摘要
本发明属于输电线路检测技术领域,公开了基于数模双驱动模型的输电线路覆冰厚度预测方法、系统、设备及介质,以解决现有方法预测精度低的问题。本发明方法包括:获取目标线路所在地的历史气象数据及对应电力系统数据,进行缺失值补充后采用PCC进行特征关联度分析以筛选特征,从而构建输入特征集;搭建基学习层并在元学习层部署LSTM模型,将基学习层的输出作为元学习层的输入,得到多模型融合的集成学习模型;将输入特征集输入集成学习模型生成训练预测结果,基于物理规律对训练预测结果评价以得到数模双驱动预测模型;基于数模双驱动预测模型对目标线路进行预测,利用误差指标与拟合指标对预测值进行评价,从而完成目标线路覆冰厚度预测。
技术关键词
集成学习模型
历史气象数据
LSTM模型
输电线路覆冰厚度
表达式
支持向量回归模型
物理
线路检测技术
指标
电力系统
误差
多模型
线性回归模型
随机森林模型
计算机设备
样本
回归算法
系统为您推荐了相关专利信息
缺陷预测方法
测试用例生成器
BiLSTM模型
双向长短期记忆网络
动态插桩技术
电功率预测方法
风电功率预测模型
搜索算法优化
历史运行数据
参数