基于DAE-LSTM神经网络的配电网日线损率预测

作者：周王峰; 李勇^*; 郭钇秀; 乔学博; 梅玉杰; 邓威

来源：电力系统保护与控制, 2021, 49(17): 48-56.

DOI：10.19783/j.cnki.pspc.201483

• 配电网
• 线损率
• 降噪自编码器
• 长短期记忆网络
• 预测

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。

• 单位
  国网湖南省电力有限公司电力科学研究院; 湖南大学