一种基于BILSTM-MDN的传输线路动态热定值概率预测方法

摘要

本发明提供一种基于BILSTM‑MDN的传输线路动态热定值概率预测方法，属于电力系统线路运行状态评估领域。首先，对传输线周围环境数据和DTR序列数据进行归一化处理，并计算其自相关系数。其次，将数据按照共同输入长度生成滑窗特征和标签，滚动生成滑窗数据集，并划分训练集和预测集。第三，搭建BILSTM‑MDN神经网络，设定超参数后，输入训练集进行学习，调整超参数直至误差达到最小。最后，通过预测集对模型的预测准确度进行评估，并得到最终的预测结果和预测误差。本发明将MDN的前置网络替换为BILSTM，结合BILSTM的时序特征提取能力和MDN输出概率密度的能力，从而可以对DTR进行精确的概率预测，并能够减少环节间的人为因素的影响。