基于BP神經(jīng)網(wǎng)絡(luò)的智能臺(tái)區(qū)識(shí)別方法研究*

李亞，樊汝森，蔣偉，楊俊杰，宋濤，趙勤學(xué)

（1.上海電力學(xué)院電子與信息工程學(xué)院，上海200090；2.國網(wǎng)上海市電力公司青浦供電公司，上海200122）

0 引 言

老舊小區(qū)、沿街門面和新建小區(qū)等地方，由于配電網(wǎng)臺(tái)區(qū)信息更新不及時(shí)等原因，造成臺(tái)區(qū)用戶信息混亂、不準(zhǔn)確甚至缺失，嚴(yán)重制約了智能電網(wǎng)建設(shè)進(jìn)程。為提高配電變壓器利用率降低線損，需要平衡各臺(tái)區(qū)負(fù)載及臺(tái)區(qū)三相負(fù)載，此外，為保證線損計(jì)算的準(zhǔn)確性，供電管理部門需要經(jīng)常普查臺(tái)區(qū)用戶信息，特別是用戶臺(tái)區(qū)和相位信息［1］。現(xiàn)有臺(tái)區(qū)用戶識(shí)別儀多數(shù)基于電力載波技術(shù)直接通信與否或電流脈沖技術(shù)［2-6］來識(shí)別臺(tái)區(qū)信息，前者由于“共高壓”“共地”“共電纜溝”等串?dāng)_問題［7］，實(shí)際應(yīng)用中載波信號(hào)不能被變壓器完全隔離，載波信號(hào)仍可藕合到其他變壓器產(chǎn)生跨臺(tái)區(qū)通信難題，使得臺(tái)區(qū)識(shí)別準(zhǔn)確度較低，文獻(xiàn)［8］通過改變電力載波通信發(fā)射功率和查詢幀長度來限制載波信號(hào)跨臺(tái)區(qū)通信，但無法從根本上解決載波信號(hào)跨臺(tái)區(qū)通信難題；后者需要在變壓器出線端安裝電流互感器，操作上存在一定安全隱患，且可控制性差。

針對(duì)現(xiàn)在臺(tái)區(qū)用戶識(shí)別存在的問題，提出一種基于前向誤差傳播（Back Propagation，BP）神經(jīng)網(wǎng)絡(luò)的智能臺(tái)區(qū)用戶信息識(shí)別方法并研制了該系統(tǒng)，通過電力載波通信可初步識(shí)別出已識(shí)別用戶、無法識(shí)別用戶和跨臺(tái)區(qū)不確定用戶，針對(duì)跨臺(tái)區(qū)不確定用戶基于電力載波信號(hào)品質(zhì)和前向BP神經(jīng)網(wǎng)絡(luò)智能分類識(shí)別，可提高臺(tái)區(qū)用戶信息識(shí)別準(zhǔn)確度，實(shí)現(xiàn)用戶信息全識(shí)別，并將最終識(shí)別結(jié)果存儲(chǔ)到外部存儲(chǔ)器。該方法可有效解決“共高壓”“共地”“共電纜溝”等串?dāng)_難題，大大降低工作人員工作量，具有識(shí)別臺(tái)區(qū)用戶信息準(zhǔn)確度高、范圍廣、效率高等優(yōu)點(diǎn)。

1 系統(tǒng)工作原理和結(jié)構(gòu)

本臺(tái)區(qū)用戶信息識(shí)別系統(tǒng)包括多個(gè)識(shí)別器和手持器，系統(tǒng)結(jié)構(gòu)如圖1所示。每個(gè)識(shí)別器與相應(yīng)變壓器低壓出線端三相電相連接，基于電力載波技術(shù)采用輪詢或主動(dòng)上報(bào)方式向采集器或載波電表發(fā)送查詢幀，采集器通過RS485與電表通信，若通信成功，采集器或電表接收到查詢幀后向識(shí)別器發(fā)送響應(yīng)幀，識(shí)別器接收響應(yīng)幀提取采集器或電表臺(tái)區(qū)及相位信息，實(shí)現(xiàn)初步識(shí)別用戶臺(tái)區(qū)及相位，并將初步識(shí)別結(jié)果通過GPRS遠(yuǎn)程無線通信發(fā)送給手持器。

由于電力載波信號(hào)易受干擾使得電力載波通信距離有限，難以保障整個(gè)臺(tái)區(qū)電力載波通信正常，因此某些用戶可能無法通信而無法識(shí)別，此外，由于“共高壓”、“共地”和“共電纜溝”等問題，電力載波信號(hào)可跨變壓器藕合到其他臺(tái)區(qū)，某些用戶可與兩個(gè)臺(tái)區(qū)的識(shí)別器都能通信成功形成跨臺(tái)區(qū)不確定用戶。

