基于LSTM-RNN的电网雷电智能预警模型设计

摘要

为了提升电力网络的安全运行水平,对电网的雷电智能预警方法进行了研究。对历史雷电数据加以提取和分析,从而建立起完备的历史数据集。基于历史数据与数学建模的思想,将雷电预警问题抽象为时间序列的处理问题,并引入循环神经网络(RNN)完成对问题的求解。同时在RNN的应用过程中,采用长短期记忆模型(LSTM)以及Dropout机制解决了传统模型中的过拟合现象。LSTM模型使用输入门、遗忘门和输出门对信号的传递流程进行了修正,且替代了RNN隐藏层中的普通节点,确保了误差函数梯度在训练过程中能够严格遵循时间步骤。而Dropout机制则将部分神经元置为失效状态,避免了其在训练中的相互适应。在山东地区的雷电数据集上进行的仿真实验结果表明,RNN网络在引入LSTM与Dropout机制后,模型的预测精度提升了4.61%。