一种基于ACO优化CNN-GRU组合神经网络的变压器热点温度预测方法
技术特征：
1.一种基于aco优化cnn-gru组合神经网络的变压器热点温度预测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于aco优化cnn-gru组合神经网络的变压器热点温度预测方法，其特征在于，所述cnn-gru模型包括双层一维cnn网络单元和双层门控循环单元；
3.根据权利要求2所述的一种基于aco优化cnn-gru组合神经网络的变压器热点温度预测方法，其特征在于，所述双层一维cnn网络单元中，第一层网络中卷积核的数量为16，第二层网络中卷积核的数量为32；卷积方式为same卷积；卷积步长为1。
4.根据权利要求2所述的一种基于aco优化cnn-gru组合神经网络的变压器热点温度预测方法，其特征在于，所述cnn-gru模型的损失函数表示为：
5.根据权利要求1所述的一种基于aco优化cnn-gru组合神经网络的变压器热点温度预测方法，其特征在于，基于aco算法对cnn-gru模型进行优化，具体包括如下步骤：
6.根据权利要求5所述的一种基于aco优化cnn-gru组合神经网络的变压器热点温度预测方法，其特征在于，所述步骤(4)中，调整公式表示为：
技术总结
本发明公开了一种基于ACO优化CNN‑GRU组合神经网络的变压器热点温度预测方法，包括如下步骤：获取目标变压器的负载率、顶层油温和环境温度；对负载率、顶层油温和环境温度进行归一化处理；将归一化处理后的负载率、顶层油温和环境温度输入到基于ACO算法优化后的CNN‑GRU模型中，输出目标变压器的热点温度预测值。该方法通过建立CNN‑GRU组合神经网络作为热点温度预测模型，结合蚁群算法(ACO算法)全局寻优出网络的最佳权值和阈值，消除其易陷入局部最优的缺陷，进一步提高模型预测精度，实现对变压器热点温度的预测。
技术研发人员：张安安,苏铭燃,张亮,高苓涛,龚泽民,雷位,粟其伦,张秦川,陈琪
受保护的技术使用者：西南石油大学
技术研发日：
技术公布日：2024/11/26
文档序号 :
【 40126468 】
技术研发人员：张安安,苏铭燃,张亮,高苓涛,龚泽民,雷位,粟其伦,张秦川,陈琪
技术所有人：西南石油大学
备 注：该技术已申请专利，仅供学习研究，如用于商业用途，请联系技术所有人。
声 明 ：此信息收集于网络，如果你是此专利的发明人不想本网站收录此信息请联系我们，我们会在第一时间删除
技术研发人员：张安安,苏铭燃,张亮,高苓涛,龚泽民,雷位,粟其伦,张秦川,陈琪
技术所有人：西南石油大学
备 注：该技术已申请专利，仅供学习研究，如用于商业用途，请联系技术所有人。
声 明 ：此信息收集于网络，如果你是此专利的发明人不想本网站收录此信息请联系我们，我们会在第一时间删除