手持器除了能夠識(shí)別同臺(tái)區(qū)用戶，還可以采用前向BP神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)跨臺(tái)區(qū)用戶識(shí)別。首先接收多個(gè)識(shí)別器初步識(shí)別結(jié)果后經(jīng)過查詢與比較，可初步識(shí)別出已正確識(shí)別用戶、無法識(shí)別用戶和跨臺(tái)區(qū)不確定用戶。手持器可與無法識(shí)別用戶或跨臺(tái)區(qū)用戶直接連接，針對(duì)無法識(shí)別用戶，采用輪詢方式向已知相鄰線路已識(shí)別用戶直接發(fā)送查詢幀，若通訊成功，手持器將接收到相應(yīng)響應(yīng)幀，則此用戶與已識(shí)別用戶同臺(tái)區(qū)同相位；針對(duì)跨臺(tái)區(qū)不確定用戶，向兩個(gè)待測臺(tái)區(qū)的相應(yīng)識(shí)別器和已識(shí)別用戶發(fā)送查詢幀，若通訊成功將會(huì)收到相應(yīng)響應(yīng)幀，提取響應(yīng)幀的電力載波通信信號(hào)品質(zhì)，基于前向BP神經(jīng)網(wǎng)絡(luò)可實(shí)現(xiàn)用戶臺(tái)區(qū)識(shí)別，并根據(jù)臺(tái)區(qū)識(shí)別結(jié)果相應(yīng)響應(yīng)幀提取用戶相位信息，實(shí)現(xiàn)用戶臺(tái)區(qū)和相位全識(shí)別，并將識(shí)別結(jié)果存儲(chǔ)到SD卡。通過SD卡實(shí)現(xiàn)數(shù)據(jù)導(dǎo)入、導(dǎo)出等功能，實(shí)現(xiàn)對(duì)用戶信息的更新和管理。此外，手持器還可以對(duì)各識(shí)別器的參數(shù)進(jìn)行設(shè)置和查詢。

2 BP神經(jīng)網(wǎng)絡(luò)模型與分析

在識(shí)別跨臺(tái)區(qū)用戶時(shí)，由于電力載波通信干擾源較多且復(fù)雜，電力載波通信信號(hào)品質(zhì)不僅與通信距離相關(guān)，而且與負(fù)載、諧波等因素相關(guān)，使得設(shè)備與采集器之間通信的信號(hào)品質(zhì)動(dòng)態(tài)變化，此外，識(shí)別器及采集器通信的信號(hào)品質(zhì)與臺(tái)區(qū)識(shí)別結(jié)果并沒有確切的數(shù)學(xué)關(guān)系，無法通過數(shù)學(xué)計(jì)算公式方法來準(zhǔn)確識(shí)別跨臺(tái)區(qū)用戶，因此本文提出利用BP神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)能力和逼近任意非線性關(guān)系能力來智能識(shí)別用戶臺(tái)區(qū)信息［9］。

圖1 系統(tǒng)結(jié)構(gòu)框圖Fig.1 System structure block diagram

2.1 建立BP神經(jīng)網(wǎng)絡(luò)

BP神經(jīng)網(wǎng)絡(luò)只需一層隱含層即可擬合任意有限輸入輸出映射關(guān)系，基于仿真軟件MATLAB 2012b的feedforwardnet函數(shù)可建立前向BP神經(jīng)網(wǎng)絡(luò)，為避免過度擬合，訓(xùn)練方式采用交叉訓(xùn)練驗(yàn)證測試方法，默認(rèn)條件下訓(xùn)練集為樣本集的70%，驗(yàn)證集為樣本集的15%，測試集為樣本集的15%，feedforwardnet函數(shù)輸入?yún)?shù)只有隱含層節(jié)點(diǎn)數(shù)和訓(xùn)練函數(shù)，其輸入輸出節(jié)點(diǎn)數(shù)在訓(xùn)練時(shí)根據(jù)樣本集自動(dòng)確定，并在訓(xùn)練開始前自動(dòng)進(jìn)行歸一化處理，使的前向BP神經(jīng)網(wǎng)絡(luò)應(yīng)用更方便且性能更高。

