基于二次模态分解和卷积双向长短期记忆神经网络的高比例光伏配电网线损预测

吴向明; 宋楠; 李晓军; 梁纪峰; 丁鈺轩; 杨丽君

doi:10.13335/j.1000-3673.pst.2024.0577

欢迎来到能源电力期刊网！

English Version 读者登录期刊登录

您当前的位置：

首页 >

文章列表页 >

基于二次模态分解和卷积双向长短期记忆神经网络的高比例光伏配电网线损预测

电力系统 | 更新时间：2025-09-25

- 基于二次模态分解和卷积双向长短期记忆神经网络的高比例光伏配电网线损预测
- 暂无标题
- 电网技术 2025年第9期页码：3891-3899
- 作者机构：
  
  1. 国网河北省电力有限公司
  2. 国网河北省电力有限公司电力科学研究院
  3. 河北省电力电子节能与传动控制重点实验室(燕山大学)
  4. 燕山大学电气工程学院
- 作者简介：
- 基金信息：
  
  国网河北省电力有限公司科技项目(高比例新能源线损量化及辅助预测(B704DY230087))~~
- DOI：10.13335/j.1000-3673.pst.2024.0577
  中图分类号： TM615;TP183;TM714.3
- 纸质出版日期：2025
- 稿件说明：
移动端阅览
吴向明, 宋楠, 李晓军, 等. 基于二次模态分解和卷积双向长短期记忆神经网络的高比例光伏配电网线损预测[J]. 电网技术, 2025,(9):3891-3899.
吴向明, 宋楠, 李晓军, 等. 基于二次模态分解和卷积双向长短期记忆神经网络的高比例光伏配电网线损预测[J]. 电网技术, 2025,(9):3891-3899. DOI： 10.13335/j.1000-3673.pst.2024.0577.

DOI：

摘要

配电网线损时间序列受高比例新能源接入的影响，呈现高度的非线性和波动性，面对此种类型的数据，使得常规的预测模型难以捕捉其变化趋势，预测值往往滞后于真实值变化，而模态分解再预测的处理方法能够较好地应对此问题。因此，该文提出了一种基于缎蓝园丁鸟（satin bower birdoptimization algorithm

SBO）算法优化的二次模态分解和卷积双向长短期记忆神经网络的线损预测框架，以合理划分线损分量，并针对各分量设计预测模型开展预测。首先采用改进完全集合经验模态分解（improved complete ensemble empirical mode decomposition with adaptive noise

ICEEMDAN）对历史线损数据进行初次分解，得到各ICIMF_n分量并计算其样本熵；对样本熵最高的ICIMF

利用经SBO优化的变分模态分解（variational mode decomposition

VMD）对其进一步分解，得到各VIMF_n分量。其次，考虑分解后线损各分量受天气负荷等不同因素影响，依据最大互信息系数（maximal information coefficien

MIC），提取对各线损分量产生影响的主要因素，实现特征降维。最后，结合组合模型的各自特点，建立基于卷积双向长短期记忆神经网络（convolutional neural networks-Bidirectional long short term memory

CNN-BiLSTM）的预测模型，使用CNN对分解后的各分量进行特征提取，输入到Bi LSTM中，建立时间特征关系，学习历史数据间的正、反向规律，最终输出线损预测结果。与现有方法相比较，所提方法在应对滞后效应的同时，提升了预测效率及精度，为精细化线损管理提供了数据支持。

Abstract

关键词

Keywords

references

史雷,赵滨滨,徐晓萌,王莹.分布式电源对区域配电网合理线损标杆计算的影响[J].电力系统及其自动化学报,2018(10).

刘亚丽,李英娜,李川.基于遗传算法优化BP神经网络的线损计算研究[J].计算机应用与软件,2019(03).

彭文,王金睿,尹山青.电力市场中基于Attention-LSTM的短期负荷预测模型[J].电网技术,2019(05).

赵兵,王增平,纪维佳,高欣,李晓兵.基于注意力机制的CNN-GRU短期电力负荷预测方法[J].电网技术,2019(12).

陈洋洋,林声宏,王巍,毛炽祖.基于系统聚类和果蝇优化支持向量回归机的配电网理论线损计算[J].煤矿机电,2016(03).

姚程文,杨苹,刘泽健.基于CNN-GRU混合神经网络的负荷预测方法[J].电网技术,2020(09).

王俊,李霞,周昔东,张凯.基于VMD和LSTM的超短期风速预测[J].电力系统保护与控制,2020(11).

杨建华,肖达强,张伟,余明琼,易本顺.基于改进PSO优化的RBF神经网络的特高压线损预测[J].广东电力,2020(09).

杨晶显,张帅,刘继春,刘俊勇,向月,韩晓言.基于VMD和双重注意力机制LSTM的短期光伏功率预测[J].电力系统自动化,2021(03).

谢小瑜,周俊煌,张勇军,王奖,苏洁莹.基于W-BiLSTM的可再生能源超短期发电功率预测方法[J].电力系统自动化,2021(08).

朱凌建,荀子涵,王裕鑫,崔强,陈文义,娄俊超.基于CNN-Bi LSTM的短期电力负荷预测[J].电网技术,2021(11).

盛四清,金航,刘长荣.基于VMD-WSGRU的风电场发电功率中短期及短期预测[J].电网技术,2022(03).

许达.基于相似日选择联合PSO-RBF的光伏出力预测方法[J].电子测量技术,2020(23).

梁恩豪,孙军伟,王延峰.基于自适应樽海鞘算法优化BP的风光互补并网发电功率预测[J].电力系统保护与控制,2021(24).

李青,张新燕,马天娇,马涛,王衡,尹红升.基于ECBO-VMD-WKELM的风电功率超短期多步预测[J].电网技术,2021(08).

赵玲玲,王群京,陈权,汪伟.基于IBBOA优化BP神经网络的变压器故障诊断[J].电工电能新技术,2021(09).

赵征,周孜钰,南宏钢.基于VMD的CNN-BiLSTM超短期风电功率多步区间预测[J].华北电力大学学报(自然科学版),2022(04).

伍栋文,于艾清,俞林刚,朱亮,林顺富.基于ICS-K-means聚类算法和WNN的有源低压台区线损估算方法[J].智慧电力,2022(04).

马喜平,贾嵘,梁琛,王维洲,徐瑞.高比例新能源接入下电力系统降损研究综述[J].电网技术,2022(11).

毕贵红,赵鑫,陈臣鹏,陈仕龙,李璐,谢旭,骆钊.基于多通道输入和PCNN-BiLSTM的光伏发电功率超短期预测[J].电网技术,2022(09).

梁琛,王维洲,马喜平,郑伟,李亚昕,张建雄.基于随机潮流的高比例新能源接入配电网的极限线损分析[J].智慧电力,2022(12).

陈海鹏,李赫,阚天洋,赵畅,张忠,于海薇.考虑风电时序特性的深度小波-时序卷积网络超短期风功率预测[J].电网技术,2023(04).

殷涛,薛阳,杨艺宁,徐英辉,金晟,苏盛.基于向量自回归模型的高损线路窃电检测[J].中国电机工程学报,2022(03).

马倩,郭江涛,杨霞,迪力尼亚·迪力夏提,赵刚,陈天宇.基于多维信息矩阵和DAM-LSTNet的线损预测方法[J].电网技术,2024(03).

谢俊标,江峰,杜军威,赵军.基于改进人工鱼群算法与RBF神经网络的股票价格预测[J].计算机工程与科学,2022(11).

浏览量

786

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于相似日聚类及模态分解的短期光伏发电功率组合预测研究