典型文献
基于改进粒子群算法的前馈神经网络识别用户窃电行为
文献摘要:
为减小用户窃电行为对电网运营造成的负面影响、提高窃电巡检能力和识别窃电用户的准确率,提出基于改进粒子群算法(BFO-PSO)的前馈神经网络模型用于识别用户窃电行为.以某市近四年的用电数据为基础,通过特征提取,得到四个对窃电行为影响较大的特征作为输入样本,构建基于BFO-PSO算法的前馈神经网络识别模型,利用BFO-PSO计算BP神经网络模型的最优权重值.对比BP神经网络模型、基于遗传算法的BP神经网络模型及基于BFO-PSO的BP神经网络模型识别结果发现,基于BFO-PSO的BP神经网络模型能够更好地识别出窃电用户,识别准确率高达94%,训练速度提升了5%,有望广泛应用于窃电用户识别中.
文献关键词:
窃电;改进粒子群算法;前馈神经网络;用户识别
中图分类号:
作者姓名:
李秋红
作者机构:
山东农业工程学院,济南 250100
文献出处:
引用格式:
[1]李秋红-.基于改进粒子群算法的前馈神经网络识别用户窃电行为)[J].电气技术,2022(11):44-48
A类:
B类:
改进粒子群算法,用户窃电,窃电行为,巡检,BFO,PSO,前馈神经网络模型,某市,用电数据,行为影响,识别模型,最优权重,权重值,模型识别,识别准确率,训练速度,用户识别
AB值:
0.194127
相似文献
基于典型窃电用户相似性检索的窃电行为检测方法
覃华勤;梁叶;钱奇;郭思佳;马先芹;郭崇慧-北京科东电力控制系统有限责任公司,北京市 100089;大连理工大学系统工程研究所,辽宁省大连市 116024
基于GA-BP神经网络的双馈风力发电机故障诊断
孙子明;葛强;石建全;李振志;吴丹丹;徐逍帆-扬州大学电气与能源动力工程学院,江苏 扬州 225127;南京工程学院自动化学院,江苏 南京 211167
机标中图分类号,由域田数据科技根据网络公开资料自动分析生成,仅供学习研究参考。