基于LabVIEW实现BP神经网络的反窃电系统研究_王磊.pdf

，研究与设计微型电脑应用 年第 卷第期作者简介：王磊（），男，本科，工程师，研究方向为电力营销；崔宝华（），男，本科，副教授，研究方向为电力营销、电力系统自动化；檀政（），男，博士，高级工程师，研究方向为电力营销、电力系统运行；周辛南（），女，硕士，工程师，研究方向为电力营销；杜跃（），女，本科，工程师，研究方向为电力营销。文章编号：（）基于 实现 神经网络的反窃电系统研究王磊，崔宝华，檀政，周辛南，杜跃（保定电力职业技术学院（国网冀北电力有限公司技能培训中心），河北，保定 ；国网冀北电力有限公司，北京 ；国网冀北电力有限公司唐山供电公司，河北，唐山 ）摘要：为了解决反窃电技术评估窃电情况难度较大的问题，提出基于 实现 神经网络的反窃电系统。构建反窃电评价指标体系，以评价指标作为输入，窃电嫌疑因子及窃电方式作为输出，利用遗传优化 神经网络，判断用户是否存在窃电行为，将判断结果以供有关部门审查，并采用 搭建开发平台，实现 神经网络的反窃电系统研究。实验结果表明：该系统评估窃电效果佳，可精准评估窃电嫌疑因子与窃电方式，提升反窃电效果。关键词：神经网络；反窃电系统；评价指标；窃电嫌疑因子中图分类号：文献标志码：，（），；，；，）：，：；引言现如今电能已然成为各行各业应用最为广泛的能源之首。伴随对电能需求的增长，最严重的窃电行为已经扰乱了用电的安全性和企业长期有效的持续性发展。不法分子常常采取违规违纪的方法达到窃电的目的从中牟利。目前，我国电力企业仍然缺乏精准、有效的针对窃电行为的防范方法。窃电技术智能化的提升促使我们不得不对窃电行为做出有力的一击。我们无法断定窃电的地理位置、窃电的电量等，因此 我 们 需 在 反 窃 电 方 法 中 扩 展 新 的 途 径。王 庆 宁等、李丹丹等分别设计个反窃电系统，可拓展反窃电方法的有效途径，但存在评估窃电行为准确率较低的问题，无法为电力企业查处窃电行为提供科学依据，反窃电效果较差。是美国 开发的一种图形化编程，它可节约系统设计时间与研发成本。针对传统反窃电技术的弱点，设计基于 实现 神经网络的反窃电系统，提升反窃电效果。基于 实现 神经网络的反窃电系统依据 开放式开发平台，建立 神经网络的反窃电系统，其功能结构如图所示。数据输入模块是依据国家电网等数据库的电量使用者的用电评估数据，并参考窃电行为发生的特殊性和供电企业对窃电怀疑参数所反馈的指标，构建反窃电评价指标体系。数据存储模块是通过 表格技术存储评价指标数据，并显示在终端平台上，便于 ，研究与设计微型电脑应用 年第 卷第期电量使用者的查询以及遗传优化 神经网络模型的二次训练。数据处理及分析模块是利用遗传优化 神经网络模型锁定疑似窃电用户，该模型的输入是数据存储模块中的评价指标数据，并将得到的结果传递至用户校验模块。用户校验模块负责汇总使用者电量的以往数据，依据以往数据校验锁定的疑似窃电用户，进一步明确该用户是否存在窃电行为，保证反窃电系统的精准性，将判断结果传递至发送核查单模块。发送核查单模块负责发放窃电行为的审查记录，以供有关部门的合法审查。图反窃电系统功能结构图 反窃电评价指标体系参考窃电行为发生的特殊性和供电企业对窃电怀疑参数所反馈的指标构建反窃电评价指标体系，如图所示。图评价指标体系是用户的日用电能，每年月至 月、月至次年的月用电量最大，炎热的夏天和寒冷的冬天需支配的各种大功率设备都需要不停地运转耗电，凭借每年的用电量经验及国家电网出具的电量单据，使用者都会对自身情况做出有效预估。是当每个月或者每个季度的耗电量数据出来时，最大线损是发生窃电行为的重要标杆。是根据电力行业判断，机械表的使用者发生窃电行为的概率远远大于电子表，因为机械表的构造及原理更有利于犯罪分子的操作，而电子表的构造和用途原理更为精密难以操控。