基于多分类器的有源配电台区线损预测方法

唐冬来; 石佳磊; 邓创; 涂德军; 徐向楠; 田晓; 杨勇

doi:10.19421/j.cnki.1006-6357.2026.04.008

欢迎来到能源电力期刊网！

English Version 期刊登录

您当前的位置：

首页 >

文章列表页 >

基于多分类器的有源配电台区线损预测方法

配电 | 更新时间：2026-04-25

- 基于多分类器的有源配电台区线损预测方法
- 基于多分类器的有源配电台区线损预测方法
- 供用电 2026年43卷第4期页码：54-62
- 作者机构：
  
  1. 四川中电启明星信息技术有限公司
  2. 中国工业互联网研究院融通发展所
  3. 国网四川省电力公司电力应急中心
  4. 国网电力工程研究院有限公司
  5. 西安永侒光电技术有限公司
- 作者简介：
- 基金信息：
  
  国家重点研发计划项目（2022YFB2403900）~~
- DOI：10.19421/j.cnki.1006-6357.2026.04.008
  中图分类号： TM73;TP183
- 纸质出版：2026
- 稿件说明：
移动端阅览
唐冬来, 石佳磊, 邓创, 等. 基于多分类器的有源配电台区线损预测方法[J]. 供用电, 2026,43(4):54-62.

唐冬来, 石佳磊, 邓创, et al. 基于多分类器的有源配电台区线损预测方法[J]. 2026, 43(4): 54-62.
唐冬来, 石佳磊, 邓创, 等. 基于多分类器的有源配电台区线损预测方法[J]. 供用电, 2026,43(4):54-62. DOI： 10.19421/j.cnki.1006-6357.2026.04.008.

唐冬来, 石佳磊, 邓创, et al. 基于多分类器的有源配电台区线损预测方法[J]. 2026, 43(4): 54-62. DOI： 10.19421/j.cnki.1006-6357.2026.04.008.

摘要

面对高比例分布式能源接入配电台区后，造成的线损影响机理复杂、预测精度低的问题，提出了一种基于多分类器的有源配电台区线损预测方法。首先，对有源配电台区用于训练的历史线损数据进行清洗，消除异常数据对预测模型带来的影响，并采用多元变分模态分解将线损数据分解为多个分量。然后，将分布式能源输出功率、供电半径、温度等因素与分量线损数据进行关联，获得各影响因素对线损分量数据影响的权重，在此基础上，采用双向长短期记忆网络对线损分量进行预测，并叠加重构有源配电台区线损预测结果。最后，在某地市供电公司进行了验证，其平均绝对误差和均方误差分别为0.61%和0.74%。所提方法有效提高了有源配电台区线损预测准确性。

Abstract

关键词

Keywords

references

Jha Ria,Motwani Ena,Singhal Nivedita,Kaushal Rishabh.Towards automated check-worthy sentence detection using Gated Recurrent Unit.[J].Neural computing & applications,2023.

Suzuki Yoshito,Matsuo Takuma.Initial Arrival Time Identification Utilizing Wavelet Transform and Akaike Information Criterion for Locating Acoustic Emission Source in a Thin Plate[J].MATERIALS TRANSACTIONS,2023.

Li Zhaolun,Lv Yong,Yuan Rui,Zhang Qixiang.Multi-fault diagnosis of rotating machinery via iterative multivariate variational mode decomposition[J].Measurement Science and Technology,2022.

Molstad Aaron J,Patra Rohit K.Dimension reduction for integrative survival analysis.[J].Biometrics,2022.

Jiang Haihang,Yang Fei,Su Weijie,Yao Zhenxing,Dai Zhuang.Activity location recognition from mobile phone data using improved HAC and Bi‐LSTM[J].IET Intelligent Transport Systems,2022.

赵晶晶,盛杰,王涵,周瑞康,范宏.基于PIA数据修复和聚类的MVMD-CNN-BiLSTM-ATT短期光伏功率预测[J].太阳能学报,2025(09).

吴振扬,马吉恩,章天晗,谭伟涛,许诺,林振智.基于BIRCH和高斯云模型的分布式光伏出力异常感知[J].电力建设,2025(10).

