科研之友
微信
新浪微博
Facebook
分享链接
摘要
变电站防汛风险概率的准确预测对提高电网防汛能力、健全汛情预警系统有着重要意义。变电站防汛影响因素不仅有动态气象数据，还有变电站集水井容积、水泵排水量、防汛物资储备及地势、水文特征等静态数据，动静结合给防汛风险预测带来困难。作者提出一种多因素融合的变电站防汛风险概率预测方法。首先对变电站多维防汛数据进行预处理及特征优选；然后利用优选的自回归循环神经网络(Autoregressive recurrent neural network, DeepAR),构建防汛风险概率预测模型，并通过注意力机制加强模型对多维防汛动态气象数据时序特征的挖掘能力，同时采用动态L2正则化策略加强对多维防汛数据的适应性，提高模型泛化能力；最后在实际站点数据上的实验表明，相较于主流机器学习和深度学习预测算法，文中算法预测结果更准确，为变电站防汛风险预警奠定基础。
-
单位自动化学院; 武汉理工大学
