基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对配电变压器负荷非线性动态特性导致的负荷预测困难、预测精度低等问题,基于长短期记忆循环神经网络(LSTM-RNN)建立了配电变压器负荷预测模型.根据无锡地区某配变台区自2017年以来的最大负荷、最小负荷、日最高温度、日最低温度、天气情况等参数,通过LSTM-RNN构建该配变台区的短期负荷预测模型,用于预报该配变台区未来几天的最大负荷.试验结果表明,预测结果误差均在10%以内,表明LSTM-RNN应用于配电变压器负荷预测建模是可行的.
推荐文章
基于LSTM-RNN模型的铁水硅含量预测
预测
动态建模
神经网络
高炉炼铁
硅含量
基于LSTM模型的短期负荷预测
短期负荷预测
LSTM神经网络
工业用户
深度学习
加强农村区域配电变压器的负荷管理
变压器
运行维护
负荷管理
过电压
基于RNN的低压变压器区域日线损率基准测试
基准计算
日线损率
低压电压器区域
鲁棒神经网络
去噪自动编码器
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于LSTM-RNN的配电变压器负荷预测模型研究
来源期刊 机电信息 学科
关键词 LSTM-RNN 配电变压器 负荷预测 神经网络
年,卷(期) 2020,(2) 所属期刊栏目 电气工程与自动化
研究方向 页码范围 1-3
页数 3页 分类号
字数 2418字 语种 中文
DOI 10.3969/j.issn.1671-0797.2020.02.001
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 孙朝辉 江南大学物联网工程学院 1 1 1.0 1.0
2 徐蕊 1 1 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (126)
共引文献  (93)
参考文献  (12)
节点文献
引证文献  (1)
同被引文献  (4)
二级引证文献  (0)
1981(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(4)
  • 参考文献(1)
  • 二级参考文献(3)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(4)
  • 参考文献(0)
  • 二级参考文献(4)
2003(5)
  • 参考文献(0)
  • 二级参考文献(5)
2005(3)
  • 参考文献(0)
  • 二级参考文献(3)
2006(6)
  • 参考文献(0)
  • 二级参考文献(6)
2007(3)
  • 参考文献(0)
  • 二级参考文献(3)
2008(7)
  • 参考文献(0)
  • 二级参考文献(7)
2009(4)
  • 参考文献(0)
  • 二级参考文献(4)
2010(3)
  • 参考文献(0)
  • 二级参考文献(3)
2011(11)
  • 参考文献(0)
  • 二级参考文献(11)
2012(4)
  • 参考文献(0)
  • 二级参考文献(4)
2013(9)
  • 参考文献(1)
  • 二级参考文献(8)
2014(12)
  • 参考文献(0)
  • 二级参考文献(12)
2015(21)
  • 参考文献(0)
  • 二级参考文献(21)
2016(15)
  • 参考文献(1)
  • 二级参考文献(14)
2017(7)
  • 参考文献(1)
  • 二级参考文献(6)
2018(8)
  • 参考文献(3)
  • 二级参考文献(5)
2019(5)
  • 参考文献(5)
  • 二级参考文献(0)
2020(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2020(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
LSTM-RNN
配电变压器
负荷预测
神经网络
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
机电信息
旬刊
1671-0797
32-1628/TM
大16开
南京山西路120号江苏成套大厦12楼
28-285
2001
chi
出版文献量(篇)
19929
总下载数(次)
45
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导