摘要：针对配电变压器负荷非线性动态特性导致的负荷预测困难、预测精度低等问题,基于长短期记忆循环神经网络(LSTM-RNN)建立了配电变压器负荷预测模型。根据无锡地区某配变台区自2017年以来的最大负荷、最小负荷、日最高温度、日最低温度、天气情况等参数,通过LSTM-RNN构建该配变台区的短期负荷预测模型,用于预报该配变台区未来几天的最大负荷。试验结果表明,预测结果误差均在10%以内,表明LSTM-RNN应用于配电变压器负荷预测建模是可行的。

关键词：配电变压器 负荷预测 神经网络 

单位：江南大学物联网工程学院; 江苏无锡214000; 无锡市太湖电力建设有限公司; 江苏无锡214000; 江苏省电力公司检修分公司无锡运维站; 江苏无锡214000