-
题名基于深度学习的配变停电电量损失预测
被引量：6
- 1
-
-
作者
罗晨
山宪武
张冬冬
孙羽森
-
机构
国网新疆电力有限公司电力科学研究院
国网新疆喀什供电公司
南瑞集团公司国网电力科学研究院
-
出处
《水电能源科学》
北大核心
2020年第4期176-180,共5页
-
基金
国家重点研发计划(2016YFB0901100)。
-
文摘
停电电量损失预测可为电网调度及规划提供参考,有利于为用户提供可靠供电服务。针对当前配变停电过程中的电量损失问题,先基于模糊C均值聚类算法实现对配变负荷曲线的分类处理及精细化分析,挖掘配变负荷数据规律;在此基础上,运用皮尔逊相关系数算法提取选择输入特征,构建基于门控循环单元神经网络的预测模型,从而得到停电时间负荷值,进而分析预测负荷曲线得到损失电量;最后,基于停电管理工作分析,实现基于粒子群优化的台区用电行为停电优化问题求解。算例测试验证了所提方法的正确性和有效性。
-
关键词
深度学习
循环神经网络
配变停电
电量损失
预测
-
Keywords
deep learning
recurrent neural network
distribution transformer outage
power loss
prediction
-
分类号
TM715
[电气工程—电力系统及自动化]
-
