文献类型：期刊文章

作　　者：肖白[1] 肖志峰[1] 姜卓[2] 赵栩[3] 阚中锋[4] 綦雪松[4] 白乙然[4]

XIAO Bai;XIAO Zhifeng;JIANG Zhuo;ZHAO Xu;KAN Zhongfeng;QI Xuesong;BAI Yiran(School of Electrical Engineering,Northeast Electric Power University,Jilin 132012,Jilin Province,China;School of Computer Science and Technology,Beihua University,Jilin 132021,Jilin Province,China;School of Electrical&Information Engineering,Changchun Institute of Technology,Changchun 130012,Jilin Province,China;Jilin Power Supply Company,State Grid Jilin Electric Power Company Co.,Ltd.,Jilin 132001,Jilin Province,China)

机构地区：[1]东北电力大学电气工程学院,吉林省吉林市132012 [2]北华大学计算机科学技术学院,吉林省吉林市132021 [3]长春工程学院电气与信息学院,吉林省长春市130012 [4]国网吉林省电力有限公司吉林供电公司,吉林省吉林市132001

出　　处：《中国电机工程学报》

基　　金：国家自然科学基金项目(51177009);吉林省产业创新专项基金项目(2019C058-7);吉林省教育厅科技项目(JJKH20180442KJ)。

年　　份：2021

卷　　号：41

期　　号：14

起止页码：4858-4867

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD2021_2022、EAPJ2020、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：精准的空间电力负荷态势感知结果是配电网精益化规划的基础。随着配电网中可采集负荷数据深度和广度的增加,如何运用这些数据实现对空间电力负荷精准的态势感知具有重要意义。该文提出一种基于降噪自编码器、奇异谱分析和长短期记忆神经网络(denoising autoencoder,singular spectrum analysis and long-short term memory neural networks,DAE-SSA-LSTM)的空间电力负荷态势感知方法。首先在态势觉察阶段,使用降噪自编码器对每个Ⅰ类元胞负荷实测数据分别进行编码提取各自的主要负荷变化特征,并根据该特征进行重构历史元胞负荷数据以降低由于测量、通信等原因造成的噪声干扰;然后在态势理解阶段中运用奇异谱分析方法对态势觉察后的元胞负荷数据进行分解得出周期性较强的低频分量序列和随机性较强的高频分量序列;最后在态势预测阶段采用不同的长短期记忆神经网络模型分别对低频分量和高频分量进行预测,并将两预测结果进行叠加得出目标年的Ⅰ类元胞负荷预测值,在此基础上运用空间电力负荷网格化技术求得基于Ⅱ类元胞的空间电力负荷预测值。实例分析结果表明,该方法相比于其他4种空间电力负荷态势感知方法,具有更高的预测精度。

关 键 词：空间电力负荷态势感知  降噪自编码器  奇异谱分析 长短期记忆神经网络  

分 类 号：TM71]