基于时序分析的电网合并单元电平预测

作者：张朝辉; 罗炜; 林康照; 秦冠军; 金岩磊; 丁笠; 周宇^*

来源：数据采集与处理, 2022, 37(05): 1169-1178.

DOI：10.16337/j.1004-9037.2022.05.021

• 合并单元
• 时序分析
• 差分整合移动平均自回归-支持向量机
• 长短期记忆网络
• 蛙跳算法

合并单元设备监控依赖于现场工作人员记录、实践经验以及预设告警阈值，缺少对系统监视数据的分析和挖掘，不能实现设备状态预测。鉴于此，根据监视合并单元电平数据的时序性特征，将传统时序模型差分整合移动平均自回归（Autoregressive integrated moving average,ARIMA）和长短期记忆网络（Long short-term memory,LSTM）构建组合模型，并采用蛙跳算法（Shuffled frog leaping algorithm,SFLA）进行模型优化。优化后的模型应用在合并单元激光器监视的电平数据预测分析，将ARIMA-LSTM优化组合模型和单一模型进行对比，验证了组合模型比单一模型具有更高的准确度。进一步和其他组合模型做对比实验，实验结果表明，组合模型经过SFLA优化后均优于其他组合模型，能够更好挖掘数据中的隐藏信息和趋势，提高时序数据预测精度和故障排查效率。将SFLA优化的组合ARIMA-SVM模型和ARIMA-LSTM模型对比，实验结果表明，所提出的ARIMA-LSTM模型优于ARIMA-SVM模型，可以更好地分析和掌握设备状态信息，实现对合并单元设备的电平数据预测。

• 单位
  南京南瑞继保电气有限公司; 中国南方电网有限责任公司超高压输电公司广州局; 南京航空航天大学