[发明专利]一种基于CSO优化神经网络的变压器损耗计算方法

权利要求书

1.一种基于CSO优化神经网络的变压器损耗计算方法，其特征在于，包括以下步骤：

S1：建立BP神经网络，确定训练样本；

S2：初始化种群，设置纵横交叉算法基本参数及适应度函数；

S3：对初始种群粒子计算其适应度，得到全局最优解，再进行横纵交叉计算；

S4：进行BP神经网络训练；

S5：输出损耗计算结果。

2.根据权利要求1所述的一种基于CSO优化神经网络的变压器损耗计算方法，其特征在于，所述步骤S1具体包括以下步骤：

S11：获取各种工况下变压器输入数据和输出损耗数据；

S12：筛选变压器工况稳定后的稳态数据作为训练样本。

3.根据权利要求1所述的一种基于CSO优化神经网络的变压器损耗计算方法，其特征在于，所述步骤S2具体包括以下步骤：

S21：计算三相不平衡度和变压器负载率，将这两个特征量作为样本的输入值；

S22：输出变压器损耗实际值，记为O_ki(i)；输出变压器损耗期望值，记为R_ki；

S23：计算输出的变压器损耗实际值O_ki(i)与变压器损耗期望值R_ki的均方误差E(i)，得到适应度函数f(i),具体公式如下：

其中，E(i)为均方误差；O_ki(i)为BP神经网络第i个训练样本的第k个变压器损耗实际值；R_ki为BP神经网络第i个训练样本的第k个变压器损耗期望值；M为种群数目；n为输出层节点数。

4.根据权利要求1所述的一种基于CSO优化神经网络的变压器损耗计算方法，其特征在于，所述步骤S3具体包括以下步骤：

S31：对种群内粒子进行配对；

S32：计算所有种群粒子适应度，记录个体最优值P_best以及全局最优值g_best；

S33：将种群内每对配对好的粒子进行横向交叉，具体公式为：

MS_hc(i,d)＝r₁×X(i,d)+(1-r₁)×X(j,d)+c₁×X(i,d)-X(j,d)

MS_hc(j,d)＝r₂×X(j,d)+(1-r₂)×X(i,d)+c₂×X(j,d)-X(i,d)

其中，MS_hc(i,d)和MS_hc(j,d)分别为第i个父代X(i,d)和第j个父代X(j,d)的第d维横向交叉产生的中间解；r₁，r₂为[0,1]区间内的随机数；c₁，c₂为[-1,1]区间内的随机数。

S34：将所有种群粒子从大到小分布，最小的粒子记为0，最大的粒子记为1，中间的粒子按比例缩放后记为(0,1)之间的数字，完成归一化处理，然后将同一粒子的所有维随机配对，以纵向交叉概率为基准选取一定量的维，进行纵向交叉，具体公式为：

MS_vc(i,d₁)＝r×X(i,d₁)+(1-r)×X(i,d₂),i∈(1,M),d₁,d₂∈(1,N)

其中，MS_vc(i，d₁)为第i个父代的第d₁维X(i，d₁)和第i个父代的第d₂维X(i，d₂)纵向交叉得出的中间解；r为[0,1]区间内的随机数；M为种群数目，N为个体维度数。