关键词：卷积神经网络 长短期记忆神经网络 负荷预测 配电网供电能力 

摘要：供电能力反映着配电网的自动化水平和安全可靠性水平,而配电网的供电能力主要受负荷发展的影响,为了对配电网供电能力进行科学精确的评估,提出了考虑负荷预测的配电网供电能力研究。首先提出了采用卷积神经网络(CNN)优化长短期记忆神经网络(LSTM)的负荷预测算法,该算法既具有卷积神经网络能够有效提取数据特征又包含了长短期神经网络适用于解决时间序列预测的优点。然后采用回推迭代潮流计算方法建立了配电网供电能力评估模型,实现对配电网供电能力的精准评估。通过算例仿真实验可以看出,相比于其他传统算法,CNN-LSTM方法具有更高的负荷预测准确度,预测的负荷值更贴近实际值,更加准确的反映了负荷增长情况,而且所提的考虑负荷预测的配电网供电能力计算方法,有效指导了配电网的规划和建设。

国外电子测量技术杂志要求:

{1}正文：应包括研究背景、方法、结果、结论或讨论等几部分内容。

{2}来稿本着文责自负的原则，因抄袭等原因引发的知识产权纠纷作者将负全责，编辑部保留追究作者责任的权利。作者请勿一稿多投。

{3}题目简明确切地反映文稿的特定内容，起画龙点睛的作用。一般宜20个字左右。

{4}第一作者简介应在篇首页地脚处注明第一作者的姓名、出生年、性别、籍贯、职称、学历及从事专业。

{5}外文文献在前，中文文献在后。同一作者不同时期的文献按出版时间的先后顺序排列。外文书名以斜体书写，实词首字母大写；外文论文篇名以正体书写，仅篇名首字母大写。每条顶格写，回行时空两格。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社