基于最大信息系数与BO-LSTNet的新型台区线损率预测方法

崔先迤; 邓汉钧; 余敏琪; 许刚; 任嘉浩

doi:10.3969/j.issn.1008-0198.2025.05.012

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 >

基于最大信息系数与BO-LSTNet的新型台区线损率预测方法

电力人工智能与数字化 | 更新时间：2025-12-11

- 基于最大信息系数与BO-LSTNet的新型台区线损率预测方法
- A Novel Method of Line Loss Rate Prediction for Substation Areas Based on Maximum Information Coefficient and BO-LSTNet
- 湖南电力 2025年45卷第5期页码：85-94
- 作者机构：
  
  1. 国网湖南省电力有限公司供电服务中心,湖南,长沙,410004
  2. 华北电力大学,北京,100096
- 作者简介：
- 基金信息：
- DOI：10.3969/j.issn.1008-0198.2025.05.012
  中图分类号： M714
- 网络出版：2025-11-11，
  
  纸质出版：2025-11-11
- 稿件说明：
移动端阅览
崔先迤, 邓汉钧, 余敏琪, 许刚, 任嘉浩. 基于最大信息系数与BO-LSTNet的新型台区线损率预测方法[J]. 湖南电力, 2025, 45(5): 85-94.

CUI Xianyi, DENG Hanjun, YU Minqi, et al. A Novel Method of Line Loss Rate Prediction for Substation Areas Based on Maximum Information Coefficient and BO-LSTNet[J]. 2025, 45(5): 85-94.
崔先迤, 邓汉钧, 余敏琪, 许刚, 任嘉浩. 基于最大信息系数与BO-LSTNet的新型台区线损率预测方法[J]. 湖南电力, 2025, 45(5): 85-94. DOI： 10.3969/j.issn.1008-0198.2025.05.012.

CUI Xianyi, DENG Hanjun, YU Minqi, et al. A Novel Method of Line Loss Rate Prediction for Substation Areas Based on Maximum Information Coefficient and BO-LSTNet[J]. 2025, 45(5): 85-94. DOI： 10.3969/j.issn.1008-0198.2025.05.012.

摘要

针对传统台区线损预测方法存在无法灵活调节、不具备实时性、精度受气象条件影响等缺陷

提出一种基于最大信息系数与BO-LSTNet的新型台区的线损率预测方法。利用最大信息系数方法筛选台区气象信息

对输入变量筛选、清洗

最后将线损数据放入经过贝叶斯优化后的LSTNet模型中。仿真实验结果表明

相较过去的预测手段

该模型对新型台区线损率预测的适应性更高

解决了实际工程中线损预测精度较低的问题。

Abstract

Aiming at the shortcomings of traditional methods for predicting line loss in substation areas

such as inability to adjust flexibly

lack of real-time performance

and accuracy affected by meteorological conditions

a new method for predicting line loss rate in substation areas based on maximum information coefficient and BO-LSTNet is proposed. The maximum information coefficient method is used to screen meteorological information in the substation area

and input variables are filtered and cleaned

and finally the line loss data is put into the LSTNet model after Bayesian optimization. The reliability is verified through simulation experiments

and the results show that compared with previous prediction methods

this model has higher adaptability to the new type of substation line loss rate prediction

and solves the problem of low accuracy in line loss prediction in practical engineering.

关键词

Keywords

references

刘康,李彬,薛阳,等. 基于传递熵密度聚类的用户窃电识别方法[J]. 中国电机工程学报,2022,42(20):7535-7546.

王佳仁,谢宁,王承民,等. 提升现代配电系统效率和效益的研究与实践[J]. 电网技术,2018,42(11):3543-3549.

徐茹枝,王宇飞. 粒子群优化的支持向量回归机计算配电网理论线损方法[J]. 电力自动化设备,2012,32(5):86-89,93.

熊军华,牛珂,张春歌,等. 基于小波变异果蝇优化支持向量机短期负荷预测方法研究[J]. 电力系统保护与控制,2017,45(13):71-77.

李植鹏,侯惠勇,蒋嗣凡,等. 基于人工神经网络的线损计算及窃电分析[J]. 南方电网技术,2019,13(2):7-12,50.

张勇军,石辉,翟伟芳,等. 基于层次分析法-灰色综合关联及多灰色模型组合建模的线损率预测[J]. 电网技术,2011,35(6):71-76.

JEONG D,PARK C,KO Y M.Short-term electric load forecasting for buildings using logistic mix-ture vector autoregressive model with curve registration[J]. Applied Energy,2021,282:116249.

SHARMA SHALINI,MAJUMDAR ANGSHUL,ELVIRA VICTOR,et al.Blind kalman filtering for short-term load forecasting[J]. IEEE Transactions on Power Systems,2020,35(6):4916-4919.

杨周义,邢海军,江伟建,等. 基于低碳需求响应的含煤制氢与碳捕集电厂的综合能源系统优化调度[J]. 电力自动化设备,2024,44(4):25-32.

王训洪,郝同铮,马聪. 基于PSO-BP神经网络的新能源汽车销量预测模型[J]. 科学技术与工程,2024,24(31):13467-13474.

谢林,李红伟,袁岳,等. 基于K-means聚类和改进多分类相关向量机的台区线损计算方法[J]. 电气工程学报,2021,16(1):62-69.

WEI Y,GAO X L.Transmission line galloping prediction based on GA-BP-SVM combined method[J]. IEEE Access,2021,9:107680-107687.

徐岩,向益锋,马天祥. 基于EMD-CNN-LSTM混合模型的短期电力负荷预测[J]. 华北电力大学学报(自然科学版),2022,49(2):81-89.

THANH P N,CHO M Y,CHANG C L,et al.Short-term three-phase load prediction with advanced metering infrastructure data in smart solar microgrid based convolution neural network bidirectional gated recurrent unit[J]. IEEE Access,2022,10:68686-68699.

王晓霞,俞敏,霍泽健,等. 基于近邻传播聚类与LSTNet的分布式光伏电站群短期功率预测[J]. 电力系统自动化,2023,47(6):133-141.

HUANG B,LIANG Y,QIU X L.Wind power forecasting using attention-based recurrent neural networks:a comparative study[J]. IEEE Access,2021,9:40432-40444.

黄璜,张安安.基于分解算法与元学习结合的综合能源系统负荷预测[J]. 电力系统自动化,2024,48(10):151-160.

康佳宇,张沈习,张庆平,等. 基于ANOVA和BO-SVM的变压器故障诊断方法[J]. 高电压技术,2023,49(5):1882-1891.

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