陸方洲

（河北工業(yè)大學(xué)）

0 引言

人工神經(jīng)網(wǎng)絡(luò)是智能化技術(shù)應(yīng)用的基本內(nèi)容之一，其能夠通過學(xué)習(xí)功能的發(fā)揮來對(duì)海量數(shù)據(jù)進(jìn)行在線訓(xùn)練，以反饋糾錯(cuò)能力來提升計(jì)算精度，幫助相關(guān)對(duì)象獲得海量數(shù)據(jù)中的最優(yōu)解。在電網(wǎng)運(yùn)行中，神經(jīng)網(wǎng)絡(luò)已經(jīng)能夠滿足電力系統(tǒng)負(fù)荷預(yù)測(cè)、故障定位以及電力設(shè)施運(yùn)行狀態(tài)監(jiān)測(cè)等方面的要求。對(duì)基于大數(shù)據(jù)架構(gòu)的BP神經(jīng)網(wǎng)絡(luò)用戶用電評(píng)價(jià)與反竊電技術(shù)行為進(jìn)行分析，對(duì)提升電網(wǎng)的安全運(yùn)行水平具有積極的意義。

1 用戶用電監(jiān)測(cè)評(píng)價(jià)系統(tǒng)

1.1 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)

結(jié)合電網(wǎng)的實(shí)際運(yùn)行情況，對(duì)用戶用電行為進(jìn)行評(píng)價(jià)，應(yīng)建立在對(duì)實(shí)際用電行為的科學(xué)分類與實(shí)時(shí)監(jiān)測(cè)基礎(chǔ)上。這種評(píng)價(jià)的科學(xué)性和實(shí)施性強(qiáng)調(diào)評(píng)價(jià)系統(tǒng)設(shè)計(jì)應(yīng)用的算法效率。BP神經(jīng)網(wǎng)絡(luò)能夠以較快的訓(xùn)練速度來解決一般的模式分類問題，對(duì)用戶用電評(píng)價(jià)系統(tǒng)的設(shè)計(jì)，可以考慮采用BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。

具體而言，BP神經(jīng)網(wǎng)絡(luò)在用戶用電評(píng)價(jià)系統(tǒng)中發(fā)揮作用，主要依靠BP神經(jīng)網(wǎng)絡(luò)的聯(lián)想記憶和預(yù)測(cè)能力。建立BP神經(jīng)網(wǎng)絡(luò)系統(tǒng)模型，通常需要經(jīng)歷建模、初始化、訓(xùn)練以及應(yīng)用四個(gè)基本的過程，如圖1所示。其中，訓(xùn)練過程是能夠建立BP神經(jīng)網(wǎng)絡(luò)聯(lián)想記憶和預(yù)測(cè)能力的主要環(huán)節(jié)［1］。結(jié)合圖1所示的神經(jīng)網(wǎng)絡(luò)算法流程，發(fā)現(xiàn)確定隱含層是設(shè)計(jì)BP神經(jīng)網(wǎng)絡(luò)應(yīng)用場(chǎng)景的難點(diǎn)，在實(shí)際設(shè)計(jì)中需要考慮隱含層的特殊性，以實(shí)驗(yàn)數(shù)據(jù)的訓(xùn)練和測(cè)試來確定。

圖1 系統(tǒng)神經(jīng)網(wǎng)絡(luò)算法流程

1.2 用戶行為監(jiān)測(cè)與評(píng)價(jià)系統(tǒng)

在明確BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)原理與基本流程的前提下，應(yīng)結(jié)合針對(duì)電網(wǎng)用戶用電行為進(jìn)行監(jiān)測(cè)的具體要求，設(shè)計(jì)用戶行為監(jiān)測(cè)系統(tǒng)。用戶行為監(jiān)測(cè)系統(tǒng)結(jié)構(gòu)應(yīng)包括數(shù)據(jù)采集終端以及上位機(jī)應(yīng)用軟件兩個(gè)主要的部分，軟件部分應(yīng)以用戶行為識(shí)別系統(tǒng)和用戶行為數(shù)據(jù)監(jiān)控平臺(tái)為主要表現(xiàn)形式。

