基于GCA和LSTM神经网络的配电网网损预测

作者：邓威; 刘俐; 李勇; 谭益; 朱亮; 曹一家

来源：广东电力, 2019, 32(09): 154-159.

• 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

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。

• 单位
  国网湖南省电力有限公司电力科学研究院; 湖南大学