文摘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,R^(2))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。
