基于IFA-BP神经网络模型的变电站碳排放预测

摘要

针对现有变电站碳排放量预测模型存在考虑指标较少、数据更新慢等问题，本文提出一种基于改进萤火虫算法（improved firefly algorithm, IFA）优化反向传播（back propagation, BP）神经网络的变电站碳排放预测模型。首先，针对萤火虫算法（firefly algorithm, FA）收敛速度过慢以及易陷入局部最优等问题，引入教与学因子，修改萤火虫位置更新过程，以提高群体适应度。其次，引入IFA算法对BP神经网络模型进行超参数寻优，并构建IFA-BP神经网络预测模型。然后，基于CRITIC法筛选预测模型输入层的关键碳排放指标。最后，利用训练集数据训练预测模型，基于训练好的模型对变电站的碳排放量进行预测。仿真结果表明，相较于3种对比方案，本文IFA-BP神经网络预测模型分别在均方根误差（root mean square error, RMSE）上降低59.61%、15.77%和26.65%,在决定系数（coefficient of determination,R²）上提高5.66%、1.46%和1.15%,充分验证了本文所提变电站碳排放预测模型的可行性与优越性。

关键词

碳排放 / 变电站 / 改进萤火虫算法 / BP神经网络 / 教与学因子