用戶用電行為監(jiān)測(cè)系統(tǒng)的基本工作流程如圖2所示，在數(shù)據(jù)采集終端基于奈奎斯特采樣定律的速率原理采集電路中電流數(shù)據(jù)、監(jiān)控區(qū)域環(huán)境數(shù)據(jù)并進(jìn)行處理的基礎(chǔ)上，判斷分析電路中是否存在負(fù)載使用行為變化的情況［2］。對(duì)分析中存在發(fā)生用電行為變化的電流數(shù)據(jù)，進(jìn)行差分處理和快速傅里葉變換，用以提取電流特征值。對(duì)檢測(cè)到的環(huán)境數(shù)據(jù)存在變化的情況，則可以直接對(duì)其進(jìn)行格式化處理。

圖2 用電行為監(jiān)測(cè)系統(tǒng)工作流程

在依靠用電行為監(jiān)測(cè)系統(tǒng)獲取用戶用電行為的前提下，可以依靠數(shù)據(jù)信息的分析歸納總結(jié)用戶用電特征，基于監(jiān)測(cè)結(jié)果，圍繞電壓不平衡率、電流不平衡率、額定電壓偏離度、功率因數(shù)不平衡率、合同容量、用電量離散系數(shù)、線損率以及相位角等指標(biāo)來構(gòu)建針對(duì)用戶用電狀態(tài)的評(píng)價(jià)體系［3］。這些指標(biāo)能夠反映出不同角度電網(wǎng)運(yùn)行的實(shí)際情況，因而能夠?qū)⑵渥鳛榕袛嘤脩羰欠翊嬖诟`電行為的主要依據(jù)。

1.3 BP用電行為監(jiān)測(cè)系統(tǒng)終端平臺(tái)

用戶用電行為監(jiān)測(cè)與評(píng)價(jià)系統(tǒng)的構(gòu)建，還應(yīng)考慮BP用電行為監(jiān)測(cè)系統(tǒng)終端平臺(tái)的設(shè)計(jì)與應(yīng)用效果?；诓煌膽?yīng)用場(chǎng)景，監(jiān)測(cè)系統(tǒng)平臺(tái)的呈現(xiàn)效果和具體功能與運(yùn)行流程也存在一定差異。例如，在公寓用電行為統(tǒng)計(jì)中，監(jiān)測(cè)系統(tǒng)應(yīng)能夠通過采集和監(jiān)測(cè)多個(gè)房間的用電數(shù)據(jù)，明確每個(gè)房間的用電器使用情況以及電路負(fù)荷情況?；谶@一目的，應(yīng)強(qiáng)調(diào)在系統(tǒng)顯示界面體現(xiàn)出一個(gè)樓層用電行為的監(jiān)控界面，主要以監(jiān)控區(qū)域的房間平面分布圖為主要結(jié)構(gòu)，讓每個(gè)受監(jiān)測(cè)的房間對(duì)應(yīng)一個(gè)圖標(biāo)控件，而圖標(biāo)空間的下方則能夠自動(dòng)顯示該房間的實(shí)時(shí)電路總負(fù)荷［4］。這一過程中，監(jiān)測(cè)系統(tǒng)也應(yīng)能夠設(shè)定每個(gè)監(jiān)測(cè)房間的電路負(fù)荷，以此來保障電路的運(yùn)行安全。當(dāng)電路中接入違禁負(fù)載或出現(xiàn)異常變化情況時(shí)，系統(tǒng)能夠自動(dòng)對(duì)相應(yīng)的房間圖標(biāo)控件以標(biāo)紅或標(biāo)黃來達(dá)到警示監(jiān)控人員的目的。

