文献类型：期刊文章

作　　者：周王峰[1] 李勇[1] 郭钇秀[1] 乔学博[1] 梅玉杰[1] 邓威[2]

ZHOU Wangfeng;LI Yong;GUO Yixiu;QIAO Xuebo;MEI Yujie;DENG Wei(School of Electrical Engineering and Information,Hunan University,Changsha 410082,China;State Grid Hunan Electric Power Co.,Ltd.Research Institute,Changsha 410007,China)

机构地区：[1]湖南大学电气与信息工程学院,湖南长沙410082 [2]国网湖南省电力有限公司电力科学研究院,湖南长沙410007

出　　处：《电力系统保护与控制》

基　　金：国家重点研发计划政府间国际科技创新合作重点项目资助(2018YFE0125300);国家自然科学基金项目资助(52061130217);湖湘高层次人才聚集工程项目资助(2019RS1016);长沙市杰出创新青年计划项目资助(KQ1905008)。

年　　份：2021

卷　　号：49

期　　号：17

起止页码：48-56

语　　种：中文

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

摘　　要：针对配电网线损精益化管理的需求,为准确把握配电线路线损率短期变化趋势,提出一种基于降噪自编码器(DAE)和长短期记忆网络(LSTM)相结合的配电网日线损率预测模型。首先建立灰色综合关联度分析指标,挖掘日线损率影响因素近期量与其去年同期量间的相关性,选择去年同期量作为模型的输入变量辅助预测。然后以无监督的方式构建DAE模型对输入序列进行特征编码与重构,实现输入序列的特征提取与降维。最后将编码后的序列输入LSTM神经网络,经训练拟合得到日线损率预测模型。采用湖南某地市多条配电线路实测数据进行实例分析,结果表明该模型日线损率预测准确性较高,运算速度适中,具有一定的实际工程应用价值。

关 键 词：配电网 线损率 降噪自编码器  长短期记忆网络  预测  

分 类 号：TM73] TP183]