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

薛宇飛 王心澤 俞鑫 吳柯 強(qiáng)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(jià)體系，建立基于BP神經(jīng)網(wǎng)絡(luò)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(shè)計(jì)。通過比對數(shù)據(jù)信息對系統(tǒng)進(jìn)行了功能測試，驗(yàn)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(guān)鍵詞：LabVIEW;BP神經(jīng)網(wǎng)絡(luò);Matlab;反竊電

0 ? ?引言

隨著經(jīng)濟(jì)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(diǎn)，竊電技術(shù)向智能化轉(zhuǎn)變。傳統(tǒng)的反竊電手段已不能準(zhǔn)確、及時(shí)地發(fā)現(xiàn)竊電行為，無法滿足精益化管理要求。本文設(shè)計(jì)的基于BP神經(jīng)網(wǎng)絡(luò)的反竊電系統(tǒng)可以對用電用戶進(jìn)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(hù)等優(yōu)點(diǎn)。它無需任何文本程序代碼，而是把復(fù)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(shè)計(jì)的反竊電系統(tǒng)克服了現(xiàn)有反竊電技術(shù)的不足，為電力管理人員提供友好的人機(jī)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(luò)算法，結(jié)合電力行業(yè)的反竊電經(jīng)驗(yàn)以及電能盜竊的特點(diǎn)，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(tái)采集的用戶用電數(shù)據(jù)初步判斷用戶的用電狀態(tài)，預(yù)測用戶竊電行為。

1 ? ?基于BP神經(jīng)網(wǎng)絡(luò)的反竊電模型

BP（Back Propagation）神經(jīng)網(wǎng)絡(luò)，被認(rèn)為是按誤差逆?zhèn)鞑ニ惴ㄓ?xùn)練的多層前饋網(wǎng)絡(luò)。BP神經(jīng)網(wǎng)絡(luò)是一種非常普遍的神經(jīng)網(wǎng)絡(luò)算法，它擁有較強(qiáng)的自我學(xué)習(xí)、自我適應(yīng)以及自我組織的能力，也擁有計(jì)算與分布式存儲(chǔ)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(diǎn)，而誤差的反向傳播階段是指實(shí)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(gè)過程構(gòu)成了BP算法的學(xué)習(xí)。當(dāng)期望輸出和實(shí)際輸出的誤差進(jìn)入隱層輸入層后，經(jīng)過層層反轉(zhuǎn)，再進(jìn)入各層的每一個(gè)單元，從而能夠得到每一層單元的誤差信號，然后憑借這個(gè)誤差信號去修正每個(gè)單元的權(quán)值。

針對反竊電評價(jià)建立BP神經(jīng)網(wǎng)絡(luò)模型，必須在已確定的用電用戶狀態(tài)評價(jià)指標(biāo)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(xué)習(xí)訓(xùn)練，在此學(xué)習(xí)訓(xùn)練的基礎(chǔ)上，交叉驗(yàn)證已知的竊電樣本，能夠進(jìn)一步優(yōu)化評價(jià)指標(biāo)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(jìn)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(jìn)行訓(xùn)練，在訓(xùn)練過程中可以調(diào)節(jié)影響訓(xùn)練效果的輸入、隱含層函數(shù)、輸出層函數(shù)、訓(xùn)練算法、歸一化區(qū)間、隱含層個(gè)數(shù)、學(xué)習(xí)速率、最小目標(biāo)誤差和最大訓(xùn)練次數(shù);訓(xùn)練達(dá)到預(yù)期目標(biāo)后結(jié)束，得到最終預(yù)測模型，用來預(yù)測是否竊電。

基于BP神經(jīng)網(wǎng)絡(luò)的反竊電模型如圖2所示。

2 ? ?基于LabVIEW實(shí)現(xiàn)反竊電系統(tǒng)設(shè)計(jì)

2.1 ? ?反竊電系統(tǒng)的搭建

基于LabVIEW 2010進(jìn)行反竊電系統(tǒng)的設(shè)計(jì)，研究數(shù)據(jù)存儲(chǔ)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(jià)指標(biāo)相關(guān)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(chǔ)：采用Excel數(shù)據(jù)庫管理系統(tǒng)存儲(chǔ)輸入與輸出數(shù)據(jù)，將讀取的Excel目標(biāo)文件的輸入數(shù)據(jù)顯示在軟件平臺(tái)的界面上，以便用戶查詢及BP神經(jīng)網(wǎng)絡(luò)再次訓(xùn)練。

