大数据背景下基于改进RNN的低压配电网线损智能分析方法.pdfVIP

第４７卷第１期沈阳工业大学学报Ｖｏｌ４７Ｎｏ１

２０２５年１月ＪｏｕｒｎａｌｏｆＳｈｅｎｙａｎｇＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙＪａｎ２０２５

檪檪檪檪殏

檪

殏ＤＯＩ：１０．７６８８／ｊ．ｉｓｓｎ．１０００－１６４６．２０２５．０１．１７

人工智能

殏

檪

殏檪檪檪檪

大数据背景下基于改进ＲＮＮ的

低压配电网线损智能分析方法

１，２２

李学军，张世元

（１福州大学电气工程与自动化学院，福建福州３５０１０８；２国网甘肃省电力公司数字化事业部，甘肃兰州７３００５０）

摘要：【目的】在电力系统中，线损率是衡量电网系统设计、运维和管理水平的重要经济技术指

标，对于保障电网的稳定经济运行、提高供电效率具有重要意义。然而，在用户数量激增、用能特

征多样化的大数据背景下，线损率的计算评价工作面临较大挑战。传统线损计算方法依赖于电网

参数，精细化程度偏低，计算准确率不佳。【方法】针对该问题，提出了一种基于改进循环神经网络

（ＲＮＮ）的低压配电网线损智能分析方法，旨在通过智能化手段提高线损计算的准确性和效率。方

法利用Ｋｍｅａｎｓ算法对智能配电网的海量用户数据进行分类预处理，以降低数据冗余度。采用层

次分析法（ＡＨＰ）从分类数据中提取线损指标，这些指标随后被输入到深度学习模型中，其中，核心

深度学习模型是由卷积神经网络（ＣＮＮ）和改进长短时记忆网络（ＬＳＴＭ）模型融合而成，该模型能

够挖掘配电网数据特征，实现线损的智能分析。通过ＩＥＥＥ３３节点的仿真模型进行实验验证，充分

展示所提方法的有效性。【结果】实验结果表明，所提方法的均方误差（ＭＳＥ）和相对误差百分数

（ＲＥ）分别为３１５ＭＷ和２４３％，计算精度较高。与现有方法相比，所提方法在大数据背景下的

配电网线损智能分析中具有明显优势，能够全面考虑各种配电网的影响因素，获得更精准的线损

计算结果。此外，通过与两种经典文献方法进行对比实验，进一步验证所提方法的性能优势。

【结论】基于改进ＲＮＮ模型的低压配电网线损智能分析方法通过Ｋｍｅａｎｓ算法和ＡＨＰ预处理提

取线损指标，再利用ＣＮＮＬＳＴＭ模型进行深入分析，有效提高了线损计算的准确性和效率。该方

法主要针对低压配电网线路侧的线损进行分析，对于更高等级电压的线损分析尚未深入研究，但

其在低压配电网线损智能分析中显示出优异的结果，具有实际应用价值。未来的研究将扩展到更

广泛的校验分析，以提高方法的全面性和可靠性。此外，该方法的提出也为智能配电网的进一步

研究和应用提供了新的思路和工具，有助于推动智能电网技术的发展和应用。通过这种方法，不

仅可以提高线损计算的准确性，还能为电网的优化管理提供科学依据，对于提升电网运行效率、降

低能源损耗具有重要的实际意义。随着技术的不断进步和数据量的日益增加，智能化的线损分析

方法将成为电力系统运维中不可或缺的一部分。

关键词：大数据；低压配电网；Ｋｍｅａｎｓ聚类；层次分析法；特征提取；ＣＮＮＬＳＴＭ模型；智

能线损分析；循环神经网络

中图分类号：ＴＭ７２７文献标志码：Ａ文章编号：１０００－１６４６（２０２５）０１－０１３０－０７

线损率作为反映电网系统设计、运维和管理员对如何精确、快速地计算低压配电网的线损展

［３］

水平的综合经济技术指标，在保证电网稳定经济开了研究，并取得了一定的成果。现有常见