(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111415692.2 (22)申请日 2021.11.25 (71)申请人 国网湖南省电力有限公司 地址 410004 湖南省长 沙市新韶东路398号 申请人 国网湖南省电力有限公司电力科 学 研究院　 国家电网有限公司 (72)发明人 邓威　吴潮　刘奕　罗威成　 罗冠儒　任磊　游金梁　康童　 刘绚　 (74)专利代理 机构 湖南兆弘专利事务所(普通 合伙) 43008 代理人 廖元宝 (51)Int.Cl. G06F 30/27(2020.01)G06N 3/00(2006.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06N 7/08(2006.01) G06F 111/08(2020.01) G06F 119/08(2020.01) (54)发明名称 一种配电变压器顶层油温短期预测方法及 预测系统 (57)摘要 本发明公开了一种配电变压器顶层油温短 期预测方法， 包括S1、 获取配电变压器顶层油温 的历史数据， 并将其处理为时间序列数据； S2、 初 始化ISSA算法中的各项参数； S3、 将麻雀种群数 量m与麻雀位置维度n输入至一维复合混沌映射 模型SPM中， 产生ISSA算法的初始麻雀种群； S4、 分别将每只麻雀所处位置表征的超参数值代入 双层LSTM模型， 结合步骤S1中所划分的训练数 据， 经过归一化处理后对双层LSTM模型进行训 练； S5、 确定发现者、 跟随者及侦察者； S6、 更新最 优麻雀的位置； S7、 判断是否达到迭代结束要求； S8、 将顶层油温时间序列数据输入到模型中， 得 到顶层油温的预测结果。 本发明具有预测精度高 等优点。 权利要求书5页 说明书13页 附图7页 CN 114065649 A 2022.02.18 CN 114065649 A 1.一种配电变压器顶层油温短期预测方法， 其特 征在于， 包括 步骤： S1、 获取配电变压器顶层油温的历史数据， 并将其处理为时间序列数据， 选取一定比例 作为训练数据； S2、 初始化ISSA算法中的各项参数， 参数包括麻雀种群数量m、 麻雀位置维度n、 发现者 比例PD、 侦察者比例SD、 最大迭代次数N或警戒阈值ST中的一个或多个； S3、 将麻雀种群数量m与麻雀位置维度 n输入至一维复合混沌映射模型SPM中， 产 生ISSA 算法的初始麻雀种群， 种群中的麻雀总数为m， 每只麻雀所处位置的维度为 n； S4、 分别将每只麻雀所处位置表征的超参数值代入双层LSTM模型， 结合步骤S1中所划 分的训练数据， 经过归一化处理后对双层LSTM模型进行训练， 训练以网络输出的预测值和 真实值的均方差为 适应度函数， 计算每只麻雀的适应度值并排序； S5、 结合步骤S4中的麻雀种群适应度排序与步骤S2中所确定的发现者比例， 确定发现 者、 跟随者及侦察 者， 并更新 其位置； S6、 结合步骤S4中的对麻雀种群的适应度排序， 选取排序第一的作为位置最优麻雀， 根 据反向学习策略更新 最优麻雀的位置； S7、 判断是否达到迭代结束要求， 若是则输出最优麻雀所表征的超参数， 并进行下一 步， 否则回到步骤S4； S8、 结合步骤S7所输出的超参数与双层LSTM模型， 将归一化后的配电变压器顶层油温 时间序列数据输入到模型中， 得到顶层油温的预测结果。 2.根据权利要求1所述的配电变压器顶层油温短期预测方法， 其特征在于， 在步骤S1 中， 训练数据需以时间序列的形式出现， 即输入数据自身、 输出数据与输出数据需要在时间 上存在连续关系； 基于此， 对数据进行处 理后得到的样本为： 其中， A为总样本集合， Train为训练集样本， Test为测试集样本， Ai为第i个包含配变顶 层油温历史数据及其影响因素的对应的历史数据在内的样本， ai为第i个样本的标签， 即预 测的配变顶层油温值， Numtotal为样本总数量， Numtrain为训练集样本数量。 3.根据权利要求2所述的配电变压器顶层油温短期预测方法， 其特征在于， 步骤S2的具 体步骤为： S2‑1、 根据顶层油温的预测精度与模型运 算速度确定种群数量m； S2‑2、 根据需要进行优化的超参数个数确定种群中个体位置维数n， 结合种群数量m， 麻 雀种群表达式如下： 其中， X表示整个种群， xm表示该种群中的第m只麻雀， xmn表示种群中第m只麻雀的第n维 的位置； 麻雀种群适应度表达式如下：权　利　要　求　书 1/5 页 2 CN 114065649 A 2其中， F(X)表示种群适应度矩阵， f为 适应度函数； S2‑3、 根据种群规模与经验， 确定发现者比例PD、 侦察者比例SD、 最大迭代次数N、 警戒 阈值ST、 位置上界a和位置下界b， 其中PD∈(0， 1)， SD∈(0， 1)， ST∈(0.5， 1)， a∈(0， 1)， b∈ (0， 1)且a＞b。 4.根据权利要求3所述的配电变压器顶层油温短期预测方法， 其特征在于， 步骤S3的具 体步骤为： S3‑1、 由步骤S2 ‑2可知需要优化的超参数个数等于种群个体位置维数n， 考虑各超参数 的数量级后， 设定超参数边界向量如下 所示： LB＝[lb1， lb2，…， lbn]    (6) UB＝[ub1， ub2，…， ubn]    (7) 其中， LB为超参数下界向量， UB为超参数上界向量， lbx为第x个待优化超参数的下界， ubx为第x个待优化超参数的上界； S3‑2、 利用Rand函数随机生成麻雀种群中首个 个体各维度位置 其公式如下： 其中， x11， x12，…， x1n∈[0， 1]； 将首个个体的位置参数输入一维复合混沌映射模型SPM中， 生成第二个麻雀个体的位 置参数， 重复m ‑1次， 得到具有混沌性质的麻雀初始种群， 一维复合混沌映射模 型SPM表达式 如下所示： 其中， 为混沌序列 生成过程中基于点 生成的下一个点， α ∈(0， 1)， β ∈(0， 1)时， 模 型可生成混沌序列， δ∈(0， 0.5)， 为扰动变量， Mod为求余函数， 即若 则Mod(a， b) ＝d， f1为SPM混沌序列生成过程中以上一个点和参数为变量的下一个点的生成函数； 由此可生成归一 化的麻雀初始种群： S3‑3、 结合步骤S3 ‑1中对超参数所设立的上下界与步骤S3 ‑2中产生的归一化初始种群 位置， 利用下式得到反归一 化后的初始种群位置矩阵： 权　利　要　求　书 2/5 页 3 CN 114065649 A 3