余錦河，劉 虎，張才俊

（1.國(guó)家電網(wǎng)有限公司客戶服務(wù)中心，天津 300309；2.國(guó)家電網(wǎng)有限公司，北京 100006）

人工神經(jīng)網(wǎng)絡(luò)包含單層、多層兩種組成形式，在實(shí)際應(yīng)用過程中，每一層結(jié)構(gòu)都由多個(gè)神經(jīng)元組織共同組成，由于反向連接、正向連接同時(shí)存在，網(wǎng)絡(luò)主體可以通過反復(fù)學(xué)習(xí)訓(xùn)練的方式，調(diào)整神經(jīng)元組織之間的連接關(guān)系，從而達(dá)到按需處理傳輸數(shù)據(jù)的應(yīng)用目的[1-2]。與其他類型的分類算法相比，人工神經(jīng)網(wǎng)絡(luò)算法穩(wěn)固了數(shù)據(jù)信息之間的映射連接關(guān)系，可以根據(jù)非線性模糊關(guān)系，對(duì)相關(guān)信息參量進(jìn)行重新排列，從而使得網(wǎng)絡(luò)主機(jī)對(duì)于傳輸信息的承載與容納能力大幅增強(qiáng)。

用電信息是記錄已接入用戶電量消耗情況的數(shù)據(jù)信息參量，不但能夠反映電力網(wǎng)絡(luò)的運(yùn)行穩(wěn)定性，還可以為電網(wǎng)規(guī)劃方案的設(shè)計(jì)提供參考依據(jù)。近年來，文獻(xiàn)[3]提出基于小波變換的干擾去除方法，文獻(xiàn)[4]提出基于BP 神經(jīng)網(wǎng)絡(luò)的冗余的補(bǔ)償消除方法。隨著用戶端實(shí)時(shí)耗電量的不斷增大，電力網(wǎng)絡(luò)中會(huì)出現(xiàn)大量與原始數(shù)據(jù)重復(fù)的數(shù)據(jù)信息參量，這些數(shù)據(jù)文件既增大了用電信息壓縮后所占據(jù)的存儲(chǔ)空間，也不利于電力網(wǎng)絡(luò)的穩(wěn)定運(yùn)行。雖然能夠控制用電信息之間的相似性程度，但并不能使其壓縮后體積得到較好控制，故而其實(shí)際消除效果相對(duì)有限。為解決上述問題，以人工神經(jīng)網(wǎng)絡(luò)算法為基礎(chǔ)，設(shè)計(jì)一種仿真應(yīng)用類的用電信息傳輸冗余量消除方法。

1 冗余用電信息處理

為實(shí)現(xiàn)對(duì)用電信息傳輸冗余量的仿真性消除，首先需要按照人工神經(jīng)網(wǎng)絡(luò)算法對(duì)冗余用電信息進(jìn)行處理，下面根據(jù)人工神經(jīng)網(wǎng)絡(luò)原理，定義冗余用電信息的傳輸格式，再以此為基礎(chǔ)，計(jì)算信息重復(fù)率指標(biāo)的具體數(shù)值。

1.1 人工神經(jīng)網(wǎng)絡(luò)原理

為實(shí)現(xiàn)對(duì)用電信息傳輸冗余量的準(zhǔn)確消除，在構(gòu)建人工神經(jīng)網(wǎng)絡(luò)時(shí)，應(yīng)對(duì)數(shù)據(jù)信息文件的實(shí)時(shí)傳輸量進(jìn)行控制，要求其計(jì)算值結(jié)果應(yīng)處于電力信息極大值傳輸條件與極小值傳輸條件之間。從宏觀性角度來看，人工神經(jīng)網(wǎng)絡(luò)算法同時(shí)約束了冗余用電信息的實(shí)時(shí)傳輸速率與單位傳輸流量，一般來說，若傳輸流量值較大，則表示冗余用電信息的單位傳輸速率較快，此時(shí)所得數(shù)據(jù)信息的壓縮體積也就相對(duì)較大；反之，若傳輸流量值較小，也就表示冗余用電信息的單位傳輸速率較慢，此時(shí)所得數(shù)據(jù)信息的壓縮體積也就相對(duì)較小[5-6]。完整的人工神經(jīng)網(wǎng)絡(luò)原理表達(dá)式如下：

