[发明专利]一种基于LSTM神经网络的线损预测方法及系统

说明书

本发明提供了一种基于LSTM神经网络的线损预测方法，包括：基于预先确定的线损率影响因素，按时序采集线损率的特征数据；对所述线损率的特征数据进行处理；将处理后的特征数据输入到预先训练好的LSTM神经网络线损预测模型中，经提取处理后得到线损预测值；其中，所述LSTM神经网络的线损预测模型将所述线损率影响因素作为模型的输入层，将隐含层的普通神经元用包含门控机制的记忆模块进行代替，经过训练后得到线损预测值；通过LSTM神经网络的线损预测模型，适用于用户数据采集系统中海量线损数据，更加准确的预测了线损值。

技术领域

本发明属于电力系统自动化技术领域，涉及一种基于LSTM神经网络的线损预测方法及系统。

背景技术

电网线损率是电力企业一项重要的经济技术指标，开展线损率预测是电网企业的一项重要工作。线损是在输送和分配电能过程中，电力网中各个元件或设备所产生的功率损失和电能损失以及其他损失。线损率指的是电力网络中损耗的电能线路损失负荷与向电力网络供电负荷的百分数。线损率对电力系统的节能及发展规划有重要的指导作用，它反映了电力系统的设计、运行以及管理水平，是考核供电企业的一项重要的技术和经济指标，对线损率的预测能够帮助供电企业制定合理的降损节能目标。

作为电力企业线损管理中的重要环节，理论线损的确定对于提高线损管理的精益化水平有着重要的意义，传统的对于理论线损的计算方法主要是基于能耗模型或基于潮流计算的方法。随着人工智能技术在电力领域的广泛应用，理论线损的计算方法也发展到以人工神经网络、支持向量机和其他改进算法为主。然而，以往对于理论线损的研究都采用标准算例来设计实验，样本数较少，难以全面反映实际生产中的实际线损状况。近年来，随着用电信息采集系统的全面建设以及大数据处理技术的广泛应用，利用数据挖掘方法对整体台区线损数据进行处理已成为可能。从统计理论角度对海量台区线损数据进行分析、建模、预测，进而找出潜在信息与关联，是电力营销部门面临的重要任务。

发明内容

针对现有的以往对于理论线损的研究都采用标准算例来设计实验，样本数较少，难以全面反映实际生产中实际线损状况的不足，本发明提供了一种基于LSTM神经网络的线损预测方法及系统，具体包括：

基于预先确定的线损率影响因素，按时序采集线损率的特征数据；

对所述线损率的特征数据进行处理；

将处理后的特征数据输入到预先训练好的LSTM神经网络线损预测模型中，经提取处理后得到线损预测值；

其中，所述LSTM神经网络的线损预测模型将所述线损率影响因素作为模型的输入层，将隐含层的普通神经元用包含门控机制的记忆模块进行代替，经过训练后得到线损预测值。

优选的，所述线损率影响因素，包括：供电量、配变容量、线路长度、功率因数、气温和节假日。

优选的，所述对所述线损率的特征数据进行处理，包括：

基于预先确定的线损率影响因素，确定所述预先采集的线损率的特征数据的缺失值，并对所述缺失值进行填充，并进行一致处理；

对所述预先采集的线损率的特征数据中的异样特征数据，以相邻正常线损平均值代替所述异样特征数据并进行错误修正；

基于正常的、填充的和错误修正后的特征数据进行标准化处理。

优选的，所述LSTM神经网络线损预测模型的构建，包括：

基于线损率影响因素获取包含时序的线损率的历史数据，并将所述历史数据进行处理；

将处理后的历史数据划分为训练数据集和测试数据集；

将所述训练数据集中的线损率影响因素作为输入层，将所述训练数据集中的线损值作为输出层，将隐含层的普通神经元用包含门控机制的记忆模块进行代替，进行训练得到初始的LSTM神经网络线损预测模型；