电力科学与技术学报2023，Vol.38Issue(1) ：201-209.DOI:10.19781/j.issn.1673-9140.2023.01.023

基于Attention机制的CNN-GRU配网线路重过载短期预测方法

Short-term heavy overload forecasting method of distribution net line based on CNN-GRU with Attention mechanism

杨秀 胡钟毓 田英杰 谢海宁 陈文涛
电力科学与技术学报2023，Vol.38Issue(1) ：201-209.DOI:10.19781/j.issn.1673-9140.2023.01.023
✕
  • NETL
  • NSTL
  • 万方数据

基于Attention机制的CNN-GRU配网线路重过载短期预测方法

Short-term heavy overload forecasting method of distribution net line based on CNN-GRU with Attention mechanism

杨秀 1胡钟毓 1田英杰 2谢海宁 2陈文涛3
扫码查看

作者信息

  • 1. 上海电力大学电气工程学院,上海 200090
  • 2. 国网上海市电力公司电力科学研究院,上海 200080
  • 3. 国网新疆电力有限公司电力科学研究院,新疆 乌鲁木齐 830002
  • 折叠

摘要

随着用户用电需求增加,迎峰度夏期间配网线路重过载较严重,为电网运行增加安全隐患.实现配网线路重过载短期预测,对合理安排负荷高峰时期运行方式和调度管理以及线路的安全运行具有重要意义.文中提出一种基于注意力(Attention)机制的卷积神经网络(CNN)—门限循环单元神经网络(GRU)组合预测模型.结合高相关性时间段的历史线路负载率数据和气象因素作为输入特征,利用CNN处理多源数据并提取有效特征作为GRU的输入,再通过GRU对时序特征集进行分析预测,利用Attention机制对重要数据分配更多的注意力权重,实现配网线路负载率的回归预测,最后根据负载等级划分标准将负载率预测结果转化为负载等级.使用所提方法对上海市某区某 10 kV线路数据进行实验.实验结果表明,该预测方法比相同模型结构但以负载等级为输入的重过载分类预测,更适用于配网线路重过载预测.

关键词

卷积神经网络/注意力机制/门限循环单元神经网络/配网线路/短期重过载预测

引用本文复制引用

基金项目

国家自然科学基金(51907114)

上海电力人工智能工程技术研究中心研究项目(19DZ2252800)

出版年

2023
电力科学与技术学报
长沙理工大学

电力科学与技术学报

CSTPCDCSCD北大核心
影响因子：0.85
ISSN：1673-9140
被引量2
参考文献量17
段落导航相关论文