王磊， 崔寶華， 檀政， 周辛南， 杜躍

(1. 保定電力職業(yè)技術(shù)學(xué)院(國(guó)網(wǎng)冀北電力有限公司技能培訓(xùn)中心), 河北， 保定 071051；2. 國(guó)網(wǎng)冀北電力有限公司， 北京 100032； 3. 國(guó)網(wǎng)冀北電力有限公司唐山供電公司， 河北， 唐山 063000)

0 引言

現(xiàn)如今電能已然成為各行各業(yè)應(yīng)用最為廣泛的能源之首。伴隨對(duì)電能需求的增長(zhǎng)，最嚴(yán)重的竊電行為已經(jīng)擾亂了用電的安全性和企業(yè)長(zhǎng)期有效的持續(xù)性發(fā)展。不法分子常常采取違規(guī)違紀(jì)的方法達(dá)到竊電的目的從中牟利。目前，我國(guó)電力企業(yè)仍然缺乏精準(zhǔn)、有效的針對(duì)竊電行為的防范方法。竊電技術(shù)智能化的提升促使我們不得不對(duì)竊電行為做出有力的一擊。我們無(wú)法斷定竊電的地理位置、竊電的電量等，因此我們需在反竊電方法中擴(kuò)展新的途徑。王慶寧等[1]、李丹丹等[2]分別設(shè)計(jì)2個(gè)反竊電系統(tǒng)，可拓展反竊電方法的有效途徑，但存在評(píng)估竊電行為準(zhǔn)確率較低的問(wèn)題，無(wú)法為電力企業(yè)查處竊電行為提供科學(xué)依據(jù)，反竊電效果較差。LabVIEW是美國(guó)National Instruments開(kāi)發(fā)的一種圖形化編程[3]，它可節(jié)約系統(tǒng)設(shè)計(jì)時(shí)間與研發(fā)成本。針對(duì)傳統(tǒng)反竊電技術(shù)的弱點(diǎn)，設(shè)計(jì)基于LabVIEW實(shí)現(xiàn)BP神經(jīng)網(wǎng)絡(luò)的反竊電系統(tǒng)，提升反竊電效果。

1 基于LabVIEW實(shí)現(xiàn)BP神經(jīng)網(wǎng)絡(luò)的反竊電系統(tǒng)

依據(jù)LabVIEW開(kāi)放式開(kāi)發(fā)平臺(tái)，建立BP神經(jīng)網(wǎng)絡(luò)的反竊電系統(tǒng)，其功能結(jié)構(gòu)如圖1所示。數(shù)據(jù)輸入模塊是依據(jù)國(guó)家電網(wǎng)等數(shù)據(jù)庫(kù)的電量使用者的用電評(píng)估數(shù)據(jù)，并參考竊電行為發(fā)生的特殊性和供電企業(yè)對(duì)竊電懷疑參數(shù)所反饋的指標(biāo)，構(gòu)建反竊電評(píng)價(jià)指標(biāo)體系。數(shù)據(jù)存儲(chǔ)模塊是通過(guò)excel表格技術(shù)存儲(chǔ)評(píng)價(jià)指標(biāo)數(shù)據(jù)，并顯示在終端平臺(tái)上，便于電量使用者的查詢以及遺傳優(yōu)化BP神經(jīng)網(wǎng)絡(luò)模型的二次訓(xùn)練。數(shù)據(jù)處理及分析模塊是利用遺傳優(yōu)化BP神經(jīng)網(wǎng)絡(luò)模型鎖定疑似竊電用戶，該模型的輸入是數(shù)據(jù)存儲(chǔ)模塊中的評(píng)價(jià)指標(biāo)數(shù)據(jù)，并將得到的結(jié)果傳遞至用戶校驗(yàn)?zāi)K。用戶校驗(yàn)?zāi)K負(fù)責(zé)匯總使用者電量的以往數(shù)據(jù)，依據(jù)以往數(shù)據(jù)校驗(yàn)鎖定的疑似竊電用戶，進(jìn)一步明確該用戶是否存在竊電行為，保證反竊電系統(tǒng)的精準(zhǔn)性[4]，將判斷結(jié)果傳遞至發(fā)送核查單模塊。發(fā)送核查單模塊負(fù)責(zé)發(fā)放竊電行為的審查記錄，以供有關(guān)部門的合法審查。

