电力科学与技术学报2023，Vol.38Issue(5) ：177-186.DOI:10.19781/j.issn.1673-9140.2023.05.018

基于LSTM-BP组合模型的配电台区低电压预测

A low voltage prediction based on LSTM-BP combined model for distribution station area

周杨珺 张斌 黄伟翔 郭志诚 董雪梅
电力科学与技术学报2023，Vol.38Issue(5) ：177-186.DOI:10.19781/j.issn.1673-9140.2023.05.018
✕
  • NETL
  • NSTL
  • 万方数据

基于LSTM-BP组合模型的配电台区低电压预测

A low voltage prediction based on LSTM-BP combined model for distribution station area

周杨珺 1张斌 2黄伟翔 1郭志诚 2董雪梅2
扫码查看

作者信息

  • 1. 广西电网有限责任公司电力科学研究院,广西南宁 530000
  • 2. 南方电网数字电网研究院有限公司,广东广州 510000
  • 折叠

摘要

台区低电压预测是实现配电网低电压问题及时治理的关键.现有低电压预测方法大多依赖于对电网拓扑参数和用户信息的采集,存在所需数据繁杂、实时性较差、预测误差大的缺点.为此,提出一种基于LSTM-BP组合模型的台区低电压预测方法.首先,通过分析台区低电压的形成机理,得出影响节点电压的主导因素为用户功率值.基于此,利用长短期记忆网络(LSTM)实现配电台区各节点用户负荷曲线的短期预测.接着,利用BP神经网络的自学习能力,建立节点用户功率和节点电压间的非线性映射关系.通过有效组合上述2个神经网络模型,实现以历史负荷数据精准快速预测台区所有节点用户的未来电压情况.最后,以某台区为研究对象,对比实际电压和本文预测所得电压数据,结果表明,在1 V误差范围内,预测准确率为99.98％,与传统电压预测方法相比,本文所提方法在线实施过程无需台区拓扑结构、线路参数、用户电压等信息,即可实时实现台区低电压的简单、快速、精确预测.

关键词

低压配电台区/电压预测/电压降落/长短期记忆神经网络/BP神经网络

Key words

distribution station area/voltage prediction/voltage drop/LSTM/BP neural network

引用本文复制引用

基金项目

中国南方电网有限责任公司重点科技项目(GXKJXM20190615)

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
参考文献量16
段落导航相关论文