分別測試30組跨臺(tái)區(qū)用戶與兩臺(tái)區(qū)識(shí)別器和各臺(tái)區(qū)3支采集器之間電力載波通信信號(hào)品質(zhì)作為訓(xùn)練樣本輸入數(shù)據(jù)，信號(hào)品質(zhì)范圍為0～15，其中0表示通信失敗，15表示通信信號(hào)品質(zhì)最好，若跨臺(tái)區(qū)用戶在1號(hào)臺(tái)區(qū)則樣本輸出數(shù)據(jù)為［0 1］，若跨臺(tái)區(qū)用戶在2號(hào)臺(tái)區(qū)，則樣本輸出數(shù)據(jù)為［0 1］，因此前向BP神經(jīng)網(wǎng)絡(luò)輸入層有8個(gè)輸入節(jié)點(diǎn)，輸出層有2個(gè)輸出節(jié)點(diǎn)。

2.2 確定隱藏層節(jié)點(diǎn)數(shù)

由于隱藏層節(jié)點(diǎn)數(shù)（Hidden Layer Node Numbers，HLNN）沒有統(tǒng)一計(jì)算公式，HLNN過多容易導(dǎo)致計(jì)算復(fù)雜且達(dá)到相同訓(xùn)練效果時(shí)收斂速度慢，過少則容易導(dǎo)致訓(xùn)練時(shí)陷入局部極小值，因此HLNN常常需要根據(jù)樣本進(jìn)行實(shí)測確定。根據(jù)R.P.Lippmann提出的HLNN估算公式［10］可得HLNN為2，而根據(jù)初定HLNN經(jīng)驗(yàn)公式［11］可得HLNN為6，因此HLNN可在2～8范圍內(nèi)選擇。在主頻為2.2 GHz、內(nèi)存為2.0 G的惠普筆記本電腦上仿真時(shí)前向BP神經(jīng)網(wǎng)絡(luò)均方根誤差（Mean Squared Error，MSE）、訓(xùn)練迭代次數(shù)Epoch和訓(xùn)練時(shí)間Time如表1所示，其中MSE較關(guān)鍵，MSE越小表明訓(xùn)練時(shí)驗(yàn)證集誤差越小，訓(xùn)練效果越好。

表1 不同HLNN的BP神經(jīng)網(wǎng)絡(luò)性能Tab.1 BP neural network performance with different HLNN

由表1可知，HLNN在2～8范圍內(nèi)時(shí)Time在0.3 s～0.5 s范圍內(nèi)且相差不大，當(dāng)HLNN取4時(shí)MSE最小，且綜合性能較好，此時(shí)均方誤差與訓(xùn)練次數(shù)關(guān)系如圖2所示。

圖2 HLNN為4時(shí)樣本集MSE與EpochFig.2 Sample collection MSE and Epoch when HLNN is 4

由圖2可知，前向BP神經(jīng)網(wǎng)絡(luò)經(jīng)16次訓(xùn)練后驗(yàn)證集MSE最小且為2.320 9×10-15，MSE最小點(diǎn)位于圖中圓心處，且驗(yàn)證集MSE和測試集MSE與訓(xùn)練集MSE變化趨勢(shì)一致，此外，訓(xùn)練輸出值與目標(biāo)值回歸分析如圖3所示。

圖3 輸出值與目標(biāo)值回歸分析Fig.3 Regression analysis of output and target value

由圖3可知，訓(xùn)練綜合輸出值與目標(biāo)值成線性關(guān)系且輸出值基本等于目標(biāo)值，輸出值與目標(biāo)值綜合回歸系數(shù)接近為1，訓(xùn)練結(jié)果表明前向BP神經(jīng)網(wǎng)絡(luò)不僅訓(xùn)練精度高而且驗(yàn)證測試效果好，因此本系統(tǒng)選用HLNN為4的前向BP神經(jīng)網(wǎng)絡(luò)進(jìn)行跨臺(tái)區(qū)用戶識(shí)別，隱藏層輸出變換函數(shù)采用tansig非線性函數(shù)，輸出層輸出變換函數(shù)采用purelin線性函數(shù)，其結(jié)構(gòu)如圖4所示。

圖4 前向BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)Fig.4 Forward BP neural network structure

3 系統(tǒng)測試

3.1 BP神經(jīng)網(wǎng)絡(luò)仿真測試

前向BP神經(jīng)網(wǎng)絡(luò)經(jīng)過訓(xùn)練后，采用30組測試數(shù)據(jù)作為測試集對(duì)其識(shí)別準(zhǔn)確性進(jìn)行測試，測試集不同于樣本集，其中4組測試數(shù)據(jù)的測試結(jié)果如表2所示，測試集的輸出值相對(duì)誤差如圖5所示，通過比較輸出層節(jié)點(diǎn)輸出值大小即可確定用戶臺(tái)區(qū)。

表2 BP神經(jīng)網(wǎng)絡(luò)識(shí)別準(zhǔn)確性測試Tab.2 Accuracy recognition test of BP neural network