（3）數(shù)據(jù)處理及分析：用BP神經(jīng)網(wǎng)絡(luò)模型對用戶輸入數(shù)據(jù)進(jìn)行評估和分析;將歸一化計(jì)算后的數(shù)據(jù)再經(jīng)過BP神經(jīng)網(wǎng)絡(luò)算法進(jìn)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(quán)值矩陣進(jìn)行調(diào)整，輸出各層的結(jié)果;進(jìn)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(dú)顯示在軟件界面上。

（4）用戶校驗(yàn)：結(jié)合用戶特征參數(shù)和橫向數(shù)據(jù)對比進(jìn)行校驗(yàn)，對已經(jīng)鎖定的疑似竊電用戶進(jìn)行校驗(yàn)，進(jìn)一步鎖定竊電用戶，確保反竊電智能研究平臺(tái)輸出結(jié)果的準(zhǔn)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(gè)開放式開發(fā)平臺(tái)，LabVIEW提供了與多種編程語言和應(yīng)用程序的接口，通過LabVIEW強(qiáng)大的外部接口，可以實(shí)現(xiàn)LabVIEW與Matlab的混合編程，從而互相取長補(bǔ)短，充分發(fā)揮兩者的優(yōu)勢，也為快速開發(fā)功能強(qiáng)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(diǎn)實(shí)現(xiàn)Matlab的調(diào)用，通過這種方式，用戶可以在LabVIEW中使用Matlab強(qiáng)大的數(shù)值運(yùn)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(chǔ)到數(shù)據(jù)庫中，同時(shí)將數(shù)據(jù)顯示在軟件運(yùn)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(yùn)用BP神經(jīng)網(wǎng)絡(luò)對用戶竊電結(jié)果進(jìn)行判別，運(yùn)算完成后將結(jié)果存儲(chǔ)到Excel數(shù)據(jù)庫中，同時(shí)告知LabVIEW運(yùn)算完成。

（3）運(yùn)算結(jié)果顯示：LabVIEW接收到Matlab返還的運(yùn)算結(jié)果，并將結(jié)果顯示在軟件運(yùn)行界面上并存儲(chǔ)在數(shù)據(jù)庫中，以便用戶查詢和BP神經(jīng)網(wǎng)絡(luò)再次訓(xùn)練。0表示沒有竊電，1表示可能竊電，2表示竊電嚴(yán)重。

3 ? ?仿真結(jié)果及分析

本文是基于BP神經(jīng)網(wǎng)絡(luò)的反竊電模型，該模型的輸入?yún)?shù)為以下九個(gè)：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(tái)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(gè)數(shù)據(jù)進(jìn)行訓(xùn)練學(xué)習(xí)，后5個(gè)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(gè)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(diǎn)觀察對象。

4 ? ?結(jié)語

該反竊電系統(tǒng)的應(yīng)用，有利于形成一套標(biāo)準(zhǔn)的高壓反竊電工作法，規(guī)范高壓反竊電異動(dòng)核查反饋流程，提升竊電查處工作效率，實(shí)現(xiàn)追補(bǔ)電費(fèi)、打擊竊電犯罪行為的終極目標(biāo)，為追補(bǔ)電網(wǎng)損失電量提供了堅(jiān)實(shí)依據(jù)。通過關(guān)聯(lián)分析線路電流突變量、用戶負(fù)荷突變時(shí)間段以及線損突變時(shí)間段的數(shù)據(jù)，可以得到精確的未計(jì)量電流、竊電時(shí)間。基于LabVIEW實(shí)現(xiàn)BP神經(jīng)網(wǎng)絡(luò)的反竊電系統(tǒng)，能夠快速、準(zhǔn)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(xiàn)]

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

[3] 吳微.神經(jīng)網(wǎng)絡(luò)計(jì)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(shè)計(jì)[M].北京：清華大學(xué)出版社，2003.

[5] 楊建剛.人工神經(jīng)網(wǎng)絡(luò)實(shí)用教程[M].杭州：浙江大學(xué)出版社，2001.

[6] 程超，張漢敬，景志敏，等.基于離群點(diǎn)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(hù)與控制，2015，43（17）：69-74.

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

[8] 戴敬.LabVIEW基礎(chǔ)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(luò)在LabVIEW中的實(shí)現(xiàn)及應(yīng)用[J].現(xiàn)代機(jī)械，2006（2）：6-7.

[10] 陳金平.LabVIEW與Matlab接口的方法[J].自動(dòng)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(dòng)化。

通信作者：強(qiáng)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(dòng)汽車與電網(wǎng)互動(dòng)技術(shù)。