圖1 反竊電系統(tǒng)功能結(jié)構(gòu)圖

1.1 反竊電評(píng)價(jià)指標(biāo)體系

參考竊電行為發(fā)生的特殊性和供電企業(yè)對(duì)竊電懷疑參數(shù)所反饋的指標(biāo)構(gòu)建反竊電評(píng)價(jià)指標(biāo)體系，如圖2所示。

圖2 評(píng)價(jià)指標(biāo)體系

x1是用戶的日用電能，每年7月至10月、12月至次年的3月用電量最大，炎熱的夏天和寒冷的冬天需支配的各種大功率設(shè)備都需要不停地運(yùn)轉(zhuǎn)耗電，憑借每年的用電量經(jīng)驗(yàn)及國(guó)家電網(wǎng)出具的電量單據(jù)，使用者都會(huì)對(duì)自身情況做出有效預(yù)估[5]。x2是當(dāng)每個(gè)月或者每個(gè)季度的耗電量數(shù)據(jù)出來(lái)時(shí)，最大線損是發(fā)生竊電行為的重要標(biāo)桿。x3是根據(jù)電力行業(yè)判斷，機(jī)械表的使用者發(fā)生竊電行為的概率遠(yuǎn)遠(yuǎn)大于電子表，因?yàn)闄C(jī)械表的構(gòu)造及原理更有利于犯罪分子的操作，而電子表的構(gòu)造和用途原理更為精密難以操控。x4代表使用者所在臺(tái)區(qū)的線損率，衡量此線損率時(shí)臺(tái)區(qū)范圍中存在竊電行為的可能性[6]。x5代表電壓的不正常情況，即欠壓情況的表達(dá)公式如下：

(1)

其中，三相電壓值是u。

x6代表出現(xiàn)異常時(shí)使用者存在竊電的可能性遠(yuǎn)高于正常情況下的x6。正常使用者負(fù)載的x7無(wú)波動(dòng)性，通常情況下無(wú)較大幅度變化情況。x8和使用者的月用電量相對(duì)應(yīng)，在(x8×360)/月用電量<2時(shí)，代表使用者不存在竊電行為，反之，該使用者存在竊電行為[7]。

1.2 遺傳優(yōu)化BP神經(jīng)網(wǎng)絡(luò)模型

遺傳優(yōu)化BP神經(jīng)網(wǎng)絡(luò)模型存在優(yōu)越的網(wǎng)絡(luò)近似性能，該模型的流程如圖3所示。

圖3 模型流程圖

具體步驟如下。

Step 1 獲取BP神經(jīng)網(wǎng)絡(luò)層數(shù)與輸入向量數(shù)量等參數(shù)，設(shè)置網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)。

Step 2 預(yù)處理訓(xùn)練樣本，得到遺傳算法的N，初始化種群參數(shù)，設(shè)計(jì)交叉與變異概率，這兩個(gè)值是不變的。

Step 3 輸出誤差E的公式如下：

(2)

其中，訓(xùn)練樣本k的實(shí)際輸出是dk，期望輸出是ok。

構(gòu)建適應(yīng)度函數(shù)f，公式如下：

f=1/(E+1)

(3)

選擇符合f條件的個(gè)體當(dāng)成父本。

Step 4 利用遺傳算法的遺傳操作處理父本，得到新的種群，以最大迭代次數(shù)或最小網(wǎng)絡(luò)誤差值為終止條件。

Step 5 選擇與f最大輸出值或最小誤差值相應(yīng)的權(quán)值和閾值，展開(kāi)網(wǎng)絡(luò)訓(xùn)練[8]。

1.3 構(gòu)建數(shù)學(xué)模型

由遺傳算法改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的權(quán)值與閾值，數(shù)學(xué)模型的構(gòu)建步驟如下。

