基于融合注意力机制的多智能体磁浮谐波预测算法

为减小高速磁浮系统谐波对牵引供电网产生的影响，解决谐波治理存在的时滞性问题，通常需要对谐波电流进行预测。对此，采用融合深度学习算法的组合模型相比于传统算法的表现更加出色。文章提出一种新的融合注意力机制的多智能体磁浮谐波预测算法，该算法通过麻雀搜索算法（SSA）优化变分模态分解（VMD）的相关参数，并利用该优化参数将原始电流信号分解为多个不同中心频率的谐波分量，将各个分量分别输入融合注意力机制的长短时记忆网络（LSTM）中进行时序预测，形成多个独立预测智能体，再对各个智能体预测结果进行重构，从而实现对高速磁浮谐波电流预测。在此基础上引入误差修正机制，进一步提高模型的预测精度。对上海高速磁浮牵引系统进行理论分析与仿真，采集网侧电流数据，并用所提出的算法模型对此数据进行试验和分析。结果表明，与其他模型相比，所提的预测模型在磁浮谐波电流预测方面具有较好的性能，并可使时滞性得到进一步改善。