文贤馗,周科,张俊玮,何明君,蔡永翔.基于单端口降阶模型的分布式光伏接入配电网交互影响分析[J].电力工程技术,2025(04).

陆震军,朱庆,李浩,俞航.面向区域自治的分布式光储分区鲁棒控制方法[J].智慧电力,2024(10).

陈光宇,张盛杰,杨里,黄文灏,南钰,张仰飞,郝思鹏.基于多维场景划分的台区线损率异常研判及关联用户精准追踪方法[J].电力系统保护与控制,2024(16).

韩茂岳,尹忠东,付瑜,汪泽州,陈刚,车江嵘.基于多源数据融合的配电网线损研究[J].电网与清洁能源,2024(07).

王振浩,王正韬,梁志峰,柴赟,于若英,边竞.含高比例分布式光伏的主配网紧急切负荷策略研究[J].电网与清洁能源,2024(01).

罗幼喜,谢昆明,胡超竹,李翰芳.基于最大信息系数的关联性特征选择算法：MICCFS[J].华中师范大学学报(自然科学版),2023(06).

唐冬来,齐雪坤,宋卫平,付世峻,田攀,汪榴,潘勇.含分布式光伏的居民台区可开放容量评估方法[J].供用电,2023(11).

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).

王磊,胡国,吴海,谭阔,周成,朱亚军.基于分层深度强化学习的分布式能源系统多能协同优化方法[J].电力系统自动化,2024(01).

唐冬来,李强,陈永东,张捷,刘友波,宋卫平.基于电压时空聚合曲线的乡镇配电台区户变关系识别方法[J].电力系统自动化,2023(19).

张锐,饶欢,徐睿烽,梅傲琪.多运行目标下的分布式光伏接入配电网极限容量多模型评估方法[J].电力科学与技术学报,2023(04).

王守相,郭陆阳,赵倩宇,杨爱超.基于参考序列与全卷积网络的风速数据缺失与异常修复方法[J].电力系统自动化,2023(09).

王惠琴,侯文斌,黄瑞,陈丹.基于深度学习的空间脉冲位置调制多分类检测器[J].中国光学(中英文),2023(02).

徐利美,闫磊,李远,杨射,任密蜂.基于改进EO-BP神经网络的高压线损预测[J].电子技术应用,2023(03).

王华佳,曹文君,张岩,于丹文,李付存,于一潇.基于随机森林与内核岭回归的配电网线损在线计算[J].南方电网技术,2023(08).

刘雄,夏向阳,刘定国,胡军华,黄瑞,李泽文,史子轶.基于二阶聚类和鲁棒性随机分割森林算法的低压台区线损异常辨识[J].现代电力,2024(03).

吴丽珍,秦文彬,赵一凡,陈伟.基于TASSA-Mg LSTM的配电网线损预测方法[J].电力系统及其自动化学报,2023(12).

郭庆伟,黄珊,郭秀娟,张朝.等值电阻法在配电线路线损计算中的应用[J].吉林大学学报(信息科学版),2022(05).

张真,欧阳森,杨墨缘,吴晗.计及多重不确定因素的柔性互联配电网极限线损计算方法[J].南方电网技术,2022(12).

李晋源,保富,胡凯,张丽娟.基于Stacking集成模型的台区线损率预测方法研究[J].电测与仪表,2023(01).

生西奎,付强,于洋,吴昊,杨凌.基于深度学习GRU网络的配电网理论线损计算方法[J].电测与仪表,2021(03).

马丽叶,刘建恒,卢志刚,王海云,袁清芳,杨莉萍.基于深度置信网络的低压台区理论线损计算方法[J].电力自动化设备,2020(08).

张乐平,胡珊珊,梅能,李若茜,肖霞.智能电能表可靠性研究综述[J].电测与仪表,2020(16).

魏梅芳,胡毕正,庞文龙,韦晨,吴细秀,唐金锐.基于动态三相不平衡度的配电网线损计算方法研究[J].智慧电力,2020(02).

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

暂无数据