李亞,樊汝森,蔣偉,楊俊杰,宋濤,趙勤學(xué)
(1.上海電力學(xué)院電子與信息工程學(xué)院,上海200090;2.國網(wǎng)上海市電力公司青浦供電公司,上海200122)
老舊小區(qū)、沿街門面和新建小區(qū)等地方,由于配電網(wǎng)臺區(qū)信息更新不及時等原因,造成臺區(qū)用戶信息混亂、不準確甚至缺失,嚴重制約了智能電網(wǎng)建設(shè)進程。為提高配電變壓器利用率降低線損,需要平衡各臺區(qū)負載及臺區(qū)三相負載,此外,為保證線損計算的準確性,供電管理部門需要經(jīng)常普查臺區(qū)用戶信息,特別是用戶臺區(qū)和相位信息[1]。現(xiàn)有臺區(qū)用戶識別儀多數(shù)基于電力載波技術(shù)直接通信與否或電流脈沖技術(shù)[2-6]來識別臺區(qū)信息,前者由于“共高壓”“共地”“共電纜溝”等串擾問題[7],實際應(yīng)用中載波信號不能被變壓器完全隔離,載波信號仍可藕合到其他變壓器產(chǎn)生跨臺區(qū)通信難題,使得臺區(qū)識別準確度較低,文獻[8]通過改變電力載波通信發(fā)射功率和查詢幀長度來限制載波信號跨臺區(qū)通信,但無法從根本上解決載波信號跨臺區(qū)通信難題;后者需要在變壓器出線端安裝電流互感器,操作上存在一定安全隱患,且可控制性差。
針對現(xiàn)在臺區(qū)用戶識別存在的問題,提出一種基于前向誤差傳播(Back Propagation,BP)神經(jīng)網(wǎng)絡(luò)的智能臺區(qū)用戶信息識別方法并研制了該系統(tǒng),通過電力載波通信可初步識別出已識別用戶、無法識別用戶和跨臺區(qū)不確定用戶,針對跨臺區(qū)不確定用戶基于電力載波信號品質(zhì)和前向BP神經(jīng)網(wǎng)絡(luò)智能分類識別,可提高臺區(qū)用戶信息識別準確度,實現(xiàn)用戶信息全識別,并將最終識別結(jié)果存儲到外部存儲器。該方法可有效解決“共高壓”“共地”“共電纜溝”等串擾難題,大大降低工作人員工作量,具有識別臺區(qū)用戶信息準確度高、范圍廣、效率高等優(yōu)點。
本臺區(qū)用戶信息識別系統(tǒng)包括多個識別器和手持器,系統(tǒng)結(jié)構(gòu)如圖1所示。每個識別器與相應(yīng)變壓器低壓出線端三相電相連接,基于電力載波技術(shù)采用輪詢或主動上報方式向采集器或載波電表發(fā)送查詢幀,采集器通過RS485與電表通信,若通信成功,采集器或電表接收到查詢幀后向識別器發(fā)送響應(yīng)幀,識別器接收響應(yīng)幀提取采集器或電表臺區(qū)及相位信息,實現(xiàn)初步識別用戶臺區(qū)及相位,并將初步識別結(jié)果通過GPRS遠程無線通信發(fā)送給手持器。
由于電力載波信號易受干擾使得電力載波通信距離有限,難以保障整個臺區(qū)電力載波通信正常,因此某些用戶可能無法通信而無法識別,此外,由于“共高壓”、“共地”和“共電纜溝”等問題,電力載波信號可跨變壓器藕合到其他臺區(qū),某些用戶可與兩個臺區(qū)的識別器都能通信成功形成跨臺區(qū)不確定用戶。
手持器除了能夠識別同臺區(qū)用戶,還可以采用前向BP神經(jīng)網(wǎng)絡(luò)實現(xiàn)跨臺區(qū)用戶識別。首先接收多個識別器初步識別結(jié)果后經(jīng)過查詢與比較,可初步識別出已正確識別用戶、無法識別用戶和跨臺區(qū)不確定用戶。