基于FSLSTM的架空输电线路覆冰预测

摘要

为了提高架空输电线路覆冰预测模型精度，提出了一种考虑覆冰和气象因素相关性的输电线路覆冰预测模型。首先，采用滑动窗口分解将导线覆冰数据分解为趋势分量和季节分量，减小原始数据的复杂性。然后，通过傅里叶变换求得覆冰数据的核心周期，按该周期将覆冰数据分段，构建基于傅里叶变换分段长短期记忆网络(Fourier transform segmented long shortterm memory network, FSLSTM),捕获覆冰数据的局部相关性和全局相关性。最后，通过数据增强算法(Mixup)扩大导线覆冰数据，提高预测模型的泛化性能。结果表明，所提出的预测模型精度较高，相比于传统的长短期记忆(long short-term memory, LSTM)网络等预测模型，其均方误差为0.097和0.079,平均绝对误差为0.232和0.220,平均绝对百分比误差为5.19%和8.08%。覆冰厚度对温度最为敏感，其次是湿度和风速，光照和压强较弱。

关键词

覆冰预测 / 滑动窗口分解 / 傅里叶变换 / 长短期记忆网络 / Mixup