薛宇飛 王心澤 俞鑫 吳柯 強浩

摘要：針對傳統(tǒng)的反竊電手段識別竊電情況困難的現(xiàn)狀，通過分析反竊電評價體系，建立基于BP神經(jīng)網(wǎng)絡的反竊電模型，研究基于LabVIEW軟件完成反竊電系統(tǒng)的軟件設計。通過比對數(shù)據(jù)信息對系統(tǒng)進行了功能測試，驗證軟件可用于電力竊電嫌疑分析，有利于提高反竊電工作效率。

關鍵詞：LabVIEW;BP神經(jīng)網(wǎng)絡;Matlab;反竊電

0 ? ?引言

隨著經(jīng)濟的發(fā)展，對電的需求量不斷增大，竊電問題也變得越來越突出。目前的竊電行為呈現(xiàn)專業(yè)化、隱蔽性的特點，竊電技術向智能化轉變。傳統(tǒng)的反竊電手段已不能準確、及時地發(fā)現(xiàn)竊電行為，無法滿足精益化管理要求。本文設計的基于BP神經(jīng)網(wǎng)絡的反竊電系統(tǒng)可以對用電用戶進行多方面的分析，以縮小搜索范圍，提高反竊電工作效率[1-3]。

LabVIEW是美國NI公司推出的一種圖形化的編程語言，它的圖形化編程具有直觀、簡便、快速、易于開發(fā)和維護等優(yōu)點。它無需任何文本程序代碼，而是把復雜、繁瑣的語言編程簡化成圖形，用線條把各種圖形連接起來[4]。

本文設計的反竊電系統(tǒng)克服了現(xiàn)有反竊電技術的不足，為電力管理人員提供友好的人機交互界面，具有良好的顯示性。系統(tǒng)依靠LabVIEW軟件的優(yōu)勢，基于BP神經(jīng)網(wǎng)絡算法，結合電力行業(yè)的反竊電經(jīng)驗以及電能盜竊的特點，根據(jù)電網(wǎng)歷史數(shù)據(jù)建立，可以在電力線路沒有出現(xiàn)硬件損壞的情況下，根據(jù)電網(wǎng)數(shù)據(jù)平臺采集的用戶用電數(shù)據(jù)初步判斷用戶的用電狀態(tài)，預測用戶竊電行為。

1 ? ?基于BP神經(jīng)網(wǎng)絡的反竊電模型

BP（Back Propagation）神經(jīng)網(wǎng)絡，被認為是按誤差逆?zhèn)鞑ニ惴ㄓ柧毜亩鄬忧梆伨W(wǎng)絡。BP神經(jīng)網(wǎng)絡是一種非常普遍的神經(jīng)網(wǎng)絡算法，它擁有較強的自我學習、自我適應以及自我組織的能力，也擁有計算與分布式存儲的能力[5-6]。BP算法流程圖如圖1所示，輸入樣本從輸入層向輸出層傳遞的過程中需要經(jīng)過各種隱層的處理，這是信號正向傳播的特點，而誤差的反向傳播階段是指實際輸出和輸出層的期望輸出不一致。信號的正向傳播與信號反向傳播兩個過程構成了BP算法的學習。當期望輸出和實際輸出的誤差進入隱層輸入層后，經(jīng)過層層反轉，再進入各層的每一個單元，從而能夠得到每一層單元的誤差信號，然后憑借這個誤差信號去修正每個單元的權值。

針對反竊電評價建立BP神經(jīng)網(wǎng)絡模型，必須在已確定的用電用戶狀態(tài)評價指標體系中，使用用電信息采集系統(tǒng)獲得的樣本數(shù)據(jù)來學習訓練，在此學習訓練的基礎上，交叉驗證已知的竊電樣本，能夠進一步優(yōu)化評價指標模型，獲取用電用戶的竊電概率，最后據(jù)此劃分不同的用戶信用等級;將輸入數(shù)據(jù)進行歸一化處理，歸一化區(qū)間選取[0，2]，數(shù)值0表示無竊電嫌疑，數(shù)值1表示一般竊電嫌疑，數(shù)值2表示重大竊電嫌疑;對模型進行訓練，在訓練過程中可以調(diào)節(jié)影響訓練效果的輸入、隱含層函數(shù)、輸出層函數(shù)、訓練算法、歸一化區(qū)間、隱含層個數(shù)、學習速率、最小目標誤差和最大訓練次數(shù);訓練達到預期目標后結束，得到最終預測模型，用來預測是否竊電。

