基于LSTM和随机矩阵理论的配电网线损异常诊断方法

配电网线损精细化管理是电力系统运行、规划的重要任务,其数据来源于多种电力业务系统,呈现出层次多、类型多、体量大的特性,数据缺失、线损异常、数据难以溯源等问题是配电网线损精细化管理亟需解决的难题。提出一种基于长短期记忆网络(long short-term memory network,LSTM)和随机矩阵理论(random matrix theory,RMT)的线损异常诊断方法。在线损数据缺失的情况下,基于长短期记忆网络对线损数据进行预测,补全缺失的时空线损数据。利用随机矩阵理论的平均谱半径和特征根密度值作为量化指标,建立线损异常诊断模型,对线损数据进行特征分析,从而实现对配电网线损异常的诊断。利用电网某配电台区的实际线损数据进行验证,结果表明,该方法在数据缺失或异常时,仍能够保证其在配电网线损异常诊断方面的有效性和准确性。