ElectricalAutomation电力系统及其自动化PowerSystem＆Automation《电气自动化》2023年第45卷第1期基于LSTM的电网区域线损预测方法研究谢辉，江雄，王武(南方电网数字电网研究院有限公司，广东广州510520)摘要:针对现有电网线损预测方法存在的准确率差和效率低等问题，提出了一种用于电网线损预测的长短期记忆网络模型。通过长短期记忆模型提取并存储线损长时间序列的特征，与传统预测方法进行对比试验，验证了预测方法的有效性。结果表明，相比于传统预测方法，所提预测方法预测值与实际值最为接近，可为电网线损分析提供可靠依据。关键词:电力系统;线损预测;长短期记忆网络模型;记忆能力;时间序列DOI:10．3969/j．issn．1000－3886．2023．01．013［中图分类号］TM732［文献标志码］A［文章编号］1000－3886(2023)01－0047－03ＲesearchonLSTM-basedＲegionalLineLossPredictionMethodofPowerGridXieHui，JiangXiong，WangWu(ChinaSouthernPowerGridDigitalGridＲesearchInstitute，，GuangzhouGuangdong510520，China)Abstract:Aimingattheproblemsofpooraccuracyandlowefficiencyofexistingpowergridlinelosspredictionmethods，alongshort-termmemory(LSTM)networkmodelforpowergridlinelosspredictionwasproposed．Extractandstorethecharacteristicsofthelong-termseriesoflinelossthroughthelongandshort-termmemorymodel，andthencomparethemwithtraditionalpredictionmethodstoverifytheeffectivenessofthepredictionmethod．Theresearchresultsshowthat，comparedwiththetraditionalforecastingmethod，thepredictedvalueoftheproposedforecastingmethodisclosesttotheactualvalue，whichcanprovideareliablebasisforpowergridlinelossanalysis．Keywords:powersystem;linelossprediction;longshort-termmemorynetworkmodel;memoryability;timeseries定稿日期:2021－10－200引言线损管理是供电企业降低线损的重要措施，也是政府推进节能减排的重要途径。线损异常分析和准确预测对电网发展规划和降损措施具有指导作用［1］。线损预测有助于电力企业提高经济效益，同时也可以根据结果制定相应的管理措施。因此，对线损预测方法的研究具有一定的实际意义［2］。根据文献［3］可知，传统的线损计算模型大多数是简化的电路等效模型，计算精度较低。近年来，随着机器学习技术的迅速发展，为线损预测提供了一条新的途径。在此基础上，提出了一...
