文献类型：期刊文章

作　　者：杨秀[1] 胡钟毓[1] 田英杰[2] 谢海宁[2] 陈文涛[3]

YANG Xiu;HU Zhongyu;TIAN YingJie;XIE Haining;CHEN Wentao(Shanghai University of Electric Power,Shanghai 200090,China;State Grid Shanghai Electrical Power Research Institute,Shanghai 200080,China;State Grid Xinjiang Electrical Power Research Institute,Urumuqi 830002,China)

机构地区：[1]上海电力大学,上海200090 [2]国网上海电力科学研究院,上海200080 [3]国网新疆电力科学研究院,新疆乌鲁木齐830002

出　　处：《智慧电力》

基　　金：国家自然科学基金资助项目(51907114);上海电力人工智能工程技术研究中心研究项目(19DZ2252800)。

年　　份：2021

卷　　号：49

期　　号：4

起止页码：66-74

语　　种：中文

收录情况：BDHX、BDHX2020、JST、RCCSE、ZGKJHX、核心刊

摘　　要：针对现行配变重过载治理方法过于被动的问题,结合电力大数据和深度学习技术提出了一种适用于大规模配电网分析的台区配变重过载预测方法。首先基于配变负载特性建立重载关注指标并建立二级过滤系统筛选出重过载风险较高的台区配变及其日期作为预测对象。然后充分考虑内外影响因素,建立卷积神经网络-门限循环单元深度学习模型实现负载率预测并转化为预警等级。实例证明了所提方法的有效性。

关 键 词：配变 重过载预测  关注指标  二级过滤系统  卷积神经网络 门限循环单元  

分 类 号：TM421]