手持器可與無法識別用戶或跨臺區(qū)用戶直接連接,針對無法識別用戶,采用輪詢方式向已知相鄰線路已識別用戶直接發(fā)送查詢幀,若通訊成功,手持器將接收到相應(yīng)響應(yīng)幀,則此用戶與已識別用戶同臺區(qū)同相位;針對跨臺區(qū)不確定用戶,向兩個待測臺區(qū)的相應(yīng)識別器和已識別用戶發(fā)送查詢幀,若通訊成功將會收到相應(yīng)響應(yīng)幀,提取響應(yīng)幀的電力載波通信信號品質(zhì),基于前向BP神經(jīng)網(wǎng)絡(luò)可實現(xiàn)用戶臺區(qū)識別,并根據(jù)臺區(qū)識別結(jié)果相應(yīng)響應(yīng)幀提取用戶相位信息,實現(xiàn)用戶臺區(qū)和相位全識別,并將識別結(jié)果存儲到SD卡。通過SD卡實現(xiàn)數(shù)據(jù)導(dǎo)入、導(dǎo)出等功能,實現(xiàn)對用戶信息的更新和管理。此外,手持器還可以對各識別器的參數(shù)進行設(shè)置和查詢。
在識別跨臺區(qū)用戶時,由于電力載波通信干擾源較多且復(fù)雜,電力載波通信信號品質(zhì)不僅與通信距離相關(guān),而且與負載、諧波等因素相關(guān),使得設(shè)備與采集器之間通信的信號品質(zhì)動態(tài)變化,此外,識別器及采集器通信的信號品質(zhì)與臺區(qū)識別結(jié)果并沒有確切的數(shù)學(xué)關(guān)系,無法通過數(shù)學(xué)計算公式方法來準確識別跨臺區(qū)用戶,因此本文提出利用BP神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)能力和逼近任意非線性關(guān)系能力來智能識別用戶臺區(qū)信息[9]。
圖1 系統(tǒng)結(jié)構(gòu)框圖Fig.1 System structure block diagram
BP神經(jīng)網(wǎng)絡(luò)只需一層隱含層即可擬合任意有限輸入輸出映射關(guān)系,基于仿真軟件MATLAB 2012b的feedforwardnet函數(shù)可建立前向BP神經(jīng)網(wǎng)絡(luò),為避免過度擬合,訓(xùn)練方式采用交叉訓(xùn)練驗證測試方法,默認條件下訓(xùn)練集為樣本集的70%,驗證集為樣本集的15%,測試集為樣本集的15%,feedforwardnet函數(shù)輸入?yún)?shù)只有隱含層節(jié)點數(shù)和訓(xùn)練函數(shù),其輸入輸出節(jié)點數(shù)在訓(xùn)練時根據(jù)樣本集自動確定,并在訓(xùn)練開始前自動進行歸一化處理,使的前向BP神經(jīng)網(wǎng)絡(luò)應(yīng)用更方便且性能更高。
分別測試30組跨臺區(qū)用戶與兩臺區(qū)識別器和各臺區(qū)3支采集器之間電力載波通信信號品質(zhì)作為訓(xùn)練樣本輸入數(shù)據(jù),信號品質(zhì)范圍為0~15,其中0表示通信失敗,15表示通信信號品質(zhì)最好,若跨臺區(qū)用戶在1號臺區(qū)則樣本輸出數(shù)據(jù)為[0 1],若跨臺區(qū)用戶在2號臺區(qū),則樣本輸出數(shù)據(jù)為[0 1],因此前向BP神經(jīng)網(wǎng)絡(luò)輸入層有8個輸入節(jié)點,輸出層有2個輸出節(jié)點。
由于隱藏層節(jié)點數(shù)(Hidden Layer Node Numbers,HLNN)沒有統(tǒng)一計算公式,HLNN過多容易導(dǎo)致計算復(fù)雜且達到相同訓(xùn)練效果時收斂速度慢,過少則容易導(dǎo)致訓(xùn)練時陷入局部極小值,因此HLNN常常需要根據(jù)樣本進行實測確定。根據(jù)R.P.Lippmann提出的HLNN估算公式[10]可得HLNN為2,而根據(jù)初定HLNN經(jīng)驗公式[11]可得HLNN為6,因此HLNN可在2~8范圍內(nèi)選擇。在主頻為2.2 GHz、內(nèi)存為2.0 G的惠普筆記本電腦上仿真時前向BP神經(jīng)網(wǎng)絡(luò)均方根誤差(Mean Squared Error,MSE)、訓(xùn)練迭代次數(shù)Epoch和訓(xùn)練時間Time如表1所示,其中MSE較關(guān)鍵,MSE越小表明訓(xùn)練時驗證集誤差越小,訓(xùn)練效果越好。
