买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：烟台芮禾电气技术有限公司

摘要：本发明提供一种基于深度学习的智能电网线损预测方法，涉及电网线损预测领域，包括以下步骤：S1：收集用电各环节中线损电路的运行相关数据；S2：获取各用电环节中线损电路的实际线损值，为每个用电环节构建线损预测子模型；S3：由所有的线损预测子模型构建电网总线损预测模型；S4：将智能电网中各用电环节的运行相关数据作为输入，提供给电网总线损预测模型，输出智能电网的预测线损值。本发明通过深度学习技术的应用，能够实现处理大规模的电网运行数据，提供实时、准确的线损预测，并通过自动化的方法优化模型性能，为智能电网的高效管理和运维提供了技术支持。

主权项：1.一种基于深度学习的智能电网线损预测方法，其特征在于，包括以下步骤：S1：收集用电各环节中线损电路的运行相关数据；其中，用电各环节包括发电环节、输电环节、变电环节、配电环节、用电环节和管理线损；运行相关数据包括电流、电压、功率因数、线路负荷、电能计量、电力频率、温度和环境参数，环境参数包括风力、湿度、温度、光照强度、电磁干扰强度；S2：获取各用电环节中线损电路的实际线损值，为每个用电环节构建线损预测子模型，模型表示为，其中，表示用电环节i的预测线损值，表示与用电环节i中的运行相关数据内对应参数的集合，表示模型的参数集合；其中，线损预测子模型包括：使用长短期记忆网络或门控循环单元进行时间序列预测；其中，构建线损预测子模型的具体过程为：S21：评估线损电路的实际线损值与历史预测线损值之间的差异，获取历史记录中线损预测子模型预测的预测线损值表示为，t表示线损预测子模型预测的时间索引；将线损电路的实际线损值与历史记录中的预测线损值进行计算，利用公式，得到历史预测波动值MS；其中，Lt表示第t时的实际线损值，表示预测第t时的预测线损值，N表示历史记录中线损预测子模型预测的时间索引的总数；计算预测线损值与实际线损值之间的差的绝对值的平均，利用公式，得到预测误差值MA；计算预测线损值相对于实际线损值的比例，利用公式，得到预测误差比MP；计算预测线损值与实际线损值之间的相关程度，利用公式，得到预测相关值MR；其中，表示所有实际线损值的平均值；将历史预测波动值、预测误差值、预测误差比和预测相关值标记为性能指标；S22：对每个用电环节的线损电路的历史运行相关数据进行划分，将历史运行相关数据按照其特征随机划分以为k个等大小的子集，并进行k折交叉验证；每一轮，将k-1个子集作为训练集，余下的1个子集作为测试集；将训练集和测试集标记为数据集；S23：对模型进行训练与验证，使用训练集数据训练线损预测子模型，再使用测试集评估线损预测子模型的性能，按照步骤S21计算得到预测的性能指标；对预测的性能指标进行融合计算，利用公式，得到性能评估值MZ；其中，v表示误差修正因子，m1、m2、m3、m4分别表示历史预测波动值、预测误差值、预测误差比与预测相关值所对应的权重；S24：评估预测的性能指标的稳定性，按照性能评估值的大小对预测的性能指标所对应的数据集附加优先级；选取k折中优先级最大设定个的数据集作为复测数据集，设定重复检验次数，使用复测数据集按照重复检验次数重复执行步骤S23，得到复测的性能评估值；对所有复测的性能评估值进行均方根误差计算，利用公式，得到复测数据集的波动值FB；其中，p表示重复检验次数的总数，j表示重复检验次数的编号，表示重复检验次数编号j复测的波动值，表示复测的波动值的均值；将复测数据集的波动值进行均值计算，得到波动均值FU；对复测数据的波动值与波动均值进行加权计算，利用公式FC=FB×c1+FU×c2，得到波动评估值FC；其中，c1、c2分别表示复测数据的波动值与波动均值所对应的权重；选取最小的波动评估值所对应的数据集作为最终训练模型的数据集；S3：由所有的线损预测子模型构建电网总线损预测模型，模型表示为；其中，表示为整个电网的预测线损值，n表示用电环节的总数，表示用电环节i所对应线损预测子模型的权重；S4：将智能电网中各用电环节的运行相关数据作为输入，提供给电网总线损预测模型，输出智能电网的预测线损值；将预测线损值通过可视化界面展示。

全文数据：

权利要求：

百度查询： 烟台芮禾电气技术有限公司 一种基于深度学习的智能电网线损预测方法