曹青青 徐国伟
(天津工业大学,天津 300384)
线损能够对配电网整体运行状态进行准确反映,同时也是电网运行重要指标,是电网企业管理质量的主要考核指标。理论线损相关预测活动属于线损管理中的重要评价手段,能够帮助优化配电网整体管理实力,提升电网企业经营效益。当前大部分学者开始针对理论线损计算开展深入研究,借助简化潮流迭代,进一步优化线损计算速率,但该种计算方法主要是以网络结构为基础,对采样数据次数、频率提出更高要求。借助等值电阻方法对配电变压器和线路运行损耗进行准确计算,和潮流法相比,该种方法所需电气运行参数相对较少。但在线路运行产生参数变化后,需要对等值电阻实施优化计算,影响实际应用效果。同时涉及较多的配电变压器以及分支线路,等值元件数量和线路节点增加,导致计算难度进一步扩大[1]。
不断优化改进BP算法内梯度下降法,优化BP神经网络模型综合预测性能。形成GRU深度学习为基础的网络模型线损计算方法。采取层次分析法和互信息理论相融合方法,构成组合赋权法,对不同电气参数影响线损程度实施准确计算,通过GRU网络针对配电网线损实施准确预测。
GRU属于LSTM某种发展变体,主要是以门控循环神经网络作为主要结构,和LSTM相比,对应训练参数整体数量较少,可以更好优化LSTM预测效果。GRU和LSTM拥有相似的内部单元,而主要差异便是GRU把LSTM内遗忘门以及输入门进行重新合并,转化为统一更新门。……