[发明专利]一种直流支撑电容的电容值预测方法及装置

权利要求书

1.一种直流支撑电容的电容值预测方法，其特征在于，所述方法包括：

获取待测试数据，其中，所述待测试数据中至少包括电容电压、电容电流、电网电压和电网电流；

将所述待测试数据输入至预设组合神经网络模型，通过所述预设组合神经网络模型对所述待测试数据进行复制得到副本数据，将所述待测试数据和所述副本数据中的一者输入至第一长短期记忆网络得到第一时间相关性特征，另一者输入至第一卷积神经网络得到第一空间相关性特征，将所述第一时间相关性特征输入至第二长短期记忆网络得到第二时间相关性特征，将所述第一空间相关性特征输入至第二卷积神经网络得到第二空间相关性特征，将所述第二时间相关性特征和所述第二空间相关性特征输入至全连接层得到直流支撑电容的电容预测值；

其中，所述预设组合神经网络模型包括所述第一卷积神经网络、所述第二卷积神经网络、所述第一长短期记忆网络、所述第二长短期记忆网络和所述全连接层，所述第一长短期记忆网络与所述第二长短期记忆网络连接，所述第一卷积神经网络与所述第二卷积神经网络连接，所述第二长短期记忆网络和所述第二卷积神经网络均与所述全连接层连接。

2.如权利要求1所述的方法，其特征在于，所述第一卷积神经网络包括第一卷积层、第一最大池化层和第一激活层，所述第二卷积神经网络包括第二卷积层、第二最大池化层和第二激活层，所述将另一者输入至第一卷积神经网络得到第一空间相关性特征，将所述第一空间相关性特征输入至第二卷积神经网络得到第二空间相关性特征的步骤，包括：

将另一者输入至所述第一卷积层，得到第一卷积特征；

将所述第一卷积特征输入至所述第一最大池化层，得到第一最大池化后特征；

将所述第一最大池化后特征输入至所述第一激活层，得到第一空间相关性特征；

将所述第一空间相关性特征输入至所述第二卷积层，得到第二卷积特征；

将所述第二卷积特征输入至所述第二最大池化层，得到第二最大池化后特征；

将所述第二最大池化后特征输入至所述第二激活层，得到第二空间相关性特征。

3.如权利要求1或2所述的方法，其特征在于，所述将所述第二时间相关性特征和所述第二空间相关性特征输入至全连接层得到直流支撑电容的电容预测值的步骤，包括：

通过所述全连接层的预设线性函数对所述第二时间相关性特征和所述第二空间相关性特征进行回归处理，得到直流支撑电容的电容预测值。

4.如权利要求2或3所述的方法，其特征在于，所述第一卷积神经网络还包括第一块正则化层，所述第二卷积神经网络还包括第二块正则化层；

在所述将所述第一最大池化后特征输入至所述第一激活层，得到第一空间相关性特征的步骤之前，所述方法还包括：

将所述第一最大池化后特征输入至所述第一块正则化层进行正则化处理，得到处理后的第一最大池化后特征，其中，所述处理后的第一最大池化后特征的波动频率位于预设波动阈值范围内；

所述将所述第一最大池化后特征输入至所述第一激活层，得到第一空间相关性特征的步骤，包括：

将处理后的第一最大池化后特征输入至所述第一激活层，得到第一空间相关性特征；

在所述将所述第二最大池化后特征输入至所述第二激活层，得到第二空间相关性特征的步骤之前，所述方法还包括：

将所述第二最大池化后特征输入至所述第二块正则化层进行正则化处理，得到处理后的第二最大池化后特征，其中，所述处理后的第二最大池化后特征的波动频率位于所述预设波动阈值范围内；

所述将所述第二最大池化后特征输入至所述第二激活层，得到第二空间相关性特征的步骤，包括：

将处理后的第二最大池化后特征输入至所述第二激活层，得到第二空间相关性特征。