基于深度学习GRU网络的配电网理论线损计算方法

由于实际应用中对理论线损的精度要求不高,且传统计算方法所需电气参数较多,计算过程繁琐。因此,文中提出了一种基于深度学习门控循环单元(Gated Recurrent Unit,GRU)网络的配电网理论线损计算方法。为综合考虑主客观因素,将互信息理论和层次分析法相结合,进而确定所选电气参数对理论线损的影响权重;按照权重的大小构建不同的输入参数集,通过分析选用不同电气参数集时GRU网络的计算误差,确定最优输入参数,组成样本数据集并训练GRU网络;以某地区10 kV配电网为例验证了文中所提方法,结果表明文中所提方法可以代替等值电阻法,更加快速、便捷地对理论线损进行计算。将文中所提方法与传统BP算法进行了比较,结果表明文中所提方法具有更好的计算性能。