本发明属于谐波电流预测，具体涉及一种配电网负荷谐波电流预测方法、系统、介质及电子设备。
背景技术：
1、本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。
2、随着电力电子技术的发展与人们节能减排意识的提高，居民负荷中含有大量的非线性电力电子设备，此类设备虽然功率小，但数量多、分布广，电流谐波畸变率高，导致当前居民配电网的谐波畸变问题逐年增长。当谐波电流含量超过预设范围时，导致电网电压严重畸变，进而导致设备无法正常工作，甚至加速设备的老化速度。谐波电流含量的增加也会导致线路的谐波损耗增加。
3、为减轻谐波带来的危害，提高电能质量，提前预测出谐波电流显得尤为重要，可为谐波的提前预警、超前治理等电能质量治理工作提供有效的参考信息。
4、据发明人了解，相关研究采用人工神经网络进行谐波电流预测的研究，通过不断调整模型中输入参数和隐藏层的数目来提高预测性能，得到较高的预测精度；也可通过将模糊神经网络、误差反向传播神经网络和径向基函数神经网络应用于有源电力滤波器的谐波电流检测和补偿当中，提高谐波电流补偿的精度，实现对谐波电流的预测补偿；此外，还可采用基于思维进化算法的通用回归神经网络和改进的adaboost算法的谐波特性预测方法，对谐波数据进行建模、预测及分析，能较好地预测出总谐波失真。为提高时间序列的预测性能，可将其他预测模型或技术和人工神经网络相结合，构造出性能更优的混合模型以用于时间序列的预测。但是，传统的预测方法并未对预测输入特征变量进行筛选，没有考虑各次谐波电流与外部输入特征之间的耦合性。
技术实现思路
1、为了解决上述问题，本发明提出了一种配电网负荷谐波电流预测方法、系统、介质及电子设备，采用改进的最大信息系数法找出用于预测的最优输入特征集，结合双向长短期网络预测方法，对配电网负荷的谐波电流实现精准预测。
2、根据一些实施例，本发明的第一方案提供了一种配电网负荷谐波电流预测方法，采用如下技术方案：
3、一种配电网负荷谐波电流预测方法，包括：
4、获取配电网负荷的电流时序波形数据；
5、根据所获取的时序波形数据提取配电网负荷每个周波下的各次谐波电流；
6、采用最大信息系数在所提取的谐波电流中选取最优特征变量数据集；
7、基于双向长短期记忆神经网络和所选取的最优特征变量数据集，完成配电网负荷不同次数谐波电流的预测。
8、作为进一步的技术限定，在提取配电网负荷每个周波下的各次谐波电流之后，将所提取的 m、 n次谐波电流的幅值分别记为变量 im和变量 in，将这两个变量划分为 x和 y个区间，即将谐波电流划分为的 q网格，即得变量 im和变量 in在网格 q中的互信息为：；其中， m( im, in| q)为谐波电流在网格 q中的互信息值， pdf( im, in)为变量 im和变量 in的联合概率密度函数， pdf( im)和 pdf( in)分别为变量 im和变量 in的边缘概率密度函数。
9、进一步的，对网格 q按照不同离散化方案的划分，得到不同的互信息值，基所得到的互信息值中的最大互信息值，分别求取不同离散化方案下的最大互信息值，对所得到的不同离散化方案下的最大互信息值进行归一化处理，得到最大信息系数，即。
10、作为进一步的技术限定，在选取最优特征变量数据集的过程中，采用最大信息系数的最优特征选择法，即结合相关性特征筛选法，同时考虑输入特征之间的冗余特性和预测输出与输入变量相关性，实现在所提取的谐波电流中选取最优特征变量数据集。
11、作为进一步的技术限定，在谐波电流预测的过程中，以所选取的最优特征变量数据集为输入，基于所构建的双向长短期记忆神经网络预测模型，完成谐波电流的预测；所构建的双向长短期记忆神经网络预测模型为
12、；其中，为长短期记忆神经网络的隐藏层的表达式， wxf和 wsf为遗忘门的权值参数， xt为时刻的输入，st-1为 t-1时刻隐藏层的输出， bf为遗忘门的偏置参数， wxc和 wsc为隐藏层的权值参数， bc为隐藏层的偏置参数， wxi和 wsi为输入门的权值参数， bi为输入门的偏置参数， ct和 ct-1为 t时刻和 t-1时刻的内部状态， wxo和 wso为输出门的权值参数， bo为输出门的偏置参数， ht为 t时刻的隐藏状态输出，sig和tanh分别为激活函数sigmoid和tanh；和分别为双向长短期记忆神经网络 t时刻的正向和反向隐藏层状态。
