Python用Lstm神经网络、离散小波转换DWT降噪对中压电网电压时间序列预测
全文链接:http://tecdat.cn/?p=31149
原文出处:拓端数据部落公众号
分析师:Yuxuan Xia
对于电力公司来说,对局部放电的准确预测可以显著降低人力物力成本。据调查,80%的输电设备损坏是随机发生的,而只有20%由于老化。而损坏案例中又有85%是由于局部放电现象的发生。电厂98%的维护费用于支付维修师的薪资。因此,准确的预测电网的电压变化并预测局部放电现象的发生,可以极大的降低维修师的工作效率并降低维护成本。
解决方案
任务 / 目标
根据电力公司提出的要求,利用电压数据对电网电压进行电压预测。
数据源准备
数据源来自电力公司的电网监测系统,他们记录了电网位置( id_measurement ):用于记录电网的地理位置。信号( signal_id ):每个 signal_id 包含 20 毫秒内的 800 , 000 个电压数据。相( phase ):用于标记设备的相。目标( target ):用于标记设备是否发生局部放电。
特征转换
对每段id_mesurement的三相电压值求和,正常情况下,在同一时间的三相电压和为零。以用于辅助判断是否发生局部放电。
构造
数据集结构如下
划分训练集和测试集
因为数据集包含20毫秒内的压力变化,因此以时间顺序将前75%划分为训练集,后25%为测试集。
建模
长短期记忆模型(LSTM)
一种特殊结构的循环神经网络,适用于时间序列数据的预测,建立较大的深度神经网络。
模型优化
数据降噪
电压数据来自现实世界,因此存在许多噪点,利用离散小波转换(DWT)对电压数据进行降噪,使正常电压数据归于平稳,局部放电现象更易被察觉。
项目结果
利用Lstm很好的对未来电压值进行了预测,预测准确率达到85.3%。
但是,即使对于Lstm,序列的长度仍然太长了(200-300更佳),若能对数据序列进行压缩,有可能得到更好的预测结果。
关于作者
在此对Yuxuan Xia对本文所作的贡献表示诚挚感谢,他毕业于西北大学,专长深度学习、推荐算法、决策分析。
相关文章
- 如何为pycharm配置Python解释器_pycharm选择python解释器
- python win32api messagebox_如何在Python中使用Win32 API?
- python——初识python(安装pycharm和ipython)
- python字符串转化列表_Python列表到字符串的转换[通俗易懂]
- python十进制转换_Python 进制转换
- 浙江新增python编程_9月起,浙江省八年级新增Python编程课,未来编程是处理大数据的手段…「建议收藏」
- python的进制转换器,Python进制转换[通俗易懂]
- Python:Python学习总结
- python chmod_使Python脚本可执行chmod755?
- python 中os模块os.path.exists()含义
- python在线代码编辑器-5种最佳Python IDE和代码编辑器
- Python:利用python代码编程实现将视频的avi格式转换为MP4格式
- python使用opencv如何保存图片_OpenCV Python 保存图片
- 用Python自动化操作Excel制作报表,真的是太方便啦!!!
- python转换数据类型
- Python 第一次作业及解答
- 网络工程师学Python-16-模块
- python正常时间和unix时间戳时间的相互转换代码详解编程语言
- Python的时间转换详解编程语言
- Python学习:7.文件操作详解编程语言
- Linux 启动 Python编程之旅(linux打开python)
- Python在连接MSSQL数据库中的应用(python连mssql)
- 利用Neo4j和Python进行无缝图形数据库支持(neo4j python)
- Python操作MySQL数据库的必备模块mysqlpython(mysql_python)
- python判断一个进程是否存在
- python元组操作实例解析