文献类型：期刊文章

作　　者：钟小强[1] 陈杰[1] 蒋敏敏[2] 郑晓晖[2]

ZHONG Xiaoqiang;CHEN Jie;JIANG Minmin;ZHENG Xiaohui(State Grid Fujian Electric Power Company,Fuzhou 350003,Fujian Province,China;State Grid Info-telecom Great Power Science and Technology Co.,Ltd.,Fuzhou 350003,Fujian Province,China)

机构地区：[1]国网福建省电力有限公司,福建省福州市350003 [2]国网信通亿力科技有限责任公司,福建省福州市350003

出　　处：《电网技术》

基　　金：国家电网有限公司科技项目(SGITG-201719SQFJ-FF05).

年　　份：2020

卷　　号：44

期　　号：2

起止页码：769-774

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSCD、CSCD2019_2020、EI、IC、JST、PROQUEST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：该文提出了一种基于深度学习技术的台区线损分析方法。首先,构建了基于门控循环单元的多层网络结构。然后,结合多个维度的台区电气特征参数作为输入进行训练,获得了相应的深度学习线损率计算模型。最后,基于若干小区的实测数据,验证了所提方法的有效性。实验结果表明,与已有文献中采用反向传播(back propagation,BP)神经网络预测方法相比,所提方法具有更优的线损预测精度和计算效率,可以分别获得10.7%和25.5%的性能提升。

关 键 词：深度学习网络  门控循环单元  预测模型  台区线损计算  

分 类 号：TM714.3]