论文部分内容阅读
为了提高开关柜设备温度预测的准确性,提出一种基于长短期记忆(Long Short-Term Memory,LSTM)循环神经网络的开关柜设备温度预测方法.首先获取电力开关柜设备相关数据集,并对原始数据集进行特征变量分析选择、数据预处理等工作;然后将处理后的数据集输入至LSTM循环神经网络中进行训练,得到LSTM温度预测模型;最后以6 kV开关柜母线设备为例,与多种预测算法进行设备温度预测对比实验.实验结果表明:相较于经典的神经网络和循环神经网络(Recurrent Neural Network,RNN)预