基于大數(shù)據(jù)的變結(jié)構(gòu)BP神經(jīng)網(wǎng)絡(luò)反竊電技術(shù)研究

強(qiáng)浩 戴巧云 吳柯 杜健 殷新博 陳琛

摘要：隨著經(jīng)濟(jì)的發(fā)展，人們對電力的需求逐漸增大，用戶的竊電行為成為不容忽視的問題。基于大數(shù)據(jù)，開展了變結(jié)構(gòu)BP神經(jīng)網(wǎng)絡(luò)竊電用戶識(shí)別技術(shù)的研究：首先，根據(jù)用戶所在線路參數(shù)、用戶用電參數(shù)等建立用戶用電評(píng)價(jià)指標(biāo)體系;其次，基于不同線路用戶的實(shí)際采集數(shù)據(jù)構(gòu)建BP神經(jīng)網(wǎng)絡(luò)，實(shí)現(xiàn)對該用戶的用電評(píng)價(jià);最后，通過算例驗(yàn)證該方法能有效提高竊電疑似用戶的識(shí)別效率。

關(guān)鍵詞：大數(shù)據(jù);BP神經(jīng)網(wǎng)絡(luò);變結(jié)構(gòu);防竊電

人們對電力的需求隨著時(shí)代與科技的進(jìn)步而逐漸增加，電力生產(chǎn)同樣也隨著市場對電力的需求而不斷發(fā)展。與此同時(shí)，用戶的竊電行為成為不容忽視的問題，其每年都會(huì)導(dǎo)致電力生產(chǎn)部門蒙受巨大的經(jīng)濟(jì)損失。更為重要的是，竊電用戶往往會(huì)通過破壞電力設(shè)施來進(jìn)行竊電，在這種情況下，遭到破壞的電力設(shè)施除了直接造成電力生產(chǎn)部門的經(jīng)濟(jì)損失外，還很可能會(huì)由于電線外露等問題而導(dǎo)致觸電事故以及電氣火災(zāi)事故等的發(fā)生，從而造成人員傷亡事故和其他重大災(zāi)害事故等。

目前，為了識(shí)別竊電用戶以便采取相關(guān)的措施，大多數(shù)電力生產(chǎn)部門采用的方法基本都是進(jìn)行線路、用戶用電數(shù)據(jù)的對比;然而，由于用戶的用電數(shù)據(jù)海量且種類繁多，竊電手段也多樣，傳統(tǒng)比對方法不僅耗時(shí)耗力，且精準(zhǔn)度也不高，尤其對于一些先進(jìn)的竊電技術(shù)沒有很好的識(shí)別手段，因而要識(shí)別疑似竊電用戶是有很大難度的。[1-3]

人工神經(jīng)網(wǎng)絡(luò)是一種成熟的非線性分析工具，可以對于大量的現(xiàn)場數(shù)據(jù)利用其自學(xué)習(xí)功能進(jìn)行在線訓(xùn)練，從而提高計(jì)算精度。[4]隨著技術(shù)的發(fā)展，傳統(tǒng)神經(jīng)網(wǎng)絡(luò)越來越多地應(yīng)用于電力系統(tǒng)的各個(gè)方面，如：電力系統(tǒng)負(fù)荷預(yù)測、電力系統(tǒng)運(yùn)行優(yōu)化、電力系統(tǒng)保護(hù)與控制、電力系統(tǒng)故障定位和故障診斷、電力變壓器狀態(tài)監(jiān)測、小電流接地系統(tǒng)綜合智能選線等。[5-8]

本文主要通過構(gòu)建BP神經(jīng)網(wǎng)絡(luò)進(jìn)行竊電疑似用戶的識(shí)別。首先，根據(jù)竊電方式、用戶信息采集系統(tǒng)數(shù)據(jù)，建立用戶用電評(píng)價(jià)指標(biāo)體系;其次，根據(jù)實(shí)際檢測線路及用戶的具體參數(shù)構(gòu)建BP神經(jīng)網(wǎng)絡(luò)，用來評(píng)價(jià)該用戶的用電狀態(tài);最后，用算例驗(yàn)證該方法識(shí)別竊電用戶的有效性。

1? ? 用戶用電評(píng)價(jià)指標(biāo)體系

一旦有用戶實(shí)施竊電行為，該線路的線損將變得不正常，此外，線路上其他參數(shù)及用戶自身的用電參數(shù)也將有所變化。當(dāng)然，用戶用電參數(shù)的特征也和季節(jié)、所在臺(tái)區(qū)及用戶類型等因素相關(guān);因此，建立用戶用電評(píng)價(jià)指標(biāo)體系，主要利用用電信息采集系統(tǒng)的數(shù)據(jù)，結(jié)合計(jì)量類型（發(fā)電、電網(wǎng)、用電等）、季節(jié)（春秋、冬、夏）、日電量、月電量、最大線損值、所在臺(tái)區(qū)線損、三相不平衡率、功率因數(shù)以及用電類型（大、中、小）等，提取特征量，為進(jìn)行用戶用電行為數(shù)據(jù)挖掘分析奠定基礎(chǔ)。

基于用電信息采集系統(tǒng)，確定了從月份、用戶能效等級(jí)、月用電量、用表類型、所在臺(tái)區(qū)線損、三相電壓不平衡率、三相電流不平衡率、功率因數(shù)、單耗等九個(gè)方面對用戶用電狀態(tài)進(jìn)行評(píng)價(jià)。用戶用電評(píng)價(jià)體系如圖1所示。

