摘要
本发明公开了一种基于TCN‑Attention的输电线路覆冰预测方法、系统、设备及介质,涉及输电线路覆冰与覆雪技术领域,包括采集用于表征线路环境条件的时间序列数据;对时间序列数据进行预处理;构建由时间序列建模模块与特征关注机制模块联合组成的预测网络模型;将预处理后的数据输入预测网络模型中,通过多阶段学习流程使预测模型在不同气象场景下进行训练;利用训练完成的预测模型,对目标时段内的线路覆冰扭转角度、覆冰形状及相态参数进行预测。时间序列建模模块能捕捉长期的时序依赖,克服传统循环神经网络易出现的梯度消失问题,同时注意力机制具有动态加权的特性,可对关键参数赋予更高的权重值,以突出重要性。
技术关键词
特征关注机制
预测网络模型
序列
正则化策略
输电线路覆冰预测
多阶段
模型训练模块
气象
场景
数据采集模块
注意力机制
时间卷积网络
分布特征
时序
系统为您推荐了相关专利信息
训练检测模型
时序
异常检测方法
注意力
编码模块
银行柜台业务
音频
声学特征
语义关联度
文本识别
压缩编码数据
扩频体制
解码算法
深度神经网络模型
通信方法