标题：基于粒子群优化SVM的LSTM电缆温度异常预测算法
作者：关家华1 郑楚韬1；简淦杨2；林晓璇1 凌忠标1；李果2，3；黄燕生3
作者单位：1 广东电网有限责任公司佛山供电局，广东 佛山 528000；2 广州南网科研技术有限责任公司，广东 广州 510663；3 南方电网科学研究院有限责任公司，广东 广州 510663
关键字：粒子群；分类器；长短期记忆人工神经网络；电缆温度；预测
摘要：为解决电缆温度异常预测问题，提出了一种电缆温度异常预测算法。首先，该算法采用支持向量机构建电缆温度异常判断的分类器，并采用粒子群算法进行自适应参数设置。其次，按照月份将电缆数据进行分类并得到12个数据集，同时将所有电缆数据作为1个数据集。接着，采用长短期记忆神经网络分别对这13个数据集进行训练，并通过训练预测精度加权将13个训练网络集成起来。最后，将电缆温度数据作为输入值，通过集成后的网络判断未来时刻电缆是否处于异常状态。实验结果表明，该文提出的预测算法效果良好，具备较高的应用价值。