2? ? 變結(jié)構(gòu)BP神經(jīng)網(wǎng)絡(luò)反竊電方法

將圖1中的九項(xiàng)指標(biāo)作為BP神經(jīng)網(wǎng)絡(luò)的輸入來進(jìn)行竊電用戶的識(shí)別，可以提高反竊電的工作效率和識(shí)別精度。但是，在實(shí)際電力線路中并不一定能獲得圖1中的各個(gè)參數(shù)，為此，本文提出了變結(jié)構(gòu)BP神經(jīng)網(wǎng)絡(luò)竊電用戶識(shí)別方法，其結(jié)構(gòu)如圖2所示。

虛線框內(nèi)為方法的主要步驟：首先，分析輸入的用戶數(shù)據(jù)，獲取評(píng)價(jià)指標(biāo)內(nèi)的相關(guān)參數(shù)，并根據(jù)實(shí)際可以獲得的評(píng)價(jià)指標(biāo)參數(shù)構(gòu)建BP神經(jīng)網(wǎng)絡(luò);然后，根據(jù)該神經(jīng)網(wǎng)絡(luò)進(jìn)行用電用戶的識(shí)別;最后，對于竊電疑似用戶下發(fā)核查工單進(jìn)行現(xiàn)場檢查。顯然，不同用戶的可獲取的評(píng)價(jià)指標(biāo)參數(shù)不盡相同，從而導(dǎo)致構(gòu)建的BP神經(jīng)網(wǎng)絡(luò)也具有不同的結(jié)構(gòu)。

本文構(gòu)建的BP神經(jīng)網(wǎng)絡(luò)為單輸出多輸入的三層網(wǎng)絡(luò)，如圖3所示。

5. 輸出結(jié)果處理：提取用戶的歷史數(shù)據(jù)中表征是否存在竊電行為的數(shù)據(jù)作為輸出數(shù)據(jù)，有三種可能的結(jié)果：0，1，2。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);而2則表示該用戶的用電數(shù)據(jù)存在極大問題，具有很大的竊電嫌疑，是重點(diǎn)觀察對象。

3? ? 算例驗(yàn)證

本文通過相關(guān)部門獲取了用戶用電相關(guān)數(shù)據(jù)，并用以驗(yàn)證所提出的基于大數(shù)據(jù)BP神經(jīng)網(wǎng)絡(luò)反竊電技術(shù)研究。神經(jīng)網(wǎng)絡(luò)的輸入設(shè)定為所在臺(tái)區(qū)線損、三相不平衡率、功率因數(shù)和單耗四個(gè)指標(biāo)，具體數(shù)據(jù)如表1所示。

設(shè)置的BP網(wǎng)絡(luò)學(xué)習(xí)速率為0.1，設(shè)訓(xùn)練的目標(biāo)誤差為0.001，而設(shè)該模型的訓(xùn)練次數(shù)為1 000。表1中前15行數(shù)據(jù)作為樣本訓(xùn)練，后5行數(shù)據(jù)進(jìn)行驗(yàn)證，結(jié)果如圖4和圖5所示。

從圖5仿真結(jié)果可以看出，基于BP神經(jīng)網(wǎng)絡(luò)的防竊電檢測模型的分類準(zhǔn)確率非常高，所以運(yùn)用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行防竊電具有很強(qiáng)的可行性。

4? ? ?結(jié)語

BP神經(jīng)網(wǎng)絡(luò)識(shí)別竊電用戶相比于傳統(tǒng)的線路數(shù)據(jù)對比方法，具有高效快速的特點(diǎn)。本文從大量的數(shù)據(jù)中選取合適的參數(shù)構(gòu)建用戶用電評(píng)價(jià)體系;根據(jù)實(shí)際用戶可獲得的數(shù)據(jù)構(gòu)建變結(jié)構(gòu)的三層BP神經(jīng)網(wǎng)絡(luò)模型，實(shí)現(xiàn)用戶用電等級(jí)的評(píng)價(jià);幫助電力公司識(shí)別竊電疑似用戶，避免電力生產(chǎn)部門蒙受巨大的經(jīng)濟(jì)損失。最終數(shù)值仿真結(jié)果證實(shí)，本文提出的方法是可行有效的。

參考文獻(xiàn)：

[1] 陳文瑛，陳雁，邱林，等.應(yīng)用大數(shù)據(jù)技術(shù)的反竊電分析[J].電子測量與儀器學(xué)報(bào)，2016，30（10）：1558-1567.

[2] 霍堯. 基于用電信息采集的智能反竊電系統(tǒng)開發(fā)與應(yīng)用[D].北京：華北電力大學(xué)，2014.

[3] 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.

[4] 徐學(xué)良.人工神經(jīng)網(wǎng)絡(luò)的發(fā)展及現(xiàn)狀[J].微電子學(xué)， 2017， 47（2）：239-242.

[5] 向德軍， 王彬， 郭文鑫，等. 基于人工神經(jīng)網(wǎng)絡(luò)的電力系統(tǒng)精細(xì)化安全運(yùn)行規(guī)則[J]. 電力系統(tǒng)保護(hù)與控制， 2017， 45（18）：32-37.

[6] 劉永春， 劉志峰. 基于BP人工神經(jīng)網(wǎng)絡(luò)的發(fā)動(dòng)機(jī)生產(chǎn)作業(yè)環(huán)境綜合評(píng)價(jià)模型[J]. 合肥工業(yè)大學(xué)學(xué)報(bào)（自然科學(xué)版）， 2017， 40（10）：36-41，113.

[7] 朱立忠， 程楠. 人工神經(jīng)網(wǎng)絡(luò)的電網(wǎng)故障診斷[J]. 沈陽理工大學(xué)學(xué)報(bào)， 2017， 36（1）：102-106.

[8] 基于人工神經(jīng)網(wǎng)絡(luò)的短期電力負(fù)荷預(yù)測研究[D]. 杭州：浙江大學(xué)， 2017.