CN119514364A 一种基于dsa-ctcm网络的避雷器温度补偿方法及系统 （国网湖南省电力有限公司）

一种基于DSA-CTCM网络的避雷器温度补偿本发明公开了一种基于DSA_CTCM网络的避2所述环境数据包括避雷器的温度数据和避雷器所处环境的S3：基于双阶段自注意力结合MambaNet的时序所述数据同步是为每条历史环境数据记录添加时间戳，并将不同时刻;;;;3所述S205中的Z_Score标准化的函数表;S305：解码器通过分类信息对所述隐藏状态进行S307：当温度补偿模型的训练迭代次数达到预设测;;4;;;;;所述编码器包括依次连接的时间多头自注意力层和时序卷所述环境数据包括避雷器的温度数据和避雷器所处环境的模型构建模块，用以基于双阶段自注意力结合MambaNet的时序5偏差计算模块，用以获取避雷器的实时环境数据，将所动态校正模块，用以建立动态反馈机制，根据温度偏差67[0028]R=R-KH,R89[0092]图1示出了根据本说明书的实施例中基于DSA_CTCM网络的避雷器温度补偿方法的[0095]图4示出了根据本说明书的实施例中基于DSA_CTCM网络的避雷器温度补偿系统的[0100]图1示出了根据本说明书的实施例中基于DSA_CTCM网络的避雷器温度补偿方法的[0101]如图1所示，本实施例提供了一种基于DSA_CTCM网络的避雷器温度补偿方法，包[0112]在一些实施例中，数据清洗处理的过程包括检查历史环境数据的完整性和一致[0113]具体的，本实施例获取的历史环境数据中可能包含噪声和异常值，通过Z_score网络（Dual_stageSelf_Attention_basedTemporalConvolutionalNetworkcombinedwithMambaNet[0141]在一些实施例中，基于DSA_CTCM网络的避雷器温度补偿模型采用编码器_Multi_HeadSelf_Attention)和时序卷积网络层（TemporalConvolutionalNetwork,[0144]具体的，编码器包括依次连接的多头自注意力层(TemporalMulti_HeadSelf_[0148]然后Linear层进一步对特征维度进行调整，使得数据结构更适合后续的时序建[0149]最后经过Mamba模块进行时序建模和特征提取后，生成的特征序列包含了整合对应的预测温度数据间的温度差值是否达到预设补[0190]图4示出了根据本说明书的实施例的基于DSA_CTCM网络的避雷器温度补偿系统的[0201]实现上述实施例的一种基于DSA_CTCM网络的避雷器温度补偿方法所需的非暂态软件程序以及指令存储在存储器中，当被处理器执行时，执行上述实施例中的一种基于DSA_CTCM网络的避雷器温度补偿方法，例如，执行以上描述的图1中的方法步骤S1至步骤可以根据实际的需要选择其中的部分或者全部单元来实现本可执行指令，所述计算机可执行指令用于使计算机执行如权利要求如实施例1所述的一种算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器[0207]上述计算机可读存储介质可以以一种或多种程序设计语言或其组合来编写用于执行本实施例的计算机程序，上述程序设计语言包括面向对象的程序设计语言—诸如[0211]本实施例通过Concat层、Flatten层以及线性层的设计，增强了模型