【技术实现步骤摘要】
本专利技术属于电气设备性能预测领域，尤其是涉及一种基于冠状病毒群体免疫优化器改进的电气设备性能预测方法。
技术介绍
1、电气设备是用于传输、分配、控制和利用电能的各种设备和装置。这些设备在电力系统中扮演着关键的角色，涵盖了多个领域，包括工业、商业、交通、住宅等。
2、随着经济的快速发展，我国工业化水平不断提高，电力系统可靠性变得愈发重要，进而对电气设备的设计和优化提出了更高的要求。现阶段，随着深度学习的不断发展，机器学习方法不断涌现。传统bp神经网络、决策树、支持向量机、极限学习机、随机森林等机器学习方法应用于设备性能分析与优化，大大节省了计算时间和计算资源。bp神经网络作为一种前馈式神经网络，能够逼近任意连续函数，具有很强的非线性映射能力，在电气设备性能预测领域被广泛采用。但是，传统bp神经网络容易陷入局部最优解、训练时间较长、对初始权值及超参数敏感等问题。导致对电气设备进行设计优化时，预测性能并不好。
3、为了解决上述技术问题，进一步提高电气设备性能预测水平，提出了基于冠状病毒群体免疫优化器改进的电气设备性能预测方法。
技术实现思路
1、针对现有电气设备性能预测方法的不足，本专利技术提出一种基于冠状病毒群体免疫优化器改进的电气设备性能预测方法，该方法受冠状病毒群体免疫概念启发，群体免疫是当大多数群体具有免疫力时，群体达到的一种状态，这种状态可以防止疾病的传播。该方法利用三种类型的个体病例进行群体免疫：易感者、感染者和免疫者。
2、本专利技术通
3、一种基于冠状病毒群体免疫优化器改进的电气设备性能预测方法，包括如下步骤：
4、s1：搜集电气设备性能退化历史数据或试验数据，建立相应的数据库。
5、s2：建立传统bp神经网络模型，将数据库中数据输入神经网络中进行初步训练。
6、s3：使用冠状病毒群体免疫优化器优化bp神经网络，以找到最优权值和阈值。
7、s4：对优化后的bp神经网络进行测试，若预测性能不佳则重复步骤s3。
8、s5：利用优化后的模型对电气设备性能预测。
9、进一步的，对于步骤s1中建立相应的数据库时，还应对数据进行预处理，滤除错误数据及不良数据，划分输入数据集与输出数据集。
10、进一步的，步骤s2中的传统bp神经网络具体模型为：
11、计算隐含层节点数目：
12、
13、其中，n为输出层节点数；m为输入层节点数，h为隐含层节点数，a为1～10间的常数。
14、正向传递：
15、
16、xj＝f(sj)
17、其中f为激活函数，wij为节点i和节点j间的权值，bj为节点j的权值，xj为节点输出值
18、反向传递：
19、假设输出层的所有结果为dj，误差函数如下：
20、
21、权值矢量修正：
22、
23、假设选择激活函数为sigmoid函数，对wij有：
24、
25、其中，
26、同样bj：
27、
28、假设输入层第k个节点与隐含层第i个节点之间的权值为wij：
29、
30、其中：
31、对隐含层和输出层的权值、阀值调整：
32、
33、
34、对输入层和隐含层的权值、阀值调整：
35、
36、
37、进一步的，步骤s3中构建冠状病毒群体免疫优化器具体步骤为：
38、步骤1，初始化冠状病毒群体免疫优化器和最佳化问题的参数，在这一步中，最佳化问题是在目标函数的背景下建立的：
39、min f(x)，x∈[lb，ub]
40、其中lb为搜索的下限，ub为搜索的上限
41、步骤2，首先生成免疫群体hip，然后随机(或启发式)生成一组病例(个体)his。生成的病例存储为二维矩阵n×his，如下所示：
42、
43、式中：his是人口规模，n是问题的维度。
44、步骤3，主要的改进循环。病例的基因xj要么保持不变，要么受到社会距离的影响，其影响基于基本繁殖率brr。
45、
