基于深度学习LSTM的线损预测技术研究与应用

摘要：

线损对电网的经济发展具有重要的作用,然而由于智能电表未完全普及,以及存在偷电漏电的行为,导致线损统计结果存在偏差,为线损治理工作带来很大的困难.提出来一种基于深度学习长短期记忆(long-short term memory,LSTM)神经网络的线损预测模型,并且设计了一组对比试验,对比的预测算法包括BP(back propagation)神经网络、循环神经网络(recurrent neural networks,RNN).试验结果表明,LSTM算法的预测准确率高于BP神经网络和RNN,尤其是在数据量较大的情况下.

关键词：深度学习、线损、预测、长短期记忆网络、循环神经网络

所属期刊栏目：41

分类号：TP183(自动化基础理论)

资助基金：国家电网公司科技项目:面向同期线损管理的多专业数据治理技术与挖掘应用研究

在线出版日期：2019-08-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：104-106