基于BP神經(jīng)網(wǎng)絡的反竊電模型如圖2所示。

2 ? ?基于LabVIEW實現(xiàn)反竊電系統(tǒng)設計

2.1 ? ?反竊電系統(tǒng)的搭建

基于LabVIEW 2010進行反竊電系統(tǒng)的設計，研究數(shù)據(jù)存儲方案，開發(fā)規(guī)范、統(tǒng)一的數(shù)據(jù)接口[7]。

反竊電系統(tǒng)的功能模塊如圖3所示。

（1）數(shù)據(jù)輸入：主要包含用戶用電評價指標相關參數(shù)，數(shù)據(jù)來源于用電用戶和電網(wǎng)公司。

（2）數(shù)據(jù)存儲：采用Excel數(shù)據(jù)庫管理系統(tǒng)存儲輸入與輸出數(shù)據(jù)，將讀取的Excel目標文件的輸入數(shù)據(jù)顯示在軟件平臺的界面上，以便用戶查詢及BP神經(jīng)網(wǎng)絡再次訓練。

（3）數(shù)據(jù)處理及分析：用BP神經(jīng)網(wǎng)絡模型對用戶輸入數(shù)據(jù)進行評估和分析;將歸一化計算后的數(shù)據(jù)再經(jīng)過BP神經(jīng)網(wǎng)絡算法進行處理，即通過輸入層、隱含層和輸出層三層之間層層映射，由層與層之間的權值矩陣進行調(diào)整，輸出各層的結果;進行用戶信用等級劃分，分為0、1、2，初步確定疑似竊電用戶;最后將輸出的數(shù)據(jù)單獨顯示在軟件界面上。

（4）用戶校驗：結合用戶特征參數(shù)和橫向數(shù)據(jù)對比進行校驗，對已經(jīng)鎖定的疑似竊電用戶進行校驗，進一步鎖定竊電用戶，確保反竊電智能研究平臺輸出結果的準確性。

（5）下發(fā)核查單：針對鎖定的竊電用戶下發(fā)核查名單，以便供電局核查。

2.2 ? ?基于LabVIEW搭建反竊電系統(tǒng)

作為一個開放式開發(fā)平臺，LabVIEW提供了與多種編程語言和應用程序的接口，通過LabVIEW強大的外部接口，可以實現(xiàn)LabVIEW與Matlab的混合編程，從而互相取長補短，充分發(fā)揮兩者的優(yōu)勢，也為快速開發(fā)功能強大的智能化虛擬儀器提供了新的方法[7-8]。本文即用到Matlab Script節(jié)點實現(xiàn)Matlab的調(diào)用，通過這種方式，用戶可以在LabVIEW中使用Matlab強大的數(shù)值運算功能[9-10]。

利用Matlab 2010和LabVIEW 2010軟件的靈活組合，建立反竊電系統(tǒng)。系統(tǒng)主要流程如圖4所示，其主要界面如圖5所示。

（1）用戶數(shù)據(jù)輸入：LabVIEW接收用戶輸入數(shù)據(jù)并存儲到數(shù)據(jù)庫中，同時將數(shù)據(jù)顯示在軟件運行界面上，并給Matlab發(fā)送信號。

（2）戶數(shù)據(jù)處理：Matlab收到信號，從數(shù)據(jù)庫中讀取用戶用電信息數(shù)據(jù)，運用BP神經(jīng)網(wǎng)絡對用戶竊電結果進行判別，運算完成后將結果存儲到Excel數(shù)據(jù)庫中，同時告知LabVIEW運算完成。