代表使用者所在台区的线损率，衡量此线损率时台区范围中存在窃电行为的可能性。代表电压的不正常情况，即欠压情况的表达公式如下：（）（）其中，三相电压值是。代表出现异常时使用者存在窃电的可能性远高于正常情况下的。正常使用者负载的无波动性，通常情况下无较大幅度变化情况。和使用者的月用电量相对应，在（）月用电量时，代表使用者不存在窃电行为，反之，该使用者存在窃电行为。遗传优化 神经网络模型遗传优化 神经网络模型存在优越的网络近似性能，该模型的流程如图所示。图模型流程图具体步骤如下。获取 神经网络层数与输入向量数量等参数，设置网络拓扑结构。预处理训练样本，得到遗传算法的，初始化种群参数，设计交叉与变异概率，这两个值是不变的。输出误差的公式如下：（）（）其中，训练样本的实际输出是，期望输出是。构建适应度函数，公式如下：（）（）选择符合条件的个体当成父本。利用遗传算法的遗传操作处理父本，得到新的种群，以最大迭代次数或最小网络误差值为终止条件。选择与最大输出值或最小误差值相应的权值和阈值，展开网络训练。构建数学模型由遗传算法改进 神经网络的权值与阈值，数学模型的构建步骤如下。将反窃电评价指标体系作为数学模型的输入向量。选取输出向量，将使用者的窃电嫌疑因子与疑似窃电方式当成输出向量。窃电嫌疑因子等级包含不存在窃电行为，记作；存在窃电嫌疑，记作；存在重大窃电嫌疑，记作。疑似窃电方式包含不存在窃电方式，记作；欠 ，研究与设计微型电脑应用 年第 卷第期压法窃电，记作；欠流法窃电，记作。预处理数据，归一化处理即将输入的评价指标数据，保证全部数据均存在同等的重要性，避免出现因输入值太大导致神经元的输出过满情况。归一化后的数据区间是，公式如下：（）确定隐含层节点数，选择合理的会提升网络性能，降低误差率，避免出现局部最优现象，公式如下：（）其中，输入与输出层的节点数分别为与，常数为，数学模型有个输入，个输出。确定激活函数，将型激活函数当成隐含层的激活函数，其特点仅有中部改变幅度较大，其余部分无明显变化，同时存在不间断的优势；将线性激活函数当成输出层的激活函数，扩展输出范围。反窃电系统的流程 的优势是可以和众多编程语言、应用程序相匹配，充 分 结 合 和 令 使 用 者 能 够 在 内运用 的超强 计算 能 力。通 过 与 的混合编程，构造反窃电系统，系统流程如图所示。图系统流程图 接收输入的用户反窃电评价指标体系数据，储入数据库内，并在运行页面上展示数据，同时发送信号至 ；接收信号后，在数据库内识别该用户用电数据，通过遗传优化 神经网络模型分析用户的窃电行为，将计算结果存入 数据库内，并反馈至 ；接收到反馈的结果后，将该结果呈现于运行页面上，同时在数据库内存入反馈结果 ，利于使用者查询以及模型的二次训练。实验结果与分析以某省国家电网为实验对象，利用本文系统评估该国家电网是否存在窃电行为，在该电网内采集 组用电信息数据，将前 组数据作为训练样本，后 组数据作为测试参考。设计合理的交叉与变异概率，可提升本文系统评估窃电行为的精准性，通过实验获取这两个概率，在后 组数据中随机选取组数据，测试本文系统在不同交叉与变异概率时评估这组数据是否存在窃电行为的准确性，以后验方差比值为评价评估窃电行为准确性的指标，该值与评估准确性成反比，一般后验方差比值低于 时，则代表评估准确性较高，依据后验方差比值为本文系统选择最佳的两个概率值，测试结果如图、图所示。图交叉概率测试结果根据图可知，组数据的后验方差比值随交叉概率的增长呈先下降后增长的趋势，当交叉概率为 时，组数据的后验方差比值均降至最低。实验证明：交叉概率为 时，本文系统评估窃电行为的准确性最高。图变异概率测试结果根据图可知，随着变异概率的提升，组数据的后验方差比值呈下降趋势。当变异概率达到 时，组数据的后验方差比值降至最低；当变异概率超过 时，组数据的后验方差比值开始逐渐提升。