摘要
本发明为基于逐级分层提取CVT误差预测方法、系统、设备及介质,通过使用变分模态分解VMD对获取的CVT误差历史序列进行分解获得模态分量;构建逐级分层的特征提取结构,基于模态分量和CVT误差历史序列输出最终特征;构建基于改进LSTM模型的CVT误差预测模型,改进LSTM模型具体为在LSTM模型对候选细胞状态的计算中引入注意力机制,所述CVT误差预测模型以最终特征作为输入,输出CVT误差预测结果,本发明通过上述步骤实现对CVT误差的精准预测,提高电力系统测量精度和可靠性,为电力系统运营者提供数据驱动的决策支持。
技术关键词
误差预测方法
LSTM模型
引入注意力机制
网络
电容式电压互感器
sigmoid函数
分层
特征提取模块
序列
输出模块
电力系统
参数
数据处理模块
数据采集模块
处理器
可读存储介质
系统为您推荐了相关专利信息
风格迁移方法
文本编码器
代表
深度卷积神经网络
图像编码器
传感器监测网络
控制参数调节方法
振动特征参数
振动抑制控制
数据
光伏功率预测系统
斯皮尔曼等级相关系数
粒子群优化算法
注意力机制
皮尔逊相关系数
回声状态网络
负荷预测方法
增量型
电力负荷预测技术
序列
火车车轮表面
表面缺陷检测方法
同轴光源
工业相机
穹顶光源