13、作为进一步的技术限定，在获取配电网负荷的电流时序波形数据之后，采用移动窗口法与三西格玛准则对电流时序波形数据进行预处理。
14、进一步的，对预处理后的电流时序波形数据，通过插值离散傅里叶法提取每个周波下的各次谐波电流。
15、根据一些实施例，本发明的第二方案提供了一种配电网负荷谐波电流预测系统，采用如下技术方案：
16、一种配电网负荷谐波电流预测系统，包括：
17、获取模块，其被配置为获取配电网负荷的电流时序波形数据；
18、提取模块，其被配置为根据所获取的时序波形数据提取配电网负荷每个周波下的各次谐波电流；
19、选取模块，其被配置为采用最大信息系数在所提取的谐波电流中选取最优特征变量数据集；
20、预测模块，其被配置为基于双向长短期记忆神经网络和所选取的最优特征变量数据集，完成配电网负荷不同次数谐波电流的预测。
21、根据一些实施例，本发明的第三方案提供了一种计算机可读存储介质，采用如下技术方案：
22、一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现如本发明第一方案所述的配电网负荷谐波电流预测方法中的步骤。
23、根据一些实施例，本发明的第四方案提供了一种电子设备，采用如下技术方案：
24、一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，所述处理器执行所述程序时实现如本发明第一方案所述的配电网负荷谐波电流预测方法中的步骤。
25、与现有技术相比，本发明的有益效果为：
26、本发明结合改进的最大信息系数与双向长短期记忆神经网络，考虑了影响预测精度的多重影响因素，可有效提升谐波电流预测精度。并且该方法可有效筛选最优特征输入数据集，可对不同次数谐波电流同时预测，提升了模型精度的同时提高了预测效率。该预测方法能推广并适用于不同类型负荷的谐波电流，对于确保准确预测谐波电流的变化趋势有重大意义。
1.一种配电网负荷谐波电流预测方法，其特征在于，包括：
2.如权利要求1中所述的一种配电网负荷谐波电流预测方法，其特征在于，在提取配电网负荷每个周波下的各次谐波电流之后，将所提取的m、n次谐波电流的幅值分别记为变量im和变量in，将这两个变量划分为x和y个区间，即将谐波电流划分为的q网格，即得变量im和变量in在网格q中的互信息为：；其中，m(im, in|q)为谐波电流在网格q中的互信息值，pdf(im, in)为变量im和变量in的联合概率密度函数，pdf(im)和pdf(in)分别为变量im和变量in的边缘概率密度函数。
3.如权利要求2中所述的一种配电网负荷谐波电流预测方法，其特征在于，对网格q按照不同离散化方案的划分，得到不同的互信息值，基所得到的互信息值中的最大互信息值，分别求取不同离散化方案下的最大互信息值，对所得到的不同离散化方案下的最大互信息值进行归一化处理，得到最大信息系数，即。
4.如权利要求1中所述的一种配电网负荷谐波电流预测方法，其特征在于，在选取最优特征变量数据集的过程中，采用最大信息系数的最优特征选择法，即结合相关性特征筛选法，同时考虑输入特征之间的冗余特性和预测输出与输入变量相关性，实现在所提取的谐波电流中选取最优特征变量数据集。
5.如权利要求1中所述的一种配电网负荷谐波电流预测方法，其特征在于，在谐波电流预测的过程中，以所选取的最优特征变量数据集为输入，基于所构建的双向长短期记忆神经网络预测模型，完成谐波电流的预测；所构建的双向长短期记忆神经网络预测模型为
6.如权利要求1中所述的一种配电网负荷谐波电流预测方法，其特征在于，在获取配电网负荷的电流时序波形数据之后，采用移动窗口法与三西格玛准则对电流时序波形数据进行预处理。
7.如权利要求6中所述的一种配电网负荷谐波电流预测方法，其特征在于，对预处理后的电流时序波形数据，通过插值离散傅里叶法提取每个周波下的各次谐波电流。
8.一种配电网负荷谐波电流预测系统，其特征在于，包括：
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现了如权利要求1-7任一项所述的配电网负荷谐波电流预测方法的步骤。
10.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现了如权利要求1-7任一项所述的配电网负荷谐波电流预测方法的步骤。