Step 1 將反竊電評(píng)價(jià)指標(biāo)體系作為數(shù)學(xué)模型的輸入向量。

Step 2 選取輸出向量，將使用者的竊電嫌疑因子與疑似竊電方式當(dāng)成輸出向量。竊電嫌疑因子等級(jí)包含不存在竊電行為，記作0；存在竊電嫌疑，記作1；存在重大竊電嫌疑，記作2。疑似竊電方式包含不存在竊電方式，記作5；欠壓法竊電，記作6；欠流法竊電，記作7。

Step 3 預(yù)處理數(shù)據(jù)，歸一化處理即將輸入的評(píng)價(jià)指標(biāo)數(shù)據(jù)，保證全部數(shù)據(jù)均存在同等的重要性，避免出現(xiàn)因輸入值太大導(dǎo)致神經(jīng)元的輸出過(guò)滿情況[9]。歸一化后的數(shù)據(jù)區(qū)間是[0，1]，公式如下：

(4)

Step 4 確定隱含層節(jié)點(diǎn)數(shù)m，選擇合理的m會(huì)提升網(wǎng)絡(luò)性能，降低誤差率，避免出現(xiàn)局部最優(yōu)現(xiàn)象，公式如下：

(5)

其中，輸入與輸出層的節(jié)點(diǎn)數(shù)分別為n與l，常數(shù)為α，1≤α≤10，數(shù)學(xué)模型有8個(gè)輸入，2個(gè)輸出。

Step 5 確定激活函數(shù)，將S型激活函數(shù)當(dāng)成隱含層的激活函數(shù)，其特點(diǎn)僅有中部改變幅度較大，其余部分無(wú)明顯變化，同時(shí)存在不間斷的優(yōu)勢(shì)；將線性激活函數(shù)當(dāng)成輸出層的激活函數(shù)，擴(kuò)展輸出范圍[10]。

1.4 反竊電系統(tǒng)的流程

LabVIEW的優(yōu)勢(shì)是可以和眾多編程語(yǔ)言、應(yīng)用程序相匹配，充分結(jié)合LabVIEW和MATLAB令使用者能夠在LabVIEW內(nèi)運(yùn)用MATLAB的超強(qiáng)計(jì)算能力。通過(guò)LabVIEW與MATLAB的混合編程，構(gòu)造反竊電系統(tǒng)，系統(tǒng)流程如圖4所示。

圖4 系統(tǒng)流程圖

LabVIEW接收輸入的用戶反竊電評(píng)價(jià)指標(biāo)體系數(shù)據(jù)，儲(chǔ)入數(shù)據(jù)庫(kù)內(nèi)，并在運(yùn)行頁(yè)面上展示數(shù)據(jù)，同時(shí)發(fā)送信號(hào)至MATLAB；MATLAB接收信號(hào)后，在數(shù)據(jù)庫(kù)內(nèi)識(shí)別該用戶用電數(shù)據(jù)，通過(guò)遺傳優(yōu)化BP神經(jīng)網(wǎng)絡(luò)模型分析用戶的竊電行為，將計(jì)算結(jié)果存入Excel數(shù)據(jù)庫(kù)內(nèi)，并反饋至LabVIEW；LabVIEW接收到反饋的結(jié)果后，將該結(jié)果呈現(xiàn)于運(yùn)行頁(yè)面上，同時(shí)在數(shù)據(jù)庫(kù)內(nèi)存入反饋結(jié)果[11-12]，利于使用者查詢以及模型的二次訓(xùn)練。