实验证明：变异概率为 时，本文系统评估窃电行为的准确性最高。依据上述实验为本文系统选取最佳的交叉与变异概率，利用本文系统评估后 组数据的窃电嫌疑因子与窃电方式的类别，选取个系统作为本文系统的对比系统，分别来源于文献 与文献 的个反窃电系统，评估结果如图、图所示。图窃电嫌疑因子类别评估结果根据图可知，个系统均能评估 组数据的窃电嫌疑因子，本文系统评估的窃电嫌疑因子类别与实际类别非常接近，差距较小，其余个系统虽能评估窃电嫌疑因子的类别，但与实际类别差距较大。实验证明：本文系统能够精准评估窃电嫌疑因子，为窃电查处提供依据，重点观察存在窃电行为的用户，提升反窃电效果。，研究与设计微型电脑应用 年第 卷第期图窃电方式类别评估结果根据图可知，个系统均能评估 组数据的窃电方式，本文系统评估的结果是这 组数据中存在两组欠流法窃电方式，两组欠压法窃电方式，其余组均无窃电方式，与实际类别基本一致。其余个系统评估结果与实际类别差距较大。实验证明：本文系统能够精准评估窃电方式类别，针对窃电方式制定相关策略，提升反窃电性能。分析个系统在训练样本数量不同时评估窃电嫌疑因子与窃电方式类别的后验方差比值，测试个系统的反窃电性能，测试结果如图、图 所示。图评估窃电嫌疑因子类型的后验方差比值图 评估窃电方式类别的后验方差比值根据图可知，随着训练样本数量的增加，个系统的后验方差比值均开始下降，本文系统呈线性趋势下降，收敛速度较快，在样本数量为 组时后验方差比值以低于 ，当样本数量为 组时，已完成收敛，稳定在 左右；文献系统前期后验方差比值下降幅度较为平缓，在样本数量为 组时，后验方差比值才低于 ，此时也完成收敛，收敛速度较慢；文献 系统前期后验方差比值下降幅度较大，但后期下降幅度比较缓慢，在样本数量为 时，后验方差比值才低于 ，此时也完成收敛，收敛速度较慢。实验证明：在不同训练样本数量时，本文系统评估窃电嫌疑因子类型的后验方差比值最低，且收敛速度最快，说明本文系统的性能最优。根据图 可知，样本数量不断增加，本文系统的后验方差比值显著低于其余个系统，在样本数量为 组时，已完成收敛，其余个系统均在样本数量为 组时才完成收敛。实验证明：本文系统评估窃电方式类型的后验方差比值最低，且收敛速度快，具备较优的窃电方式评估性能，有效提升系统的反窃电效果。总结为提升高压反窃电工作效率，设计科学的反窃电异动审查方式，达到追缴电费、降低窃电犯罪率的目的，研究基于 实现 神经网络的反窃电系统，精准评估窃电嫌疑因子与窃电方式，依据评估结果制定相关政策，提升反窃电效果，降低电网损失。本文所设计系统为电网展开窃电工作提供科学依据，具有重大意义。参考文献王庆宁，张东辉，孙香德，等基于 神经网络的反窃电系统研究与应用电测与仪表，（）：李丹丹，葛冰玉，黄文雯，等 深度学习算法在反窃电 系 统 中 的 应 用 电 信 科 学，（）：朱鹏程，程浪，蔡栩基于 的变频闭式监控系统设计机床与液压，（）：黄星知，杨奕纯，杨兰，等基于 神经网络的配电网防窃 电 降 线 损 研 究 电 力 科 学 与 技 术 学 报，（）：刘海青，李智桥，李元诚基于 的用户窃电检测计算机应用研究，（）：吴迪，王学伟，窦健，等基于大数据的防窃电模型与方法北京化工大学学报（自然科学版），（）：张承智，肖先勇，郑子萱基于实值深度置信网络的用户侧窃电行为检测电网技术，（）：金晟，苏盛，曹一家，等基于格兰杰归因分析的高损台区窃电检测电力系统自动化，（）：李端超，王松，黄太贵，等基于大数据平台的电网线损与窃电预警分析关键技术 电力系统保护与控制，（）：耿俊成，张小斐，周庆捷，等基于局部离群点检测的低压 台 区 用 户 窃 电 识 别 电 网 与 清 洁 能 源，（）：熊霞，陶晓峰，叶方彬，等基于台区识别和关联监测加权算法的窃电检测方法计算机应用，（）：，（）：（收稿日期：）