基于GCA和LSTM神经网络的配电网网损预测

• 作者: 刘俐 曹一家 朱亮 李勇 谭益 邓威
• 来源期刊: 广东电力
• 学科: 工学
• 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
• 年，卷（期）: 2019,（9）
• 所属期刊栏目: 数据挖掘技术
• 页码范围: 154-159
• 页数: 6页
• 分类号: TM73|TP183
• 字数: 4781字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-290X.2019.009.020

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李勇	湖南大学电气与信息工程学院	159	1759	22.0	34.0
2	曹一家	湖南大学电气与信息工程学院	137	3631	36.0	54.0
3	邓威	国网湖南省电力有限公司电力科学研究院	10	24	3.0	4.0
4	谭益	湖南大学电气与信息工程学院	10	302	6.0	10.0
5	朱亮		9	38	4.0	6.0
6	刘俐	湖南大学电气与信息工程学院	2	6	1.0	2.0