基于改进RBFNN的1000kV特高压线损预测

针对特高压输电线线损与特征参数间关系复杂的特点,提出一种联合聚类优化算法(Canopy-K-means)和自适应二次变异差分进化(adaptive second mutation differential evolution,ASMDE)算法改进的径向基神经网络(radial basis function neural...     

基于改进的灰色关联分析与LSTM的1000 kV特高压线损预测

线损在评估电力系统的经济运行中起着至关重要的作用。为了更准确、更有效地对1000 kV特高压的线损做出预估,提出了一种基于改进的灰色关联分析与LSTM的1000 kV特高压线损预测模型。首先,利用灰色关联分析分别计算各影响因素的关联度,采用方差灰色关联度及熵权法对灰色关联度进行改进,使关联度更能反映数据间的真实波动,从而确定特征指标体系。随后,对LSTM模型进行训练,从而对线损做出预测,并将此模型与GBDT模型、RBF模型、BP模型、Bi LSTM模型进行了比较。最后,基于华中地区南阳 荆门线特高压输电线路数据进行了试验,验证了所提模型对线损进行预测的准确性和有效性。