基于LSTM算法的电力谐波监测数据预测

随着电力系统中接入大量的非线性设备,谐波问题更加严重,对谐波监测指标变化趋势的准确预测对电网优质运行具有重要意义。电能质量监测系统日趋成熟,并积累了较为完善可靠的监测数据,对此本文提出了一种基于长短时记忆网络深度学习算法的电力谐波监测数据的预测方法。该方法主要包括谐波监测数据预处理、预测模型拟合训练、预测模型应用以及模型预测效果评估等4个步骤。基于Python算法包编程实现该方法,并对实际采集到的谐波监测数据进行预测分析。结果表明,本文所提方法对于不同时间尺度的谐波监测数据进行预测分析时均可取得良好的效果,验证了该方法的可行性和实用性。