基于双向长短期记忆网络的输电线路状态画像与评估

作者：吴晨曦; 李博亚; 孙弼洋; 钟素鹏

来源：浙江电力, 2022, 41(10): 34-41.

DOI：10.19585/j.zjdl.202210005

• 输电线路状态评估
• 双向长短期记忆网络
• 自组织神经网络
• 降维

为提高输电线路状态评估的准确率，提出一种先聚类再回归的输电线路状态画像与评估模型。首先，设计自组织神经网络对输电线路原始数据进行降维，自适应地提取若干类代表性特征信息，无需人工提取特征和依据主观经验选择聚类数；然后，将代表性特征数据输入LSTM（长短期记忆）网络中，LSTM网络将前向学习和反向学习相结合，对模型进行双向训练与评估，建立输电线路核心数据与状态的非线性映射关系，提高电网场景下的输电线路状态评估准确率。实验结果表明，所提模型在实际数据集上取得了较好的评估效果，评估准确率高于常用的支持向量机、人工神经网络、稀疏自动编码机等方法。