基于MHA-CNN-SLSTM和误差补偿的互感器预测方法

基于MHA‑CNN‑SLSTM和误差补偿的互感器预测方法，包括：采用VMD将互感器误差数据分解为不同高低频分量；基于改进海鸥优化算法ISOA优化VMD的关键参数，实现误差数据最优分解；基于多头注意力机制MHA对误差影响特征交叉处理，挖掘各特征间关联性，通过强相关性特征与误差间关系建立弱相关特征与误差间深层联系；将CNN置于多头注意力机制MHA后端，降低多头注意力机制MHA输出特征维度；考虑训练集与测试集之间相关性，改进LSTM神经网络，动态调整网络权重和偏置，构建MHA‑CNN‑SLSTM组合预测模型；将预测值与实际值误差作为训练集输入构建的组合预测模型，生成补偿数据对预测值进行补偿。该方法能够准确的预测未来短期内互感器误差状态变化，具有预测精度高、泛化性强等特点。