基于CNN-LSTM的配电网供电能力研究

论文摘要

供电能力反映着配电网的自动化水平和安全可靠性水平,而配电网的供电能力主要受负荷发展的影响,为了对配电网供电能力进行科学精确的评估,提出了考虑负荷预测的配电网供电能力研究。首先提出了采用卷积神经网络（CNN）优化长短期记忆神经网络（LSTM）的负荷预测算法,该算法既具有卷积神经网络能够有效提取数据特征又包含了长短期神经网络适用于解决时间序列预测的优点。然后采用回推迭代潮流计算方法建立了配电网供电能力评估模型,实现对配电网供电能力的精准评估。通过算例仿真实验可以看出,相比于其他传统算法,CNN-LSTM方法具有更高的负荷预测准确度,预测的负荷值更贴近实际值,更加准确的反映了负荷增长情况,而且所提的考虑负荷预测的配电网供电能力计算方法,有效指导了配电网的规划和建设。

论文目录

• 0 引言
• 1 深度学习理论
•   1.1 卷积神经网络（CNN）
•   1.2 长短期记忆网络（LSTM）
•   1.3 CNN-LSTM
• 2 供电能力评估模型
•   2.1 评估模型
•   2.2 配电网供电能力求解步骤
• 3 算例仿真
•   3.1 实验仿真
• 4 结论

文章来源

类型: 期刊论文

作者: 李春,张代红,李登武

关键词: 卷积神经网络,长短期记忆神经网络,负荷预测,配电网供电能力

来源: 国外电子测量技术 2019年09期

年度: 2019

分类: 信息科技,工程科技Ⅱ辑

专业: 电力工业,自动化技术

单位: 国网浙江省电力有限公司嘉兴供电公司,天津天电清源科技有限公司

分类号: TP183;TM72

DOI: 10.19652/j.cnki.femt.1901534

页码: 16-21

总页数: 6

文件大小: 418K

下载量: 185