其中，u表示冗余用電信息傳輸流量指標(biāo)的初始值，r表示系數(shù)u的最大取值結(jié)果，wr、wu分別表示冗余用電信息壓縮系數(shù)的最大值與最小值，yˉ表示用電信息傳輸流量均值，χ表示實(shí)時(shí)傳輸向量。在定義冗余用電信息傳輸格式時(shí)，必須參考人工神經(jīng)網(wǎng)絡(luò)算法的求解表達(dá)式。

1.2 冗余用電信息傳輸格式

用電信息傳輸格式定義是完成冗余用電信息處理的關(guān)鍵執(zhí)行步驟，可以根據(jù)人工神經(jīng)網(wǎng)絡(luò)算法，對(duì)比數(shù)據(jù)信息參量之間的相關(guān)性，從而將混合數(shù)據(jù)中的冗余信息參量挑選出來，以供電網(wǎng)主機(jī)的調(diào)取與利用[7-8]。在人工神經(jīng)網(wǎng)絡(luò)中，冗余用電信息始終與常規(guī)用電信息數(shù)據(jù)混合在一起，不但會(huì)加重電網(wǎng)主機(jī)所承擔(dān)的電信號(hào)辨識(shí)壓力，還有可能導(dǎo)致信息消除準(zhǔn)確性的大幅下降。為避免上述情況的發(fā)生，基于新型用電信息傳輸冗余量消除方法通過分析待處理信息傳輸格式的方式，將人工神經(jīng)網(wǎng)絡(luò)節(jié)點(diǎn)與數(shù)據(jù)參量一一對(duì)應(yīng)起來，在提升冗余信息傳輸速率的同時(shí)，緩解電網(wǎng)主機(jī)所承擔(dān)的電信號(hào)辨別壓力。

設(shè)α、δ、ε表示三個(gè)隨機(jī)選取的用電信息冗余編碼特征，且α≠δ≠ε不等式條件恒成立，iα表示基于特征值α的用電信息編碼系數(shù)，iδ表示基于特征值δ的用電信息編碼系數(shù)，iε表示基于特征值ε的用電信息編碼系數(shù)。在上述物理量的支持下，聯(lián)立式（1），可將冗余用電信息傳輸格式定義式表示為：

為使用電信息傳輸速率得到促進(jìn)，要求系數(shù)iα、系 數(shù)iδ、系數(shù)iε的取值不能同時(shí)等于同一自然數(shù)。

1.3 信息重復(fù)率

信息重復(fù)率決定了冗余用電信息與常規(guī)用電信息之間的數(shù)值配比關(guān)系。在人工神經(jīng)網(wǎng)絡(luò)算法的認(rèn)知中，信息重復(fù)率指標(biāo)的計(jì)算數(shù)值越大，就表示冗余用電信息的數(shù)值配比量越大；若信息重復(fù)率指標(biāo)的計(jì)算數(shù)值較小，則表示冗余用電信息的數(shù)值配比量也相對(duì)較小[9-10]。在已知冗余用電信息傳輸格式的情況下，信息重復(fù)率指標(biāo)的計(jì)算取值越大，就表示人工神經(jīng)網(wǎng)絡(luò)對(duì)于傳輸信息參量的承載能力越強(qiáng)；反之，若信息重復(fù)率指標(biāo)的計(jì)算取值相對(duì)較小，則表示人工神經(jīng)網(wǎng)絡(luò)對(duì)于傳輸信息參量的承載能力也就相對(duì)較弱。

設(shè)γ表示冗余用電信息標(biāo)記系數(shù)，β表示常規(guī)用電信息提取系數(shù)，oγ表示基于系數(shù)γ的冗余用電信息記錄特征值，ΔA表示冗余用電信息的單位記錄數(shù)值。在上述物理量的支持下，聯(lián)立式（2），可將用電信息重復(fù)率計(jì)算式定義為：

在求解用電信息重復(fù)率表達(dá)式時(shí)，可以將冗余用電信息傳輸格式、人工神經(jīng)網(wǎng)絡(luò)算法同時(shí)看作已知計(jì)算條件。

2 用電信息傳輸冗余量消除

在人工神經(jīng)網(wǎng)絡(luò)算法的支持下，按照冗余強(qiáng)度計(jì)算、聚合系數(shù)確定、壓縮量求解的處理流程，實(shí)現(xiàn)新型用電信息傳輸冗余量消除方法的設(shè)計(jì)與應(yīng)用。