2 實(shí)驗(yàn)結(jié)果與分析

以某省國(guó)家電網(wǎng)為實(shí)驗(yàn)對(duì)象，利用本文系統(tǒng)評(píng)估該國(guó)家電網(wǎng)是否存在竊電行為，在該電網(wǎng)內(nèi)采集50組用電信息數(shù)據(jù)，將前40組數(shù)據(jù)作為訓(xùn)練樣本，后10組數(shù)據(jù)作為測(cè)試參考。設(shè)計(jì)合理的交叉與變異概率，可提升本文系統(tǒng)評(píng)估竊電行為的精準(zhǔn)性，通過(guò)實(shí)驗(yàn)獲取這兩個(gè)概率，在后10組數(shù)據(jù)中隨機(jī)選取3組數(shù)據(jù)，測(cè)試本文系統(tǒng)在不同交叉與變異概率時(shí)評(píng)估這3組數(shù)據(jù)是否存在竊電行為的準(zhǔn)確性，以后驗(yàn)方差比值為評(píng)價(jià)評(píng)估竊電行為準(zhǔn)確性的指標(biāo)，該值與評(píng)估準(zhǔn)確性成反比，一般后驗(yàn)方差比值低于0.35時(shí)，則代表評(píng)估準(zhǔn)確性較高，依據(jù)后驗(yàn)方差比值為本文系統(tǒng)選擇最佳的兩個(gè)概率值，測(cè)試結(jié)果如圖5、圖6所示。

圖5 交叉概率測(cè)試結(jié)果

圖6 變異概率測(cè)試結(jié)果

根據(jù)圖5可知，3組數(shù)據(jù)的后驗(yàn)方差比值隨交叉概率的增長(zhǎng)呈先下降后增長(zhǎng)的趨勢(shì)，當(dāng)交叉概率為0.5時(shí)，3組數(shù)據(jù)的后驗(yàn)方差比值均降至最低。實(shí)驗(yàn)證明：交叉概率為0.5時(shí)，本文系統(tǒng)評(píng)估竊電行為的準(zhǔn)確性最高。

根據(jù)圖6可知，隨著變異概率的提升，3組數(shù)據(jù)的后驗(yàn)方差比值呈下降趨勢(shì)。當(dāng)變異概率達(dá)到0.04時(shí)，3組數(shù)據(jù)的后驗(yàn)方差比值降至最低；當(dāng)變異概率超過(guò)0.04時(shí)，3組數(shù)據(jù)的后驗(yàn)方差比值開(kāi)始逐漸提升。實(shí)驗(yàn)證明：變異概率為0.04時(shí)，本文系統(tǒng)評(píng)估竊電行為的準(zhǔn)確性最高。

依據(jù)上述實(shí)驗(yàn)為本文系統(tǒng)選取最佳的交叉與變異概率，利用本文系統(tǒng)評(píng)估后10組數(shù)據(jù)的竊電嫌疑因子與竊電方式的類別，選取2個(gè)系統(tǒng)作為本文系統(tǒng)的對(duì)比系統(tǒng)，分別來(lái)源于文獻(xiàn)[1]與文獻(xiàn)[2]的2個(gè)反竊電系統(tǒng)，評(píng)估結(jié)果如圖7、圖8所示。

圖7 竊電嫌疑因子類別評(píng)估結(jié)果

圖8 竊電方式類別評(píng)估結(jié)果

根據(jù)圖7可知，3個(gè)系統(tǒng)均能評(píng)估10組數(shù)據(jù)的竊電嫌疑因子，本文系統(tǒng)評(píng)估的竊電嫌疑因子類別與實(shí)際類別非常接近，差距較小，其余2個(gè)系統(tǒng)雖能評(píng)估竊電嫌疑因子的類別，但與實(shí)際類別差距較大。實(shí)驗(yàn)證明：本文系統(tǒng)能夠精準(zhǔn)評(píng)估竊電嫌疑因子，為竊電查處提供依據(jù)，重點(diǎn)觀察存在竊電行為的用戶，提升反竊電效果。

