一种基于非支配排序遗传优化双向长短时记忆神经网络的电力设备温度预测方法

摘要

本发明涉及电力设备温度预测技术领域，尤其涉及一种基于非支配排序遗传优化双向长短时记忆神经网络的电力设备温度预测方法，包括：基于电力设备的历史运行数据构建数据间的相关度指标，并采用非支配排序遗传优化方法降低数据间的相关度，获取关联度最低的电力设备历史运行数据集；随后采用双向长短时记忆网络学习数据集，并根据预测目标改进损失函数以提高方法预测精度；最后依据训练好的长短时记忆网络的输出，对下一时刻电力设备的最高温与最低温进行联合预测。本发明通过构建最优数据集，优化网络性能能够准确预测电力设备的温度安全运行区间，且模型泛化能力更强。