表1 不同HLNN的BP神經(jīng)網(wǎng)絡(luò)性能Tab.1 BP neural network performance with different HLNN
由表1可知,HLNN在2~8范圍內(nèi)時Time在0.3 s~0.5 s范圍內(nèi)且相差不大,當HLNN取4時MSE最小,且綜合性能較好,此時均方誤差與訓(xùn)練次數(shù)關(guān)系如圖2所示。
圖2 HLNN為4時樣本集MSE與EpochFig.2 Sample collection MSE and Epoch when HLNN is 4
由圖2可知,前向BP神經(jīng)網(wǎng)絡(luò)經(jīng)16次訓(xùn)練后驗證集MSE最小且為2.320 9×10-15,MSE最小點位于圖中圓心處,且驗證集MSE和測試集MSE與訓(xùn)練集MSE變化趨勢一致,此外,訓(xùn)練輸出值與目標值回歸分析如圖3所示。
圖3 輸出值與目標值回歸分析Fig.3 Regression analysis of output and target value
由圖3可知,訓(xùn)練綜合輸出值與目標值成線性關(guān)系且輸出值基本等于目標值,輸出值與目標值綜合回歸系數(shù)接近為1,訓(xùn)練結(jié)果表明前向BP神經(jīng)網(wǎng)絡(luò)不僅訓(xùn)練精度高而且驗證測試效果好,因此本系統(tǒng)選用HLNN為4的前向BP神經(jīng)網(wǎng)絡(luò)進行跨臺區(qū)用戶識別,隱藏層輸出變換函數(shù)采用tansig非線性函數(shù),輸出層輸出變換函數(shù)采用purelin線性函數(shù),其結(jié)構(gòu)如圖4所示。
圖4 前向BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)Fig.4 Forward BP neural network structure
前向BP神經(jīng)網(wǎng)絡(luò)經(jīng)過訓(xùn)練后,采用30組測試數(shù)據(jù)作為測試集對其識別準確性進行測試,測試集不同于樣本集,其中4組測試數(shù)據(jù)的測試結(jié)果如表2所示,測試集的輸出值相對誤差如圖5所示,通過比較輸出層節(jié)點輸出值大小即可確定用戶臺區(qū)。
表2 BP神經(jīng)網(wǎng)絡(luò)識別準確性測試Tab.2 Accuracy recognition test of BP neural network
圖5 測試集的輸出值相對誤差Fig.5 Relative error of output value of test sets
由表2可知,系統(tǒng)不以單次通信信號品質(zhì)高低來識別臺區(qū),能夠正確識別跨臺區(qū)用戶信息且具有較高的容差性能;由圖5可知,系統(tǒng)輸出值相對誤差低于2%,輸出值區(qū)別大,因此通過比較輸出值大小可實現(xiàn)跨臺區(qū)用戶100%正確識別,識別準確性較高,理論上驗證了基于電力載波信號品質(zhì)和前向BP神經(jīng)網(wǎng)絡(luò)實現(xiàn)跨臺區(qū)用戶智能識別的可行性和準確性。
