基于深度学习LSTM的线损预测技术研究与应用

论文摘要

线损对电网的经济发展具有重要的作用,然而由于智能电表未完全普及,以及存在偷电漏电的行为,导致线损统计结果存在偏差,为线损治理工作带来很大的困难。提出来一种基于深度学习长短期记忆（long-short term memory,LSTM）神经网络的线损预测模型,并且设计了一组对比试验,对比的预测算法包括BP（back propagation）神经网络、循环神经网络（recurrent neural networks,RNN）。试验结果表明,LSTM算法的预测准确率高于BP神经网络和RNN,尤其是在数据量较大的情况下。

论文目录

• 0 引 言
• 1 基于LSTM的线损预测模型的构建
•   1.1 RNN
•   1.2 LSTM神经网络
•   1.3 构建基于LSTM的线损预测模型
• 2 基于LSTM的线损预测模型的应用
•   2.1 数据集介绍
•   2.2 数据预处理
•   2.3 试验过程
•   2.4 试验对比
• 3 结束语

文章来源

类型: 期刊论文

作者: 辛永,黄文思,陆鑫,霍成军,陈婧

关键词: 深度学习,线损,预测,长短期记忆网络,循环神经网络

来源: 电气自动化 2019年04期

年度: 2019

分类: 工程科技Ⅱ辑,信息科技

专业: 电力工业

单位: 国网信通亿力科技有限责任公司,国网山西省电力公司

基金: 国家电网公司科技项目:面向同期线损管理的多专业数据治理技术与挖掘应用研究

分类号: TM73

页码: 104-106

总页数: 3

文件大小: 592K

下载量: 319