基于GCA和LSTM神经网络的配电网网损预测

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.

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

所属期刊栏目：32

分类号：TM73;TP183(输配电工程、电力网及电力系统)

资助基金：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

在线出版日期：2019-12-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：154-159