基于深度学习的配变停电电量损失预测

• 作者: 孙羽森 山宪武 张冬冬 罗晨
• 来源期刊: 水电能源科学
• 学科: 工学
• 关键词: 深度学习 循环神经网络 配变停电 电量损失 预测
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 电气工程
• 页码范围: 176-180
• 页数: 5页
• 分类号: TM715
• 语种: 中文

摘要

停电电量损失预测可为电网调度及规划提供参考,有利于为用户提供可靠供电服务.针对当前配变停电过程中的电量损失问题,先基于模糊C均值聚类算法实现对配变负荷曲线的分类处理及精细化分析,挖掘配变负荷数据规律;在此基础上,运用皮尔逊相关系数算法提取选择输入特征,构建基于门控循环单元神经网络的预测模型,从而得到停电时间负荷值,进而分析预测负荷曲线得到损失电量;最后,基于停电管理工作分析,实现基于粒子群优化的台区用电行为停电优化问题求解.算例测试验证了所提方法的正确性和有效性.