基于 Attention-GCN-LSTM 的配电网短期多步长线损率预测
机器学习
2023-12-20 v1 信号处理
摘要
准确预测线损率对于配电网有效的线损管理至关重要，尤其是在一小时至一周的短期多步长范围内。在本研究中，我们提出了 Attention-GCN-LSTM，一种结合图卷积网络 (GCN)、长短期记忆网络 (LSTM) 和三级注意力机制以应对这一挑战的新方法。通过捕获空间和时间依赖性，我们的模型能够跨多个步长准确预测线损率。通过使用来自 10KV 馈线的真实数据进行全面评估，我们的 Attention-GCN-LSTM 模型始终优于现有算法，在预测准确性和多步长预测方面表现出卓越的性能。该模型在增强配电网线损管理方面具有巨大潜力。
引用
@article{arxiv.2312.11898,
title = {Short-Term Multi-Horizon Line Loss Rate Forecasting of a Distribution Network Using Attention-GCN-LSTM},
author = {Jie Liu and Yijia Cao and Yong Li and Yixiu Guo and Wei Deng},
journal= {arXiv preprint arXiv:2312.11898},
year = {2023}
}