论文摘要
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。
论文目录
文章来源
类型: 期刊论文
作者: 邓威,刘俐,李勇,谭益,朱亮,曹一家
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
来源: 广东电力 2019年09期
年度: 2019
分类: 工程科技Ⅱ辑,信息科技
专业: 电力工业,自动化技术
单位: 国网湖南省电力有限公司电力科学研究院,湖南大学电气与信息工程学院,国网湖南省电力有限公司
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)
分类号: TM714.3;TP183
页码: 154-159
总页数: 6
文件大小: 2021K
下载量: 69
相关论文文献
标签：配电网论文; 网损预测论文; 灰色关联分析论文; 长短期记忆神经网络论文; 特征指标论文;