2 基于大數(shù)據(jù)架構(gòu)的BP神經(jīng)網(wǎng)絡(luò)的反竊電技術(shù)分析

對(duì)用戶用電行為進(jìn)行評(píng)價(jià)是判斷用戶是否存在竊電行為的主要依據(jù)。BP神經(jīng)網(wǎng)絡(luò)本身是基于處理海量數(shù)據(jù)信息要求而發(fā)揮作用的，在應(yīng)用大數(shù)據(jù)架構(gòu)的前提下，可以從用戶用電行為評(píng)價(jià)的角度探討如何應(yīng)用反竊電技術(shù)來保障電網(wǎng)整體的運(yùn)行安全，也能夠?qū)崿F(xiàn)對(duì)用戶用電行為的規(guī)范和約束?；诖?，在對(duì)反竊電技術(shù)進(jìn)行分析時(shí)，主要可以從以下幾個(gè)方面來入手。

2.1 構(gòu)建反竊電模型

在基于大數(shù)據(jù)架構(gòu)和BP神經(jīng)網(wǎng)絡(luò)來構(gòu)建反竊電模型時(shí)，需要確定用戶異常用電行為的評(píng)價(jià)指標(biāo)。結(jié)合電網(wǎng)運(yùn)行的實(shí)際情況，發(fā)現(xiàn)用戶用電特征量發(fā)生變化時(shí)，通常代表其存在異常用電行為。通過對(duì)電壓、電流不平衡率、功率因數(shù)等特征量的分析，可以從異常用戶用電行為中篩選出存在竊電行為的情況。為保證用戶行為分析評(píng)價(jià)的準(zhǔn)確性，實(shí)際選擇的用于分析的用電特征量不宜過少，也不宜過多［5］。本文在分析時(shí)，可以直接依據(jù)設(shè)計(jì)的用戶用電行為監(jiān)測(cè)評(píng)價(jià)系統(tǒng)指標(biāo)來獲取相應(yīng)的特征量。

在將獲得的監(jiān)測(cè)評(píng)價(jià)的數(shù)據(jù)進(jìn)行預(yù)處理后，就可以通過構(gòu)建反竊電模型的方式，實(shí)現(xiàn)對(duì)用戶竊電行為的深入分析與判斷評(píng)價(jià)。具體而言，在基于BP神經(jīng)網(wǎng)絡(luò)原理的基礎(chǔ)上，應(yīng)選擇好實(shí)際應(yīng)用的評(píng)價(jià)指標(biāo)作為神經(jīng)網(wǎng)絡(luò)的輸入?？紤]實(shí)際電力線路運(yùn)行中，參數(shù)間容易存在大量重疊信息，在構(gòu)建模型時(shí)，可以發(fā)揮BP神經(jīng)網(wǎng)絡(luò)的作用，以建立“特征提取-異常檢測(cè)-竊電判斷”為基本結(jié)構(gòu)的竊電模型。這一過程主要依靠PCA來提取用戶特征參量，并對(duì)相應(yīng)的數(shù)據(jù)進(jìn)行降維處理。其算法結(jié)構(gòu)如圖3所示。

圖3 神經(jīng)網(wǎng)絡(luò)算法結(jié)構(gòu)

為實(shí)現(xiàn)對(duì)電網(wǎng)運(yùn)行中產(chǎn)生的大量數(shù)據(jù)的科學(xué)分析與評(píng)價(jià)，本文在建立反竊電模型時(shí)，主要應(yīng)用具有多輸入單輸入三層的BP神經(jīng)網(wǎng)絡(luò)作為對(duì)用戶用電行為進(jìn)行評(píng)價(jià)的主要模型結(jié)構(gòu)?？紤]在大數(shù)據(jù)架構(gòu)的前提下，實(shí)現(xiàn)對(duì)海量數(shù)據(jù)信息的高效準(zhǔn)確處理，選擇應(yīng)用PCA來進(jìn)行特征提取。首先需要應(yīng)用MATLAB來建立三層神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，然后分別確定模型輸入層、隱含層和輸出層的神經(jīng)元節(jié)點(diǎn)，選擇Sigmoid作為隱含層的激活函數(shù)，以ReIU作為輸出層的節(jié)點(diǎn)函數(shù)。最后在此基礎(chǔ)上，設(shè)置網(wǎng)絡(luò)學(xué)習(xí)精度為10－6，迭代次數(shù)為1000次，在啟動(dòng)訓(xùn)練后，要求能夠通過不斷的迭代訓(xùn)練來指導(dǎo)函數(shù)滿足相關(guān)的學(xué)習(xí)精度要求，這樣就可以得到更貼近于實(shí)際的輸入非線性映射關(guān)系。