46、其中：r是一个介于0和1之间的随机数。是新的基因值，是更新之前的基因值。
47、
48、其中是从感染病例中随机选择的状态c＝{i|si＝1}的向量。
49、
50、其中是基于从感染病例m＝{i|si＝0}中随机选择的状态向量。
51、
52、其中x表示最佳免疫病例。
53、步骤4，用xj(t+1)生成的每个免疫接种率f(xj(t+1))更新人口免疫接种人群。如果f(xj(t+1))＜f(xj(t))，则电流xj(t)被替换为xj(t+1)，并且年龄矢量aj随着状态向量sj＝1的增加而增加。
54、
55、其中：is_corona(xj(t+1))为新xj(t+1)继承任何感染病例值时的二进制值1，δf(x)为人群免疫率的平均值。如果新产生的个人免疫率高于人群的平均免疫率，那么人群中的个人免疫速率将根据之前计算的社交距离而变化。这意味着人群免疫力开始增强。如果新产生的人群足够强壮，可以对流行病进行免疫，那么就达到了人群免疫阈值。
56、步骤5，死亡病例：如果在当前sj＝1次迭代下，免疫接种率f(xj(t+1))未能提高，则病例死亡。之后，通过公式进行再生。进一步设置sj＝aj＝0有助于使当前种群多样化，从而避免局部最优性。
57、重复步骤3到5，直到达到终止标准，这通常取决于是否达到了最大迭代次数。在这种情况下，易感病例和免疫病例的总数占主导地位。感染病例也消失了。
58、进一步，步骤s4中的对优化后的bp神经网络进行测试，其测试指标为平均绝对误差mae、均方根误差rmse和平均绝对误差百分比mape。其计算公式为：
59、
60、
61、
62、其中是预测值，yi是真实值。
63、有益效果
64、(1)本专利技术提出的一种基于冠状病毒群体免疫优化器改进的电气设备性能预测方法，该方法受新型冠状病毒流行的群体免疫概念，利用三种类型的个体病例进行群体免疫：易感者、感染者和免疫者。与传统的bp神经网络模型相比，使用冠状病毒群体免疫优化器不断迭代，以找到最优权值与阈值，避免了陷入局部最优解，训练时间较短，并使网络输出误差减小。
65、(2)在使用冠状病毒群体免疫优化器优化前，先进行模型初步训练，可避免模型大幅度调整参数。提高了效率。
66、(3)本技术方案能够对电气设备性能进行快速预测验证，能够大量减少电气设备设计优化时间，为相关人员本文档来自技高网...
【技术保护点】
1.一种基于冠状病毒群体免疫优化器改进的电气设备性能预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于冠状病毒群体免疫优化器改进的电气设备性能预测方法，其特征在于：步骤S1建立数据库时需要对数据进行预处理，滤除错误数据及不良数据，划分输入数据集与输出数据集。
3.根据权利要求1所述的一种基于冠状病毒群体免疫优化器改进的电气设备性能预测方法，其特征在于：步骤S3冠状病毒群体免疫优化器算法步骤如下：
4.根据权利要求1所述的一种基于冠状病毒群体免疫优化器改进的电气设备性能预测方法，其特征在于：步骤S4对优化后的BP神经网络进行测试，其测试指标为平均绝对误差MAE、均方根误差RMSE和平均绝对误差百分比MAPE。其计算公式为：
【技术特征摘要】
1.一种基于冠状病毒群体免疫优化器改进的电气设备性能预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于冠状病毒群体免疫优化器改进的电气设备性能预测方法，其特征在于：步骤s1建立数据库时需要对数据进行预处理，滤除错误数据及不良数据，划分输入数据集与输出数据集。
3.根据权利要求1所述的一种基于冠状病...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。