基于改进粒子群算法的前馈神经网络识别用户窃电行为

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。