這一標(biāo)準(zhǔn)的算法在實(shí)際應(yīng)用中，需要在確定合理科學(xué)的評(píng)價(jià)指標(biāo)后，對(duì)用戶用電數(shù)據(jù)信息進(jìn)行預(yù)處理，然后通過PCA特征提取獲得神經(jīng)網(wǎng)絡(luò)的輸入值。在權(quán)重閾值初始化后，明確給定神經(jīng)網(wǎng)絡(luò)的輸入向量和輸出目標(biāo)，在求取隱含層和輸出層的輸出值后，對(duì)目標(biāo)輸出和預(yù)期輸出的誤差進(jìn)行比較分析，結(jié)果滿足相應(yīng)的要求即可結(jié)束這一算法流程。當(dāng)比較分析的結(jié)果不滿足相關(guān)要求時(shí)，則需要在修改權(quán)值和閾值后，再次求取隱含層和輸出層的輸出值，進(jìn)而對(duì)目標(biāo)輸出和預(yù)期輸出的誤差進(jìn)行比較。

具體而言，在BP神經(jīng)網(wǎng)絡(luò)算法流程中，輸入信息需要先經(jīng)過正向傳播，再經(jīng)過誤差的反向傳播，這兩個(gè)傳播過程是不斷循環(huán)往復(fù)的。只有誤差達(dá)到具體要求時(shí)，算法才會(huì)自動(dòng)停止。考慮到隱含層的特殊性，在正向傳播過程中，假設(shè)f1為隱含層的傳輸函數(shù)，f2為輸出層的傳輸函數(shù)，則隱含層節(jié)點(diǎn)的輸出oi可以用公式（1）來表示：

而輸出層的節(jié)點(diǎn)輸出yk表示為：

在反向傳播中，假設(shè)讓訓(xùn)練樣本數(shù)據(jù)以P＝（x1，x2，…，xn），期望輸出為，將輸入第P個(gè)樣本得到的實(shí)際輸出為（j＝1，2，…，m），則可以整理得到第P個(gè)樣本的誤差，表示為：

基于此，可以計(jì)算出P個(gè)樣本的總誤差。這一過程需要將訓(xùn)練的樣本數(shù)據(jù)輸入到BP神經(jīng)網(wǎng)絡(luò)后，通過信息流的正向傳播來求出隱含層的輸出以及輸出層的輸出值，在計(jì)算出真實(shí)輸出與目標(biāo)輸出的差值后，在反向傳播過程中，對(duì)輸出層開始到第一個(gè)隱藏層進(jìn)行計(jì)算，以減小誤差為目的，對(duì)整個(gè)BP神經(jīng)網(wǎng)絡(luò)的連接權(quán)重進(jìn)行調(diào)整。在達(dá)到訓(xùn)練精度要求后，可以停止訓(xùn)練。

在此基礎(chǔ)上，主要應(yīng)用激活函數(shù)來對(duì)神經(jīng)網(wǎng)絡(luò)中每一個(gè)節(jié)點(diǎn)輸入與輸出間存在的非線性關(guān)系進(jìn)行描述。最后依據(jù)輸出收斂準(zhǔn)則來計(jì)算出應(yīng)用神經(jīng)網(wǎng)絡(luò)產(chǎn)生的總誤差函數(shù)。在Sigmoid型函數(shù)部分，主要基于公式（4）來表示節(jié)點(diǎn)輸入與輸出間存在的非線性關(guān)系：

