時空特征融合的電壓互感器誤差預測方法的步驟。
10.一種計算機程序產品，包括軟件代碼，其特征在于，所述軟件代碼中的程序執行如權利要求1-6中任一項所述的一種基于時空特征融合的電壓互感器誤差預測方法的步驟。
...【技術特征摘要】
1.一種基于時空特征融合的電壓互感器誤差預測方法，其特征在于，包括：
2.如權利要求1中所述的一種基于時空特征融合的電壓互感器誤差預測方法，其特征在于，在根據所提取的時序特征和注意力機制預測電壓互感器誤差的過程中，將長短期記憶網絡隱藏層狀態矩陣經全連接網絡激活得到隱藏層狀態向量，通過注意力機制衡量所得到的隱藏層狀態向量的重要性，得到隱藏層狀態向量權重；根據所得到的隱藏層狀態向量權重和狀態數據時空融合特征的時序特征，得到電壓互感器誤差預測值。
3.如權利要求1中所述的一種基于時空特征融合的電壓互感器誤差預測方法，其特征在于，在基于圖結構提取所獲取狀態數據的空間特征的過程中，以不同的狀態數據為節點構建圖結構空間，計算節點與其鄰接節點之間的相似系數確定節點之間的鄰接關系，根據節點之間的鄰接關系更新節點狀態，優化節點特征，將優化后的節點特征進行時序拼接，得到狀態數據空間序列，完成狀態數據空間特征的提取。
4.如權利要求1中所述的一種基于時空特征融合的電壓互感器誤差預測方法，其特征在于，在基于圖結構提取所獲取狀態數據的時間特征的過程中，將所獲取的狀態數據的時序序列分割成若干段，對每段時序序列按照時間角度構建圖結構，得到融入時序特征的狀態數據時間序列，完成狀態數據時間特征的提取。
5.如權利要求1中所述的一種基于時空特征融合的電壓互感器誤差預測方法，其...
【專利技術屬性】
技術研發人員：張淞琿，劉濤，夏曉東，隋浩冉，于邦海，岳巍，邢宇，董賢光，曹彤，
申請(專利權)人：國網山東省電力公司營銷服務中心計量中心，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。