一种基于混合神经网络的电流互感器误差预测方法及系统

本发明公开了一种基于混合神经网络的电流互感器误差预测方法及系统，本发明涉及电流互感器误差预测技术领域，包括使用SAE对数据集进行特征提取，捕获数据的复杂特征。将重构后的数据集馈送到CNN‑LSTM模型中，CNN提取时间序列的特征，LSTM寻找时间的依赖关系；将不同的特征分散给不同的模型来提取，通过回归器对数据进行预测，输出评估结果。本发明提供的基于混合神经网络的电流互感器误差预测方法判断异常值后重构出一份重构数据集，在SAE模型中利用稀疏性惩罚机制，促使所学习的表示具备稀疏性特征，从而增强了模型的泛化能力和可解释性，加入指数平均数，对模型进行了平滑，减少模型训练过程中的参数波动，使得训练过程更稳定。