Print

基于GCA和LSTM神经网络的配电网网损预测

论文摘要

配电网馈线和节点较多且负荷多变,使得配电网中损耗分析预测困难。为此提出一种基于灰色关联分析（grey correlation analysis, GCA）和长短期记忆（long short-term memory, LSTM）神经网络的配电网网损预测方法。首先采用GCA法定量分析输入变量与网损的关联度,确定最佳特征指标;然后基于LSTM网络提取多时间尺度下网损的时间序列特征,并对配电网网损进行预测,以增强预测模型对时间的感知能力,提高预测精度。算例测试结果表明:该网损预测模型具有较高的精确度和可靠性,可应用于配电网网损预测,为电网降损节能提供决策依据。

论文目录

  • 1 GCA的输入特征指标体系
  •   1.1 GCA法
  •   1.2 实例分析
  • 2 LSTM神经网络
  • 3 网损预测模型
  •   3.1 预测流程
  •   3.2 模型评价指标
  • 4 算例分析
  •   4.1 特征指标构建
  •   4.2 网损预测结果
  • 5 结束语

    • 文章来源

    类型: 期刊论文

    作者: 邓威,刘俐,李勇,谭益,朱亮,曹一家

    关键词: 配电网,网损预测,灰色关联分析,长短期记忆神经网络,特征指标

    来源: 广东电力 2019年09期

    年度: 2019

    分类: 工程科技Ⅱ辑,信息科技

    专业: 电力工业,自动化技术

    单位: 国网湖南省电力有限公司电力科学研究院,湖南大学电气与信息工程学院,国网湖南省电力有限公司

    基金: 国网湖南省电力有限公司科技项目(5216A517000U),国家自然科学基金项目(51822702)

    分类号: TM714.3;TP183

    页码: 154-159

    总页数: 6

    文件大小: 2021K

    下载量: 69

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/71cc2d2de9afb3ffedf73838.html