基于TASSA-Mg LSTM的配电网线损预测方法

为更精确地预测配电网线损,提出了一种基于瞬态自适应麻雀搜索算法TASSA(transient adaptive sparrow search algorithm)优化Mogrifier LSTM(Mg LSTM)的配电网线损预测方法。首先通过斜率灰色相关性分析方法,得到12个电气特征参数与线损之间的关联度,并经过配电网数据的预测校验,确定最佳的电气特征参数体系。然后使用TASSA优化Mg LSTM神经网络中4个重要参数,确定最佳的Mg LSTM网络结构,进而构建基于TAS⁃SA-Mg LSTM的神经网络线损预测模型。最后,通过甘肃省某地区配电网进行实例分析,验证了所提方法具有较高的预测精度。