[發(fā)明專利]基于遺傳算法改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)蓄電池壽命預(yù)測算法

在審

• 申請?zhí)枺?/td>: 201711068071.5
• 申請日: 2017-11-03
• 公開（公告）號: CN107748936A
• 公開（公告）日: 2018-03-02
• 發(fā)明（設(shè)計(jì)）人: 吳海洋;繆巍巍;巢玉堅(jiān);郭波;李偉;王磊;賈平;戴勇;蔣春霞;胡游君;邱玉祥;呂順利;朱鵬宇;馬遠(yuǎn)東;楊宇慶
• 申請（專利權(quán)）人: 國網(wǎng)江蘇省電力公司信息通信分公司;南京南瑞信息通信科技有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06Q50/30;G06N3/08
• 代理公司: 南京縱橫知識產(chǎn)權(quán)代理有限公司32224
• 代理人: 董建林

技術(shù)領(lǐng)域

本發(fā)明涉及一種蓄電池壽命預(yù)測算法，具體涉及一種基于遺傳算法改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)蓄電池壽命預(yù)測算法。

背景技術(shù)

隨著信息技術(shù)的發(fā)展，越來越多的用電設(shè)備給電網(wǎng)造成嚴(yán)重負(fù)荷，所以會(huì)時(shí)有斷電情況發(fā)生，為了保證用電設(shè)備的正常運(yùn)行，用電設(shè)備的蓄電池就起到了重要作用，所以如何以科學(xué)、有效、實(shí)用的方式管理維護(hù)電力通信傳輸設(shè)備及蓄電池，成為通信管理部門的重大研究課題。

蓄電池是許多設(shè)備的應(yīng)急后備電源，理論上蓄電池的使用壽命能夠達(dá)到10年以上，但是實(shí)際蓄電池的使用壽命只有4-6年。通過預(yù)測不同品牌下在不同溫度情況的蓄電池壽命，可以有效地保證電力通信設(shè)備的有效性。采用BP神經(jīng)網(wǎng)絡(luò)預(yù)測蓄電池壽命存在一些缺陷，如容易陷入局部極值點(diǎn)。

發(fā)明內(nèi)容

為了解決上述技術(shù)問題，本發(fā)明提供了一種基于遺傳算法改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)蓄電池壽命預(yù)測算法。

為了達(dá)到上述目的，本發(fā)明所采用的技術(shù)方案是：

基于遺傳算法改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)蓄電池壽命預(yù)測算法，包括，

用遺傳算法對BP神經(jīng)網(wǎng)絡(luò)進(jìn)行優(yōu)化；

借鑒已有的蓄電池壽命預(yù)測思路，建立指標(biāo)體系；

將對應(yīng)的指標(biāo)數(shù)據(jù)作為訓(xùn)練樣本，訓(xùn)練后的BP神經(jīng)網(wǎng)絡(luò)；

用訓(xùn)練后的BP神經(jīng)網(wǎng)絡(luò)對蓄電池壽命進(jìn)行預(yù)測。

用遺傳算法對BP神經(jīng)網(wǎng)絡(luò)進(jìn)行優(yōu)化的過程為，

S1)種群初始化；

S2)確定適應(yīng)度函數(shù)；

S3)選擇、交叉和變異；

S4)重復(fù)步驟S2和步驟S3，直到達(dá)到進(jìn)化代數(shù)或者滿足誤差要求，此時(shí)，得到通過遺傳算法優(yōu)化過的BP神經(jīng)網(wǎng)絡(luò)的初始權(quán)值和閥值。

種群初始化，對于一個(gè)具有N個(gè)輸入層，L個(gè)隱含層，M個(gè)輸出層的3層BP神經(jīng)網(wǎng)絡(luò)，染色體的長度為S，S＝(N+1)L+(L+1)M。

將預(yù)測值與期望值的誤差矩陣的范數(shù)作為目標(biāo)函數(shù)的輸出，即：

其中，F(xiàn)為預(yù)測樣的預(yù)測值和期望值的誤差矩陣的范數(shù)，Yk為期望值矩陣，Ok_s為預(yù)測值輸出矩陣。

適應(yīng)度函數(shù)采用排序的適應(yīng)度函數(shù)。

采用隨機(jī)遍歷抽樣的方式進(jìn)行選擇操作。

交叉算子采用單點(diǎn)交叉算子。

以一定的概率產(chǎn)生變異基因數(shù)，用隨機(jī)方法選出發(fā)生變異的基因。

本發(fā)明所達(dá)到的有益效果：本發(fā)明將遺傳算法和BP神經(jīng)網(wǎng)絡(luò)有機(jī)結(jié)合起來，遺傳算法是一種基于生物機(jī)制的全局搜索優(yōu)化算法，利用遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的初始權(quán)值和閥值，再利用誤差反向傳播方法找到其最優(yōu)解，避免了陷入局部極值點(diǎn)的情況。

附圖說明

圖1為用遺傳算法對BP神經(jīng)網(wǎng)絡(luò)進(jìn)行優(yōu)化的流程圖；

圖2為在12～15度內(nèi)采用本發(fā)明的預(yù)測圖；

圖3為在15～18度內(nèi)采用本發(fā)明的預(yù)測圖；

圖4為在18～21度內(nèi)采用本發(fā)明的預(yù)測圖；

圖5為在21～24度內(nèi)采用本發(fā)明的預(yù)測圖；

圖6為在24～27度內(nèi)采用本發(fā)明的預(yù)測圖；

圖7為在27～30度內(nèi)采用本發(fā)明的預(yù)測圖。

具體實(shí)施方式

下面結(jié)合附圖對本發(fā)明作進(jìn)一步描述。以下實(shí)施例僅用于更加清楚地說明本發(fā)明的技術(shù)方案，而不能以此來限制本發(fā)明的保護(hù)范圍。

基于遺傳算法改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)蓄電池壽命預(yù)測算法，包括以下步驟：

步驟1，用遺傳算法對BP神經(jīng)網(wǎng)絡(luò)進(jìn)行優(yōu)化。

如圖1所示，用遺傳算法對BP神經(jīng)網(wǎng)絡(luò)進(jìn)行優(yōu)化的過程為：

S1)種群初始化：

對于一個(gè)具有N個(gè)輸入層，L個(gè)隱含層，M個(gè)輸出層的3層BP神經(jīng)網(wǎng)絡(luò)，染色體的長度為S，S＝(N+1)L+(L+1)M。

S2)確定適應(yīng)度函數(shù)：

適應(yīng)度函數(shù)采用排序的適應(yīng)度函數(shù)；

將預(yù)測值與期望值的誤差矩陣的范數(shù)作為目標(biāo)函數(shù)的輸出，即：

其中，F(xiàn)為預(yù)測樣的預(yù)測值和期望值的誤差矩陣的范數(shù)，Yk為期望值矩陣，Ok_s為預(yù)測值輸出矩陣。

S3)選擇、交叉和變異：

采用隨機(jī)遍歷抽樣的方式進(jìn)行選擇操作；

交叉算子采用單點(diǎn)交叉算子；

以一定的概率產(chǎn)生變異基因數(shù)，用隨機(jī)方法選出發(fā)生變異的基因。

S4)重復(fù)步驟S2和步驟S3，直到達(dá)到進(jìn)化代數(shù)或者滿足誤差要求，此時(shí)，得到通過遺傳算法優(yōu)化過的BP神經(jīng)網(wǎng)絡(luò)的初始權(quán)值和閥值。