پیش بینی بار راکتیو با شبکه عصبی LSTM

پیش بینی دقیق بار راکتیو می تواند دقت و فرآیند بهینه سازی توان راکتیو برای شبکه های قدرت را بهبود بخشد تغییرات در بار راکتیو بارو بار اکتیو همزمان نیستند وتغییرات غیرخطی فراوان هستند و استخراج روندهای ذاتی داده ها دشوار است.با توجه به مشکلات فوق،این مقاله روشی را برای پیش بینی باس بارهای راکتیو بر اساس یادگیری عمیق پیشنهاد می کند. یک مدل پیش بینی بار راکتیو بر اساسیک شبکه عصبی حافظه کوتاه مدت دو ورودی برای استخراج مشخصات دقیق داده های بار واکنشی اکتیو ساخته شده است.بارهای اکتیوو راکتیو به عنوان داده های ورودی و خروجی برای مدل سازی دینامیکی استفاده می شوند تا پیش بینی های یکپارچه باس بارهای اکتیو وراکتیو را تشکیل دهند.نتایج تجربی نشان می دهد که این روش میتواند باس بار توان راکتیو بار ها را با دقت پیش بینی کند