摘要
本发明涉及变压器主设备成本预测技术领域,公开了一种变电站主设备全寿命周期成本预测方法,在使用时,本发明通过选取变电站的主设备LCC数据,并对LCC数据进行归一化处理,可以消除变电站LCC数据的参数数据的数量纲不同导致的模型预测精度低下的问题;另外通过对预处理数据进行卷积处理、求取数据间的相似度实现数据从多维到单维的转变,可以增强相关参数对最后预测结果的影响,从而提高LCC数据的质量;最后通过融合模型进行学习预测,并在融合模型学习完成进行预测得到第四数据集,将第四数据集和第三数据集的差值送入GRU模型进行二次预测,这样能提高变电站主设备全寿命周期成本的准确度,进而为成功实现变电站主设备的经济性比选具有重要意义。
技术关键词
变电站主设备
代表
GRU模型
设备全寿命周期
幅度误差
消除变电站
重构
比率
生成数据集
参数
时序
序列
双结构
表达式
预测误差
系统为您推荐了相关专利信息
节能设计方法
雨水收集模块
太阳能板
建筑屋顶
建筑群
新型电力系统
电力系统故障定位
故障定位模型
电力系统故障检测技术
拓扑网络
真实性检测方法
样本
三元组损失函数
深度度量学习
图像
短期负荷预测方法
GRU模型
检验异常值
历史负荷数据
短期负荷预测系统
数控机床加工过程
序列异常检测方法
混合聚类算法
高斯混合模型
动态时间规整算法