基于改进EO-BP神经网络的高压线损预测

摘要：

针对高压线损预测精度不高的问题,提出一种基于均衡优化器(Equilibrium Optimizer,EO)和BP神经网络相结合的线损预测模型.首先,为了提高EO算法的寻优能力,利用多种混沌映射关系初始化种群,使种群多样性增加,全局搜索能力得到改善;同时,采用物竞天择概率跳脱策略改进EO算法,使模型依概率跳出局部最优而收敛于全局最优解.其次,采用改进的EO算法对BP神经网络的权值和偏置进行优化,进而改善BP神经网络的预测效果.最后,实验结果证明,所提线损预测模型相对于回归模型、BP神经网络模型、模拟退火算法优化BP神经网络模型和EO优化BP神经网络模型具有更高的预测精度.

关键词：线损预测、混沌映射、物竞天择概率跳脱策略、均衡优化器算法、神经网络

所属期刊栏目：49

分类号：TP183;TM73(自动化基础理论)

资助基金：山西省自然科学基金面上项目20210302123189

在线出版日期：2023-03-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：82-88