没有合适的资源?快使用搜索试试~ 我知道了~
首页高压线损预测:基于改进EO-BP神经网络的方法
"基于改进EO-BP神经网络的高压线损预测.pdf" 文章主要探讨了高压线损预测的准确性问题,并提出了一种结合均衡优化器(EO)和反向传播(BP)神经网络的创新预测模型。高压线损是指在电力传输过程中由于电阻损耗导致的能量损失,准确预测线损对于电力系统的运行和管理至关重要。 传统的BP神经网络在解决复杂非线性问题时可能存在收敛速度慢、易陷入局部最优等问题。针对这些问题,文章首先对EO算法进行了优化。EO算法是一种生物启发式的全局优化方法,通过引入多种混沌映射关系来初始化种群,增强了种群的多样性,从而提升了算法的全局搜索能力。同时,结合物竞天择概率跳脱策略,使得算法能够以一定概率跳出局部最优,更有效地寻找全局最优解。 接下来,研究者将改进后的EO算法应用于BP神经网络的权重和偏置参数的优化。这种方法可以改善BP神经网络的学习性能,提高其预测高压线损的精度。通过EO算法的优化,BP神经网络能够更好地适应复杂的数据模式,减少预测误差。 实验结果显示,提出的基于改进EO-BP神经网络的线损预测模型相比传统的回归模型、普通的BP神经网络模型、以及采用模拟退火算法优化的BP神经网络模型,预测精度有显著提升。此外,它也优于直接使用EO优化的BP神经网络模型,体现了改进EO算法的有效性和优越性。 该研究为高压线损预测提供了一个更为精准的工具,有助于电力系统运营方提前规划和控制线损,提高能源利用效率,降低运营成本。这一工作在理论研究和实际应用中都具有重要的价值,特别是在智能电网和电力系统自动化领域。
资源详情
资源推荐
![](https://csdnimg.cn/release/download_crawler_static/87795970/bg1.jpg)
www.ChinaAET.com
Measurement Control Technology and Instruments
测控技术与仪器仪表
基于改进 EO-BP 神经网络的高压线损预测
*
徐利美
1
,闫 磊
1
,李 远
1
,杨 射
2
,任密蜂
3
(1. 国网山西省电 力公司, 山西 太 原 030021;2. 国网山西超 高压变电 公司, 山西 太原 030021;
3. 太原理工大 学 电气与 动力工程学院, 山西 太原 030024)
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
中图分类号: TP183;TM73 文献标志 码:A DOI: 10.16157/j.issn.0258-7998.223399
中文引 用格式: 徐利美 ,闫磊 ,李远 ,等 . 基于改 进 EO-BP 神经网络的高压线损预测 [J]. 电子 技术应用 ,2023,49(3):82-88.
英 文 引 用 格 式 : Xu Limei,Yan Lei,Li Yuan,et al. High-voltage line loss prediction based on improved EO-BP neural network
[J]. Application of Electronic Technique,2023,49(3):82-88.
High-voltage line loss prediction based on improved EO-BP neural network
Xu Limei
1
,Yan Lei
1
,Li Yuan
1
,Yang She
2
,Ren Mifeng
3
(1.State Grid Shanxi Electric Power Company,Taiyuan 030021, China;
2.Shanxi Extra High Voltage Substation Company of State Grid, Taiyuan 030021, China;
3.College of Electrical and Power Engineering, Taiyuan University of Technology,Taiyuan 030024, China)
Abstract: Aiming at the problem of low accuracy of high voltage line loss prediction, a line loss prediction model is proposed
based on improved BP neural network and Equalization optimizer (EO) algorithm. Firstly, in order to improve the optimization
ability of EO algorithm, a variety of chaotic mapping relations is used to initialize the population to increase the population diver‐
sity, then the global search ability could be improved. At the same time, the EO algorithm is improved by using the natural selec‐
tion probability jump strategy, so that the model could jump out of the local optimization according to the probability and con‐
verge to the global optimal solution. Secondly, the improved EO algorithm is used to optimize the weight and bias of BP neural
network, and the prediction effect of BP neural network for high voltage line loss is improved. Finally, the experimental results
show that the proposed line loss prediction model has the highest prediction accuracy compared with regression model, BP neural
network model, simulated annealing optimized BP neural network model and EO optimized BP neural network model.
Key words: line loss prediction;chaotic mapping;natural selection probability jump strategy;equilibrium optimizer algorithm;
neural network
0 引言
线 路 损 耗 是 衡 量 电 能 在 输 送 过 程 中 电 能 损 失 的 指
标,线 损 率表征 了线路 电能损 耗占总 供电量 的比重 。 分
析电能 在电网 系统中 传输和 分 配过程 中的损 耗,提 高 线
路损耗 的预测 精度,可以 为电力 系统节 能 降损 提 供技术
支持,有利于提高电力相关企业 的经济效益
[1]
。
在 线 损 的 治 理 过 程 中 ,线 损 计 算 是 其 中 关 键 的 环
节 。 为 了 更 有 效 地 利 用 线 损 相 关 的 特 征 变 量 和 历 史 线
损数据 获得更 准确的 预测数 据 ,近年来 相关研 究 人员将
机 器 学 习 算 法 引 进 线 损 预 测 过 程 中 。 文 献 [2]提 出 一 种
融合小 生 境遗传算 法 和串级 BP 神经网 络 的线损预 测 模
*
基金项目 :山西省自 然 科学基金面 上 项目(20210302123189)
82
下载后可阅读完整内容,剩余6页未读,立即下载
![gz](https://img-home.csdnimg.cn/images/20210720083447.png)
![gz](https://img-home.csdnimg.cn/images/20210720083447.png)
![-](https://img-home.csdnimg.cn/images/20210720083327.png)
![-](https://img-home.csdnimg.cn/images/20210720083327.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://profile-avatar.csdnimg.cn/default.jpg!1)
Java徐师兄
- 粉丝: 1148
- 资源: 1980
上传资源 快速赚钱
我的内容管理 展开
我的资源 快来上传第一个资源
我的收益
登录查看自己的收益我的积分 登录查看自己的积分
我的C币 登录后查看C币余额
我的收藏
我的下载
下载帮助
![](https://csdnimg.cn/release/wenkucmsfe/public/img/voice.245cc511.png)
最新资源
- Hadoop生态系统与MapReduce详解
- MDS系列三相整流桥模块技术规格与特性
- MFC编程:指针与句柄获取全面解析
- LM06:多模4G高速数据模块,支持GSM至TD-LTE
- 使用Gradle与Nexus构建私有仓库
- JAVA编程规范指南:命名规则与文件样式
- EMC VNX5500 存储系统日常维护指南
- 大数据驱动的互联网用户体验深度管理策略
- 改进型Booth算法:32位浮点阵列乘法器的高速设计与算法比较
- H3CNE网络认证重点知识整理
- Linux环境下MongoDB的详细安装教程
- 压缩文法的等价变换与多余规则删除
- BRMS入门指南:JBOSS安装与基础操作详解
- Win7环境下Android开发环境配置全攻略
- SHT10 C语言程序与LCD1602显示实例及精度校准
- 反垃圾邮件技术:现状与前景
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
![](https://img-home.csdnimg.cn/images/20220527035711.png)
![](https://img-home.csdnimg.cn/images/20220527035711.png)
![](https://img-home.csdnimg.cn/images/20220527035111.png)
安全验证
文档复制为VIP权益,开通VIP直接复制
![](https://csdnimg.cn/release/wenkucmsfe/public/img/green-success.6a4acb44.png)