文档名：基于TASSAMg LSTM的配电网线损预测方法
摘要：为更精确地预测配电网线损,提出了一种基于瞬态自适应麻雀搜索算法TASSA(transientadaptivesparrowsearchalgorithm)优化MogrifierLSTM(MgLSTM)的配电网线损预测方法.首先通过斜率灰色相关性分析方法,得到12个电气特征参数与线损之间的关联度,并经过配电网数据的预测校验,确定最佳的电气特征参数体系.然后使用TASSA优化MgLSTM神经网络中4个重要参数,确定最佳的MgLSTM网络结构,进而构建基于TAS-SA-MgLSTM的神经网络线损预测模型.最后,通过甘肃省某地区配电网进行实例分析,验证了所提方法具有较高的预测精度.
Abstract：Topredictthelinelossofdistributionnetworkmoreaccurately,amethodbasedontransientadaptivespar-rowsearchalgorithm(TASSA)tooptimizeMogrifierlongshort-termmemory(MgLSTM)isproposed.First,thecorre-lationdegreesbetween12electricalcharacteristicparametersandlinelossareobtainedthroughtheslopegraycorrela-tionanalysismethod,andtheoptimalelectricalcharacteristicparametersystemisdeterminedthroughthepredictionandverificationofdistributionnetworkdata.Then,TASSAisusedtooptimizethefourimportantparametersoftheMgLSTMneuralnetworkanddeterminethebestMgLSTMnetworkstructure.Onthisbasis,aneuralnetworklinelosspre-dictionmodelbasedonTASSA-MgLSTMisbuilt.Finally,acasestudyofonedistributionnetworkinGansuProvinceshowsthattheproposedmethodhasahighpredictionaccuracy.
作者：吴丽珍 秦文彬 赵一凡 陈伟 Author：WULizhen QINWenbin ZHAOYifan CHENWei
作者单位：兰州理工大学电气工程与信息工程学院,兰州730050;北京交通大学国家能源主动配电网技术研发中心,北京100044兰州理工大学电气工程与信息工程学院,兰州730050
刊名：电力系统及其自动化学报 ISTICPKU
Journal：ProceedingsoftheCSU-EPSA
年，卷(期)：2023, 35(12)
分类号：TM721
关键词：配电网 线损预测 斜率灰色相关性分析 麻雀搜索算法 长短期神经网络 深度学习
Keywords：distributionnetwork linelossprediction slopegreycorrelationanalysis sparrowsearchalgorithm(SSA) longshort-termneuralnetwork deeplearning
机标分类号：TP391.41TM715X522
在线出版日期：2024年1月8日
基金项目：国家自然科学基金基于TASSA-MgLSTM的配电网线损预测方法[
期刊论文] 电力系统及其自动化学报--2023, 35(12)吴丽珍 秦文彬 赵一凡 陈伟为更精确地预测配电网线损,提出了一种基于瞬态自适应麻雀搜索算法TASSA(transientadaptivesparrowsearchalgorithm)优化MogrifierLSTM(MgLSTM)的配电网线损预测方法.首先通过斜率灰色相关性分析方法,得到12个电...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于TASSA-Mg LSTM的配电网线损预测方法 Prediction Method for Distribution Network Line Loss Based on TASSA-Mg LSTM
基于TASSA-Mg LSTM的配电网线损预测方法.pdf
- 文件大小:
- 1.92 MB
- 下载次数:
- 60
-
高速下载
|