2.1 冗余強(qiáng)度

冗余強(qiáng)度描述了用電信息出現(xiàn)冗余傳輸行為的可能性，受到人工神經(jīng)網(wǎng)絡(luò)算法的影響，該項(xiàng)系數(shù)指標(biāo)的取值與用電信息傳輸周期、信息殘余量等多項(xiàng)物理系數(shù)直接相關(guān)[11-12]。用電信息傳輸周期可表示為T，作為一項(xiàng)標(biāo)量系數(shù)，其取值結(jié)果不具備明顯的方向性。信息殘余量可表示為f，一般來說，該項(xiàng)指標(biāo)參量的取值結(jié)果越大，就表示用電信息出現(xiàn)冗余傳輸行為的可能性越大，即冗余強(qiáng)度指標(biāo)的計(jì)算數(shù)值越大。聯(lián)立上述物理量，可將基于人工神經(jīng)網(wǎng)絡(luò)算法的用電信息傳輸冗余強(qiáng)度表達(dá)式定義為：

式中，φ表示冗余用電信息的方向性向量，κ1、κ2表示兩個(gè)不相等的冗余信息標(biāo)記參量。在進(jìn)行冗余強(qiáng)度計(jì)算時(shí)，要求κ1系數(shù)、κ2系數(shù)取值均不等于1。

2.2 聚合系數(shù)

聚合系數(shù)也叫冗余用電信息的聚類表現(xiàn)系數(shù)，在已知冗余強(qiáng)度的情況下，該項(xiàng)物理系數(shù)直接影響網(wǎng)絡(luò)主機(jī)對(duì)于冗余信息參量的清除處理能力，一般來說，聚合系數(shù)值越大，清除處理難度也就越大[13-14]。假設(shè)s表示聚合向量的初始值，ls表示基于系數(shù)s的冗余用電信息聚合度量值，g表示冗余用電信息傳輸行為度量值。在上述物理量的支持下，聯(lián)立式（4），可將基于人工神經(jīng)網(wǎng)絡(luò)算法的冗余用電信息聚合系數(shù)計(jì)算結(jié)果表示為：

為將聚合系數(shù)計(jì)算結(jié)果控制在較低數(shù)值水平，在建立求解表達(dá)式時(shí)，要求ls指標(biāo)的取值趨近其極小值結(jié)果。在選取g指標(biāo)時(shí)，為避免冗余用電信息的大量堆積，要求相鄰信息參量不能保持相同的傳輸方向。

2.3 壓縮量

壓縮量指標(biāo)直接決定了用電信息壓縮后所占據(jù)的存儲(chǔ)空間[15]。當(dāng)冗余用電信息與常規(guī)用電信息融合在一起時(shí)，壓縮后信息數(shù)據(jù)包所占存儲(chǔ)空間會(huì)明顯增大，此時(shí)控制冗余信息壓縮量指標(biāo)的數(shù)值水平，不但可以將常規(guī)信息與冗余信息分離開來，還能夠從根本上解決混合壓縮數(shù)據(jù)所占存儲(chǔ)空間過大的問題[16]。設(shè)c1表示常規(guī)用電信息壓縮向量，c2表示冗余用電信息壓縮向量，表示冗余用電信息的壓縮速率均值。聯(lián)立上述物理量，可將壓縮量表達(dá)式定義為：

為避免出現(xiàn)誤差，要求向量c1與向量c2的取值結(jié)果均不能等于物理自然數(shù)1。至此完成對(duì)各項(xiàng)系數(shù)指標(biāo)的計(jì)算與處理，在人工神經(jīng)網(wǎng)絡(luò)算法的支持下，實(shí)現(xiàn)用電信息傳輸冗余量消除方法的順利應(yīng)用。

3 實(shí)例分析

為驗(yàn)證基于人工神經(jīng)網(wǎng)絡(luò)算法的用電信息傳輸冗余量消除方法實(shí)際應(yīng)用價(jià)值，設(shè)計(jì)如下對(duì)比實(shí)驗(yàn)。

按照表1 對(duì)相關(guān)實(shí)驗(yàn)參數(shù)進(jìn)行配置，完成基礎(chǔ)實(shí)驗(yàn)環(huán)境的搭建。

表1 實(shí)驗(yàn)參數(shù)設(shè)置

用電信息壓縮后所占據(jù)存儲(chǔ)空間能夠反映出信息參量的冗余程度，通常情況下，壓縮后用電信息所占據(jù)存儲(chǔ)空間越小，則表示信息參量的冗余程度越輕，此時(shí)網(wǎng)絡(luò)主機(jī)對(duì)于冗余數(shù)據(jù)消除能力也就越強(qiáng)。