而在ReIU函數(shù)部分，則主要作為輸出層節(jié)點(diǎn)函數(shù)，表示為：

在此基礎(chǔ)上，定義輸出收斂準(zhǔn)則，在將m個(gè)樣本的實(shí)際輸出設(shè)為b′p的前提下，其與期望輸出bp額總誤差函數(shù)可以表示為：

基于這一原理，通過樣本學(xué)習(xí)訓(xùn)練的方式來構(gòu)建反竊電模型，可以將其看作為選定適當(dāng)?shù)挠?xùn)練函數(shù)，確保在訓(xùn)練過程中獲得的總誤差函數(shù)極小的過程。

2.2 用戶異常用電行為檢測(cè)

將基于BP神經(jīng)網(wǎng)絡(luò)的反竊電模型應(yīng)用到實(shí)際的電網(wǎng)運(yùn)行當(dāng)中，實(shí)現(xiàn)對(duì)用戶竊電行為的檢測(cè)，對(duì)提升電網(wǎng)的運(yùn)行安全和效率具有重要的意義。為驗(yàn)證反竊電模型的應(yīng)用效果，主要通過實(shí)驗(yàn)分析的方式，選取實(shí)際生活中的用戶用電數(shù)據(jù)作為研究對(duì)象，基于以上涉及到的用戶用電行為評(píng)價(jià)指標(biāo)，應(yīng)用反竊電模型來進(jìn)行學(xué)習(xí)訓(xùn)練，獲得竊電評(píng)價(jià)指標(biāo)的相應(yīng)系數(shù)。

（1）實(shí)驗(yàn)中主要選取3400個(gè)用戶用電數(shù)據(jù)作為實(shí)驗(yàn)樣本，在事先對(duì)這些用電數(shù)據(jù)進(jìn)行檢測(cè)時(shí)，發(fā)現(xiàn)其中58戶存在竊電行為?；谶@一前提，在3400個(gè)用戶數(shù)據(jù)中隨機(jī)選取342戶正常用戶和58戶異常用戶構(gòu)成實(shí)驗(yàn)研究樣本，按照4∶1的比例將其分為訓(xùn)練樣本和測(cè)試樣本。重點(diǎn)從電壓不平衡率、電流不平衡率、額定電壓偏離度、功率因數(shù)不平衡率、合同容量、用電量離散系數(shù)、線損率以及相位角8個(gè)指標(biāo)入手，對(duì)用電數(shù)據(jù)進(jìn)行歸一化處理和評(píng)價(jià)。

（2）在PCA處理環(huán)節(jié)，首先對(duì)數(shù)據(jù)進(jìn)行歸一化處理，設(shè)定取值范圍為［0，1］，可以獲得部分歸一化后的用戶用電數(shù)據(jù)。在對(duì)這些歸一化后的數(shù)據(jù)進(jìn)行PCA處理后，可以將獲得的數(shù)據(jù)作為反竊電評(píng)價(jià)指標(biāo)，將其帶入到BP神經(jīng)網(wǎng)絡(luò)算法中，作為神經(jīng)網(wǎng)絡(luò)的輸入變量。在此基礎(chǔ)上，可以明確對(duì)用戶竊電行為進(jìn)行判斷和分類的主要依據(jù)，即當(dāng)用戶竊電系數(shù)在［0.8，1.0）時(shí)，屬于重大竊電行為，當(dāng)用戶竊電系數(shù)在［0.6，0.8）時(shí)，屬于一般竊電行為，當(dāng)用戶竊電系數(shù)在［0，0.6）時(shí)，屬于無竊電行為。