為實際測試臺區(qū)用戶信息識別系統(tǒng)功能及性能,在實驗室采用2臺模擬配電變壓器、2臺識別器、9臺采集器及1臺手持器模擬現(xiàn)場環(huán)境搭建1號臺區(qū)和2號臺區(qū)進行測試,所有采集器安裝在A相,系統(tǒng)測試環(huán)境如圖6所示。
圖6 系統(tǒng)測試環(huán)境Fig.6 Test environment of system
1號識別器與1號臺區(qū)變壓器低壓出線端連接,2號識別器與2號臺區(qū)變壓器低壓出線端連接。通過手持器或者識別器的觸摸顯示屏對識別器參數(shù)進行設(shè)置,包括識別起始時間、識別終止時間、輪詢次數(shù)、重發(fā)次數(shù)、輪詢等待時間等,1號識別器識別結(jié)果如圖7所示。
圖7 識別器識別結(jié)果Fig.7 Recognition result of identifier
由圖 7可知,采集器 00072092、00072093、00072094、00072095、00072096與1號識別器同屬一個臺區(qū),且其相位在A相,實現(xiàn)了識別器初步識別臺區(qū)信息且性能良好。手持器接收兩識別器識別信息后與已知臺區(qū)記錄用戶信息進行查詢與比較,測得00072091為無法識別用戶,00072093為跨臺區(qū)用戶。將手持器與00072091采集器相連,并發(fā)送查詢00072094采集器查詢幀,手持器識別00072091采集器結(jié)果如圖8所示。
圖8 手持器識別00072091采集器結(jié)果Fig.8 Recognition result of handheld with 00072091
由圖8可知手持器能夠收到00072094采集器響應(yīng)幀,且通信信號品質(zhì)為最高15,則表明00072091采集器與00072094采集器同屬一個臺區(qū)且同相位。再將手持器與00072093采集器連接,分別向兩識別器 和 00072092、00072094、00072095、00072097、00072098、00072099采集器發(fā)送查詢幀,手持器識別00072093采集器結(jié)果如圖9所示。
圖9 手持器識別跨臺區(qū)采集器Fig.9 Collector of handheld across transformer area
由圖9可知,00072093采集器歸屬于1號臺區(qū),由于1號識別器對00072093采集器的相位識別為A相,因此最終確定00072093采集器位于1號臺區(qū)的A相。測試結(jié)果與實際情況完全相同,因此,通過該方法不僅能夠識別初步識別無法識別用戶,還能有效識別跨臺區(qū)用戶,較好的實現(xiàn)了臺區(qū)用戶信息全識別。
針對跨臺區(qū)用戶歸屬難以確定的難題,提出了基于BP神經(jīng)網(wǎng)絡(luò)的智能臺區(qū)識別方法。該方法在利用電力載波通信技術(shù)實現(xiàn)臺區(qū)用戶信息初步識別的基礎(chǔ)上,并分類出已識別用戶、無法識別用戶和跨臺區(qū)用戶,然后利用BP神經(jīng)網(wǎng)絡(luò)模型結(jié)合電力載波信號品質(zhì)進行跨臺區(qū)用戶識別,由于不以單次通信信號品質(zhì)高低來識別臺區(qū),該方法識別容差性高。實驗表明基于BP神經(jīng)網(wǎng)絡(luò)的智能臺區(qū)識別方法能夠準確識別跨臺區(qū)用戶,徹底解決跨臺區(qū)用戶歸屬難題,在此基礎(chǔ)上完成了用戶識別系統(tǒng)的試制。系統(tǒng)滿足電力公司普查用戶臺區(qū)和相位信息要求,具有識別準確度高、范圍廣、效率高等優(yōu)點,可有效解決跨臺區(qū)通信串擾難題,大大減少工作人員工作量并降低成本。