根據(jù)圖8可知，3個(gè)系統(tǒng)均能評(píng)估10組數(shù)據(jù)的竊電方式，本文系統(tǒng)評(píng)估的結(jié)果是這10組數(shù)據(jù)中存在兩組欠流法竊電方式，兩組欠壓法竊電方式，其余組均無(wú)竊電方式，與實(shí)際類別基本一致。其余2個(gè)系統(tǒng)評(píng)估結(jié)果與實(shí)際類別差距較大。實(shí)驗(yàn)證明：本文系統(tǒng)能夠精準(zhǔn)評(píng)估竊電方式類別，針對(duì)竊電方式制定相關(guān)策略，提升反竊電性能。

分析3個(gè)系統(tǒng)在訓(xùn)練樣本數(shù)量不同時(shí)評(píng)估竊電嫌疑因子與竊電方式類別的后驗(yàn)方差比值，測(cè)試3個(gè)系統(tǒng)的反竊電性能，測(cè)試結(jié)果如圖9、圖10所示。

圖9 評(píng)估竊電嫌疑因子類型的后驗(yàn)方差比值

圖10 評(píng)估竊電方式類別的后驗(yàn)方差比值

根據(jù)圖9可知，隨著訓(xùn)練樣本數(shù)量的增加，3個(gè)系統(tǒng)的后驗(yàn)方差比值均開(kāi)始下降，本文系統(tǒng)呈線性趨勢(shì)下降，收斂速度較快，在樣本數(shù)量為10組時(shí)后驗(yàn)方差比值以低于0.35，當(dāng)樣本數(shù)量為15組時(shí)，已完成收斂，穩(wěn)定在0.2左右；文獻(xiàn)[1]系統(tǒng)前期后驗(yàn)方差比值下降幅度較為平緩，在樣本數(shù)量為25組時(shí)，后驗(yàn)方差比值才低于0.35，此時(shí)也完成收斂，收斂速度較慢；文獻(xiàn)[2]系統(tǒng)前期后驗(yàn)方差比值下降幅度較大，但后期下降幅度比較緩慢，在樣本數(shù)量為30時(shí)，后驗(yàn)方差比值才低于0.35，此時(shí)也完成收斂，收斂速度較慢。實(shí)驗(yàn)證明：在不同訓(xùn)練樣本數(shù)量時(shí)，本文系統(tǒng)評(píng)估竊電嫌疑因子類型的后驗(yàn)方差比值最低，且收斂速度最快，說(shuō)明本文系統(tǒng)的性能最優(yōu)。

根據(jù)圖10可知，樣本數(shù)量不斷增加，本文系統(tǒng)的后驗(yàn)方差比值顯著低于其余2個(gè)系統(tǒng)，在樣本數(shù)量為20組時(shí)，已完成收斂，其余2個(gè)系統(tǒng)均在樣本數(shù)量為30組時(shí)才完成收斂。實(shí)驗(yàn)證明：本文系統(tǒng)評(píng)估竊電方式類型的后驗(yàn)方差比值最低，且收斂速度快，具備較優(yōu)的竊電方式評(píng)估性能，有效提升系統(tǒng)的反竊電效果。

3 總結(jié)

為提升高壓反竊電工作效率，設(shè)計(jì)科學(xué)的反竊電異動(dòng)審查方式，達(dá)到追繳電費(fèi)、降低竊電犯罪率的目的，研究基于LabVIEW實(shí)現(xiàn)BP神經(jīng)網(wǎng)絡(luò)的反竊電系統(tǒng)，精準(zhǔn)評(píng)估竊電嫌疑因子與竊電方式，依據(jù)評(píng)估結(jié)果制定相關(guān)政策，提升反竊電效果，降低電網(wǎng)損失。本文所設(shè)計(jì)系統(tǒng)為電網(wǎng)展開(kāi)竊電工作提供科學(xué)依據(jù)，具有重大意義。