練梓焯 袁樺菁 覃家露 羅醒華

（廣東電網(wǎng)有限責(zé)任公司云浮供電局，廣東云浮527400）

0 引言

為提高用電信息傳輸?shù)臏?zhǔn)確性和效率，本文提出改進(jìn)BP神經(jīng)網(wǎng)絡(luò)方法，通過(guò)設(shè)置閾值來(lái)簡(jiǎn)化臺(tái)區(qū)智能終端、分支線路與用戶之間1:n:1的拓?fù)潢P(guān)系。通過(guò)信息聚類分析來(lái)剔除非關(guān)鍵信息，提高信息傳輸與處理的效率[1]。

1 用電信息概念化描述

1.1 神經(jīng)網(wǎng)絡(luò)概念

BP神經(jīng)網(wǎng)絡(luò)的處理速度并不理想，為更好地進(jìn)行臺(tái)區(qū)智能終端—分支線—用戶的用電信息分析，本文引入了K-means方法，對(duì)臺(tái)區(qū)智能終端—分支線—用戶的用電信息進(jìn)行分類，如圖1所示[2]。

圖1 臺(tái)區(qū)智能終端—分支線—用戶的用電信息BP網(wǎng)絡(luò)結(jié)構(gòu)

1.2 用電信息指標(biāo)確定

臺(tái)區(qū)智能終端—分支線—用戶的用電信息主要有用電監(jiān)控、階梯定價(jià)、負(fù)荷管理、線損分析等任務(wù)，所以以此為用電信息指標(biāo)，分別設(shè)置為x1（%）、x2（元）、x3（%）和x4（%）。確定用電信息指標(biāo)以后，其數(shù)學(xué)描述為：

1.3 SVG圖拓?fù)?/h3>

由圖1可知，①位置產(chǎn)生的定向電力載波信號(hào)，流經(jīng)②③④⑤位置，②④⑤位置的拓?fù)渥R(shí)別模塊會(huì)檢測(cè)到定向電力載波信號(hào)，記錄路徑，從而識(shí)別出①—⑤的支路路徑。遍歷所有的拓?fù)渥R(shí)別模塊，完成拓?fù)渥R(shí)別。本文設(shè)定線路的初步拓?fù)浣Y(jié)構(gòu)初始點(diǎn)①為St，并依據(jù)后期的分析，逐漸找到支線的最終拓?fù)浣Y(jié)構(gòu)k值，即①—⑤的支路路徑，以此來(lái)分析此拓?fù)浣Y(jié)構(gòu)下的用電信息傳輸指標(biāo)PE，得到SVG圖。上述過(guò)程的數(shù)學(xué)描述為：

St如下：

式中：i為支線數(shù)；q（i）為支線i到用戶的距離，即信息的傳輸信道；p（i）為i到相關(guān)用戶的距離，即其他信道的干擾。

臺(tái)區(qū)智能終端—分支線—用戶信息傳輸性能指標(biāo)PE如下：

2 改進(jìn)BP神經(jīng)網(wǎng)絡(luò)模型構(gòu)建

將K-means聚類融入BP神經(jīng)網(wǎng)絡(luò)，能簡(jiǎn)化臺(tái)區(qū)智能終端—分支線—用戶1:n:1的復(fù)雜且非線性的映射關(guān)系。

假設(shè)調(diào)查的用戶信息為xi=（x1，…，xm）T，支線為Yi=（Y1，…，Yn）T，臺(tái)區(qū)智能終端Oi=（o1，…，ol）T，信息傳輸?shù)臉?biāo)準(zhǔn)為Di=（d1，…，dl）T。其中，臺(tái)區(qū)智能終端與用戶之間的權(quán)重為wij（i=1，…，m；j=1，…，n），主控臺(tái)設(shè)置的閾值為bij（i=1，…，m；j=1，…，n）；支線與用戶之間的權(quán)重為wjk（j=1，…，n；k=1，…，l），設(shè)置的閾值為bjk（j=1，…，n；k=1，…，l），那么從臺(tái)區(qū)智能終端向用戶的信息傳輸公式為：

其中，傳輸誤差e是實(shí)際設(shè)置標(biāo)準(zhǔn)與傳輸信息值之間的差值，其計(jì)算公式為：

臺(tái)區(qū)智能終端—分支線—用戶的信息傳輸屬于多次循環(huán)過(guò)程，要經(jīng)過(guò)反復(fù)迭代，才能最終形成傳輸方案，實(shí)現(xiàn)信息的安全與優(yōu)化。

表1 不同e值下兩種模型比較

3 臺(tái)區(qū)智能終端—分支線—用戶的用電信息驗(yàn)證

3.1 樣本分類

以A臺(tái)區(qū)的1 202個(gè)用戶為例，驗(yàn)證BP神經(jīng)網(wǎng)絡(luò)對(duì)臺(tái)區(qū)智能終端—分支線—用戶的用電信息優(yōu)化。將初始聚類數(shù)目增到7，以此計(jì)算不同K值下的支線拓?fù)浣Y(jié)構(gòu)，即輪廓系數(shù)St。聚類數(shù)目k=4時(shí)，St系數(shù)最大，說(shuō)明該類的聚類效果最好，所以本文選擇k=4作為初始聚類數(shù)目，計(jì)算性能指標(biāo)PE，并對(duì)各個(gè)支線進(jìn)行排序。

3.2 信息準(zhǔn)確性計(jì)算

分別將反饋信息的初始誤差設(shè)置為0.1、0.01和0.001，并計(jì)算不同誤差下的結(jié)果值，如表1所示。

由表1可知，隨著反饋信息誤差的減少，原有方法的迭代次數(shù)為1 032、3 032和7 000，而BP神經(jīng)網(wǎng)絡(luò)的迭代次數(shù)為72、157和423。在0.1、0.01和0.001的精度下，改進(jìn)BP神經(jīng)網(wǎng)絡(luò)模型準(zhǔn)確率由83.5%上升到99.5%，而原有方法的誤差由83.5%上升到92.7%，說(shuō)明改進(jìn)BP神經(jīng)網(wǎng)絡(luò)可以大幅提高臺(tái)區(qū)智能終端—分支線—用戶的用電信息準(zhǔn)確率。

4 結(jié)語(yǔ)

改進(jìn)BP神經(jīng)網(wǎng)絡(luò)模型通過(guò)對(duì)支線拓?fù)浣Y(jié)構(gòu)的初始設(shè)定，求得輪廓系數(shù)St，并對(duì)系數(shù)進(jìn)行k等分，得到不同支線的信息傳輸性能（準(zhǔn)確性、效率）PE。MATLAB分析結(jié)果顯示：0.1、0.01和0.001誤差條件下，神經(jīng)網(wǎng)絡(luò)均取得較好的結(jié)果，所以BP神經(jīng)網(wǎng)絡(luò)可以對(duì)臺(tái)區(qū)智能終端—分支線—用戶的用電信息進(jìn)行比較準(zhǔn)確、高效的信息反饋。