基于改进自适应复合模态分解的电流互感器误差预测方法

基于改进自适应复合模态分解的电流互感器误差预测方法，包括步骤：基于改进的完全自适应噪声集合经验模态分解ICEEMDAN对电流互感器测量数据进行预处理；基于多尺度排列熵和概率密度函数对ICEEMDAN分解出的复杂分量进行特征选择和重构；基于变分模态分解VMD对重构后的复杂分量进一步分解；基于CNN‑BiGRU构建深度预测模型，并采用目标优化方法对子模型网络参数进行优化，最后将子结果叠加得到电流互感器最终预测结果。该方法综合利用ICEEMDAN进行信号分解、MPE和PDF进行特征选择与重构、VMD对复杂分量进一步分解以及CNN‑BiGRU‑MHA深度学习架构进行特征学习和预测，能够有效处理非线性和非平稳信号，提取深层次特征，捕捉时间序列数据中的复杂动态关系，提高了预测的准确性和模型的泛化能力。