基于CNN-LSTM的配电网供电能力研究

摘要：

供电能力反映着配电网的自动化水平和安全可靠性水平,而配电网的供电能力主要受负荷发展的影响,为了对配电网供电能力进行科学精确的评估,提出了考虑负荷预测的配电网供电能力研究.首先提出了采用卷积神经网络(CNN)优化长短期记忆神经网络(LSTM)的负荷预测算法,该算法既具有卷积神经网络能够有效提取数据特征又包含了长短期神经网络适用于解决时间序列预测的优点.然后采用回推迭代潮流计算方法建立了配电网供电能力评估模型,实现对配电网供电能力的精准评估.通过算例仿真实验可以看出,相比于其他传统算法,CNN-LSTM方法具有更高的负荷预测准确度,预测的负荷值更贴近实际值,更加准确的反映了负荷增长情况,而且所提的考虑负荷预测的配电网供电能力计算方法,有效指导了配电网的规划和建设.

关键词：卷积神经网络、长短期记忆神经网络、负荷预测、配电网供电能力

所属期刊栏目：38

分类号：TM72;TN0(输配电工程、电力网及电力系统)

在线出版日期：2019-11-21（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：16-21