（3）運算結果顯示：LabVIEW接收到Matlab返還的運算結果，并將結果顯示在軟件運行界面上并存儲在數(shù)據(jù)庫中，以便用戶查詢和BP神經(jīng)網(wǎng)絡再次訓練。0表示沒有竊電，1表示可能竊電，2表示竊電嚴重。

3 ? ?仿真結果及分析

本文是基于BP神經(jīng)網(wǎng)絡的反竊電模型，該模型的輸入?yún)?shù)為以下九個：單耗、功率因數(shù)、三相電流不平衡率、三相電壓不平衡率、所在臺區(qū)線損、用表類型、月份、用戶能效等級以及月用電量。本文搜集了20組某省國家電網(wǎng)的用電信息數(shù)據(jù)，如表1所示，利用前15個數(shù)據(jù)進行訓練學習，后5個數(shù)據(jù)用作測試參考。

分析這些數(shù)據(jù)的特征，分為三個等級，分別為0、1、2。其中，0表示該用電用戶基本沒有竊電可能，竊電嫌疑系數(shù)幾乎為0;1表示該用戶用電信息非正常，存在竊電嫌疑，被列入觀察范圍之內(nèi);2表示該用戶的用電數(shù)據(jù)存在極大的問題，具有很大的竊電嫌疑，是重點觀察對象。

4 ? ?結語

該反竊電系統(tǒng)的應用，有利于形成一套標準的高壓反竊電工作法，規(guī)范高壓反竊電異動核查反饋流程，提升竊電查處工作效率，實現(xiàn)追補電費、打擊竊電犯罪行為的終極目標，為追補電網(wǎng)損失電量提供了堅實依據(jù)。通過關聯(lián)分析線路電流突變量、用戶負荷突變時間段以及線損突變時間段的數(shù)據(jù)，可以得到精確的未計量電流、竊電時間?；贚abVIEW實現(xiàn)BP神經(jīng)網(wǎng)絡的反竊電系統(tǒng)，能夠快速、準確地識別疑似竊電用戶，大大提高反竊電工作的效率，并為竊電工作提供有力的證據(jù)，有著積極的意義。

[參考文獻]

[1] 畢麗梅.竊電的種類及反竊電方法的探討[J].低碳世界，2016（20）：35-36.

[2] 劉水，劉強，周奇，等.基于用戶信息采集的智能反竊電監(jiān)控技術[J].江西電力，2017，41（8）：17-19.

[3] 吳微.神經(jīng)網(wǎng)絡計算[M].北京：高等教育出版社，2003.

[4] 楊樂平，李海濤，趙勇，等.LabVIEW高級程序設計[M].北京：清華大學出版社，2003.

[5] 楊建剛.人工神經(jīng)網(wǎng)絡實用教程[M].杭州：浙江大學出版社，2001.

[6] 程超，張漢敬，景志敏，等.基于離群點算法和用電信息采集系統(tǒng)的反竊電研究[J].電力系統(tǒng)保護與控制，2015，43（17）：69-74.

[7] 劉君華.基于LabVIEW的虛擬儀器設計[M].北京：電子工業(yè)出版社，2003.

[8] 戴敬.LabVIEW基礎教程[M].北京：國防工業(yè)出版社，2002.

[9] 蔡清華，楊世錫，羅錫梁.BP神經(jīng)網(wǎng)絡在LabVIEW中的實現(xiàn)及應用[J].現(xiàn)代機械，2006（2）：6-7.

[10] 陳金平.LabVIEW與Matlab接口的方法[J].自動化儀表，2004，25（3）：53-54.

收稿日期：2020-07-27

作者簡介：薛宇飛（1999—），男，江蘇常州人，研究方向：電氣工程及其自動化。

通信作者：強浩（1976—），男，江蘇無錫人，博士，副教授，研究方向：無線電能傳輸、電動汽車與電網(wǎng)互動技術。