（3）在獲得8個(gè)基本指標(biāo)的相應(yīng)數(shù)據(jù)之后，需要對(duì)這些評(píng)價(jià)指標(biāo)進(jìn)行主成分的分析。再去除用戶用電數(shù)據(jù)中的重疊部分后，基于降低數(shù)據(jù)維度的目的，設(shè)定x1，x2，…，xn為訓(xùn)練樣本，則可以依據(jù)此來構(gòu)建樣本的觀測(cè)值數(shù)據(jù)矩陣。

在經(jīng)過指標(biāo)提取和降維處理后，可以獲得如表1所示的竊電指標(biāo)主成分和貢獻(xiàn)率。

表1 竊電指標(biāo)主成分與貢獻(xiàn)率（前5）

基于這一結(jié)果進(jìn)行進(jìn)一步分析，就可以確認(rèn)具體的竊電評(píng)價(jià)指標(biāo)系數(shù)。

（4）在驗(yàn)證結(jié)果分析階段，如表2所示，依據(jù)獲得的樣本訓(xùn)練測(cè)試結(jié)果，分析發(fā)現(xiàn)在訓(xùn)練樣本當(dāng)中，有50個(gè)樣本數(shù)據(jù)被判定為存在重大竊電嫌疑。在將驗(yàn)證結(jié)果與實(shí)際監(jiān)測(cè)結(jié)果進(jìn)行對(duì)比之后發(fā)現(xiàn)，其中部分用戶雖被判定為重大竊電嫌疑，但實(shí)際并未發(fā)生竊電行為；部分用戶雖被判定為一般嫌疑人，但實(shí)際發(fā)生了竊電行為。

表2 用戶竊電行為人測(cè)試嫌疑系數(shù)結(jié)果（部分）

在考慮相關(guān)檢測(cè)結(jié)果之后發(fā)現(xiàn)，應(yīng)用BP神經(jīng)網(wǎng)絡(luò)獲得的樣本數(shù)據(jù)判定準(zhǔn)確率為96.8%。結(jié)合表2中的樣本竊電數(shù)據(jù)檢測(cè)結(jié)果，除被誤判的1個(gè)測(cè)試樣本用戶竊電系數(shù)為0.6275外，其余樣本竊電嫌疑系數(shù)均超過0.95。而兩個(gè)非竊電行為的嫌疑系數(shù)相對(duì)而言并不高。

由此可以驗(yàn)證，應(yīng)用BP神經(jīng)網(wǎng)絡(luò)算法，能夠在一定程度上保證用戶確定嫌疑人分析結(jié)果的準(zhǔn)確性和科學(xué)性，而以PCA實(shí)現(xiàn)信息提取的方式，能夠簡(jiǎn)化實(shí)際對(duì)用戶用電數(shù)據(jù)信息進(jìn)行計(jì)算的流程，能夠滿足現(xiàn)階段供電公司對(duì)于海量數(shù)據(jù)分析的需求，因而具有可行性，可以將該算法應(yīng)用于供電網(wǎng)絡(luò)的運(yùn)行當(dāng)中。

3 結(jié)束語

綜上所述，BP神經(jīng)網(wǎng)絡(luò)的應(yīng)用，能夠有效提升針對(duì)用戶用電行為數(shù)據(jù)信息計(jì)算的精度，從而有效發(fā)揮電網(wǎng)監(jiān)督的功能和要求，并通過對(duì)竊電行為的用電狀態(tài)評(píng)價(jià)與監(jiān)測(cè)來保障電網(wǎng)的安全運(yùn)行。這一過程主要可以通過構(gòu)建用戶用電評(píng)價(jià)與監(jiān)測(cè)系統(tǒng)體系來實(shí)現(xiàn)，在用戶用電產(chǎn)生海量數(shù)據(jù)的情況下，基于BP神經(jīng)網(wǎng)絡(luò)來構(gòu)建圍繞大數(shù)據(jù)架構(gòu)的評(píng)價(jià)和監(jiān)測(cè)系統(tǒng)，能夠滿足電網(wǎng)運(yùn)行和促進(jìn)電網(wǎng)建設(shè)發(fā)展的要求。