龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：三峡大学;华中科技大学;中国电力科学研究院有限公司
摘要：基于MHA‑CNN‑SLSTM和误差补偿的互感器预测方法，包括：采用VMD将互感器误差数据分解为不同高低频分量；基于改进海鸥优化算法ISOA优化VMD的关键参数，实现误差数据最优分解；基于多头注意力机制MHA对误差影响特征交叉处理，挖掘各特征间关联性，通过强相关性特征与误差间关系建立弱相关特征与误差间深层联系；将CNN置于多头注意力机制MHA后端，降低多头注意力机制MHA输出特征维度；考虑训练集与测试集之间相关性，改进LSTM神经网络，动态调整网络权重和偏置，构建MHA‑CNN‑SLSTM组合预测模型；将预测值与实际值误差作为训练集输入构建的组合预测模型，生成补偿数据对预测值进行补偿。该方法能够准确的预测未来短期内互感器误差状态变化，具有预测精度高、泛化性强等特点。
主权项：1.基于MHA-CNN-SLSTM和误差补偿的互感器预测方法，其特征在于包括以下步骤：步骤1：采用变分模态分解算法VMD将互感器误差数据分解为不同高低频分量；步骤2：基于改进海鸥优化算法ISOA优化变分模态分解算法VMD的关键参数，实现误差数据最优分解；步骤3：基于多头注意力机制MHA对误差影响特征交叉处理，挖掘各特征间关联性，通过强相关性特征与误差间关系建立弱相关特征与误差间深层联系；步骤4：将卷积神经网络CNN置于多头注意力机制MHA后端，降低多头注意力机制MHA输出特征维度；步骤5：考虑训练集与测试集之间相关性，改进LSTM神经网络，动态调整网络权重和偏置，构建MHA-CNN-SLSTM组合预测模型；步骤6：将预测值与实际值误差作为训练集，输入步骤5构建的组合预测模型，生成补偿数据对预测值进行补偿。
全文数据：
权利要求：
百度查询： 三峡大学 华中科技大学 中国电力科学研究院有限公司 基于MHA-CNN-SLSTM和误差补偿的互感器预测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号