引用本文：
付浩，王圣达，姜山，等：基于ARMA-LSTM的光功率预测方法[J]. 光通信技术，2019，43（1）：20-23.
付 浩1，王圣达2，姜 山2，康爱民3
（1.长春理工大学 电子与信息工程学院，长春 130022； 2.国网吉林省电力有限公司 信息通信公司，长春 130021；3.国网辽宁省电力有限公司 阜新供电公司，辽宁 阜新 123000）
【下载PDF全文】 【下载Word】摘要：光功率是衡量电力光纤通信质量的一种重要的指标。针对光功率的这一特性，提出了一种自回归移动平均-长短期记忆网络（ARMA-LSTM）光功率预测方法，该方法通过db5小波对原始光功率数据进行一层分解获得光功率数据趋势项部分和细节项部分。采用LSTM对趋势项进行建模预测，采用ARMA对细节项进行建模预测并将两种预测结果相加得到最终的预测结果。实验结果表明：该预测模型比传统预测模型的预测精度更高。
关键词：电力光纤；小波分解；ARMA-LSTM；光功率预测
中图分类号：TP393.01 文献标志码：A 文章编号：1002-5561（2019）01-0020-04
DOI:10.13921/j.cnki.issn1002-5561.2019.01.005
0 引言
电力光纤具有通信容量大、传输损耗小和抗电磁干扰性好等优点，在电力通信中占有主要位置，承担了电力企业95%以上的电力通信业务[1]。随着电力企业的信息化建设飞速发展，中国铺设电力光缆总长度已超过150×104km，中国北方某省城区已经建成了100%覆盖所有66kV变电站的电力光纤支撑网络，电力光缆总长度已达2549km，并且随着城郊光缆通信网的建设，光纤支撑网预期将达到3349km。当电力光纤线路出现老化、腐蚀、雷击、冰雪覆压、湿气渗透以及线路受潮等故障类型时，光纤线路不会立即产生传输信号中断，其光功率值也不会立即大幅度衰减，但会导致光纤线路的缓慢劣变，此时线路的光功率数据则会呈现一定的变化趋势。对于这类故障，传统监测光纤光功率的方式并不能有效地及时发现故障并进行处理，这将会给企业造成巨大的经济损失[2]。目前，国内外对电力光纤线路趋势分析的研究主要集中在利用径向基函数（RBF）神经网络、支持向量机和支持向量回归等智能优化算法对光功率趋势进行预测分析[3]。这些方法的信息传递不具有持久性。针对该问题，本文提出一种自回归移动平均-长短期记忆网络（ARMA-LSTM）光功率预测方法。
4 结束语
本文针对电力通信光纤光功率时间序列时变性和非线性等特点，设计了一种基于ARMA-LSTM光功率预测模型。该预测模型的预测精度较传统的ARIMA、SVM、LSTM和ARMA-SVM预测模型有较大提升。本文研究光纤状态趋势发展状况并根据其趋势预知未来发生的故障，将电力光纤线路的事后维护变为事先进行维护，这对电力通信系统的稳定运行具有重大的意义。