www.ChinaAET.comMeasurementControlTechnologyandInstruments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（EquilibriumOptimizer，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：ADOI: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：XuLimei，YanLei，LiYuan，etal.High-voltagelinelosspredictionbasedonimprovedEO-BPneuralnetwork[J].ApplicationofElectronicTechnique，2023，49(3)：82-88.High-voltagelinelosspredictionbasedonimprovedEO-BPneuralnetworkXuLimei1，YanLei1，LiYuan1，YangShe2，RenMifeng3(1.StateGridShanxiElectricPowerCompany，Taiyuan030021，China；2.ShanxiExtraHighVoltageSubstationCompanyofStateGrid，Taiyuan030021，China；3.CollegeofElectricalandPowerEngineering，TaiyuanUniversityofTechnology，Taiyuan030024，China)Abstract：Aimingattheproblemoflowaccuracyofhighvoltagelinelossprediction,alinelosspredictionmodelisproposedbasedonimprovedBPneuralnetworkandEqualizationoptimizer(EO)algorithm.Firstly,inordertoimprovetheoptimizationabilityofEOalgorithm,avarietyofchaoticmappingrelationsisusedtoinitializethepopulationtoincreasethepopulationdiver‐sity,thentheglobalsearchabilitycouldbeimproved.Atthesametime,theEOalgorithmisimprovedby...