表2 給定了壓縮處理前用電信息所占據(jù)的存儲(chǔ)空間。

表2 用電信息初始存儲(chǔ)空間

分析表1 可知，包含冗余參量用電信息初始存儲(chǔ)空間呈現(xiàn)出先增大、再穩(wěn)定的數(shù)值變化趨勢(shì)，但其前期增大幅度明顯大于后期，當(dāng)實(shí)驗(yàn)時(shí)間等于60 min時(shí)，用電信息初始存儲(chǔ)空間則呈現(xiàn)出較為穩(wěn)定的數(shù)值存在狀態(tài)，與初始數(shù)值相比，增大了0.58×109Mb。

選擇文中基于人工神經(jīng)網(wǎng)絡(luò)算法的用電信息傳輸冗余量消除方法作為實(shí)驗(yàn)組應(yīng)用方法，文獻(xiàn)[3]方法和文獻(xiàn)[4]方法作為對(duì)照組方法進(jìn)行實(shí)驗(yàn)。圖1 反映了文中方法、文獻(xiàn)[3]方法和文獻(xiàn)[4]方法在消除方法作用下，包含冗余參量用電信息壓縮處理后所占據(jù)的存儲(chǔ)空間。

圖1 壓縮后用電信息存儲(chǔ)空間

分析圖1 可知，當(dāng)實(shí)驗(yàn)時(shí)間等于10 min 時(shí)，文中方法、文獻(xiàn)[3]方法和文獻(xiàn)[4]方法壓縮后用電信息所占據(jù)存儲(chǔ)空間的數(shù)值水平完全相等；從第10 min 到20 min，文獻(xiàn)[3]方法和文獻(xiàn)[4]方法存儲(chǔ)空間數(shù)值始終大于文中方法，且數(shù)值的持續(xù)穩(wěn)定時(shí)間明顯小于文中方法。從極限值角度來看，文中方法壓縮后用電信息所占據(jù)存儲(chǔ)空間的最大值僅能達(dá)到2.66×109Mb，與壓縮前存儲(chǔ)空間最大值相比，縮小了6.31×109Mb；文獻(xiàn)[3]方法壓縮后用電信息所占據(jù)存儲(chǔ)空間的最大值達(dá)到了3.32×109Mb，與壓縮前存儲(chǔ)空間最大值相比，縮小了5.65×109Mb，低于文中方法數(shù)值水平。

綜上所述，與文獻(xiàn)方法相比，新型用電信息傳輸冗余量消除方法完全沿用了人工神經(jīng)網(wǎng)絡(luò)算法的應(yīng)用思想，在精準(zhǔn)計(jì)算信息重復(fù)率指標(biāo)的同時(shí)，重新定義冗余強(qiáng)度、聚合系數(shù)等多個(gè)指標(biāo)參量的表達(dá)含義，且隨著這種新型消除方法的應(yīng)用，用電信息壓縮后所占據(jù)存儲(chǔ)空間出現(xiàn)了明顯縮小的變化趨勢(shì)，這在仿真應(yīng)用領(lǐng)域，符合準(zhǔn)確消除冗余用電信息的實(shí)際應(yīng)用需求。

4 結(jié)束語

在文獻(xiàn)方法的作用下，壓縮后用電信息所占據(jù)存儲(chǔ)空間依然相對(duì)較大，信息參量的冗余程度始終較高，網(wǎng)絡(luò)主機(jī)并不能對(duì)冗余用電數(shù)據(jù)進(jìn)行有效消除；在基于人工神經(jīng)網(wǎng)絡(luò)算法的消除方法的作用下，包含冗余參量用電信息壓縮后所占存儲(chǔ)空間數(shù)值較小，信息參量的冗余程度得到了較好控制，網(wǎng)絡(luò)主機(jī)能夠?qū)θ哂嘤秒姅?shù)據(jù)進(jìn)行有效消除。與文獻(xiàn)方法相比，人工神經(jīng)網(wǎng)絡(luò)算法有效解決了壓縮后用電信息所占存儲(chǔ)空間較大的問題，可避免信息參量重復(fù)，實(shí)現(xiàn)對(duì)冗余數(shù)據(jù)的準(zhǔn)確消除與處理，更符合實(shí)際應(yīng)用需求。