圖5 測試集的輸出值相對(duì)誤差Fig.5 Relative error of output value of test sets

由表2可知，系統(tǒng)不以單次通信信號(hào)品質(zhì)高低來識(shí)別臺(tái)區(qū)，能夠正確識(shí)別跨臺(tái)區(qū)用戶信息且具有較高的容差性能；由圖5可知，系統(tǒng)輸出值相對(duì)誤差低于2%，輸出值區(qū)別大，因此通過比較輸出值大小可實(shí)現(xiàn)跨臺(tái)區(qū)用戶100%正確識(shí)別，識(shí)別準(zhǔn)確性較高，理論上驗(yàn)證了基于電力載波信號(hào)品質(zhì)和前向BP神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)跨臺(tái)區(qū)用戶智能識(shí)別的可行性和準(zhǔn)確性。

3.2 現(xiàn)場測試

為實(shí)際測試臺(tái)區(qū)用戶信息識(shí)別系統(tǒng)功能及性能，在實(shí)驗(yàn)室采用2臺(tái)模擬配電變壓器、2臺(tái)識(shí)別器、9臺(tái)采集器及1臺(tái)手持器模擬現(xiàn)場環(huán)境搭建1號(hào)臺(tái)區(qū)和2號(hào)臺(tái)區(qū)進(jìn)行測試，所有采集器安裝在A相，系統(tǒng)測試環(huán)境如圖6所示。

圖6 系統(tǒng)測試環(huán)境Fig.6 Test environment of system

1號(hào)識(shí)別器與1號(hào)臺(tái)區(qū)變壓器低壓出線端連接，2號(hào)識(shí)別器與2號(hào)臺(tái)區(qū)變壓器低壓出線端連接。通過手持器或者識(shí)別器的觸摸顯示屏對(duì)識(shí)別器參數(shù)進(jìn)行設(shè)置，包括識(shí)別起始時(shí)間、識(shí)別終止時(shí)間、輪詢次數(shù)、重發(fā)次數(shù)、輪詢等待時(shí)間等，1號(hào)識(shí)別器識(shí)別結(jié)果如圖7所示。

圖7 識(shí)別器識(shí)別結(jié)果Fig.7 Recognition result of identifier

由圖 7可知，采集器 00072092、00072093、00072094、00072095、00072096與1號(hào)識(shí)別器同屬一個(gè)臺(tái)區(qū)，且其相位在A相，實(shí)現(xiàn)了識(shí)別器初步識(shí)別臺(tái)區(qū)信息且性能良好。手持器接收兩識(shí)別器識(shí)別信息后與已知臺(tái)區(qū)記錄用戶信息進(jìn)行查詢與比較，測得00072091為無法識(shí)別用戶，00072093為跨臺(tái)區(qū)用戶。將手持器與00072091采集器相連，并發(fā)送查詢00072094采集器查詢幀，手持器識(shí)別00072091采集器結(jié)果如圖8所示。

圖8 手持器識(shí)別00072091采集器結(jié)果Fig.8 Recognition result of handheld with 00072091

由圖8可知手持器能夠收到00072094采集器響應(yīng)幀，且通信信號(hào)品質(zhì)為最高15，則表明00072091采集器與00072094采集器同屬一個(gè)臺(tái)區(qū)且同相位。再將手持器與00072093采集器連接，分別向兩識(shí)別器 和 00072092、00072094、00072095、00072097、00072098、00072099采集器發(fā)送查詢幀，手持器識(shí)別00072093采集器結(jié)果如圖9所示。

圖9 手持器識(shí)別跨臺(tái)區(qū)采集器Fig.9 Collector of handheld across transformer area

由圖9可知，00072093采集器歸屬于1號(hào)臺(tái)區(qū)，由于1號(hào)識(shí)別器對(duì)00072093采集器的相位識(shí)別為A相，因此最終確定00072093采集器位于1號(hào)臺(tái)區(qū)的A相。測試結(jié)果與實(shí)際情況完全相同，因此，通過該方法不僅能夠識(shí)別初步識(shí)別無法識(shí)別用戶，還能有效識(shí)別跨臺(tái)區(qū)用戶，較好的實(shí)現(xiàn)了臺(tái)區(qū)用戶信息全識(shí)別。

4 結(jié)束語

針對(duì)跨臺(tái)區(qū)用戶歸屬難以確定的難題，提出了基于BP神經(jīng)網(wǎng)絡(luò)的智能臺(tái)區(qū)識(shí)別方法。該方法在利用電力載波通信技術(shù)實(shí)現(xiàn)臺(tái)區(qū)用戶信息初步識(shí)別的基礎(chǔ)上，并分類出已識(shí)別用戶、無法識(shí)別用戶和跨臺(tái)區(qū)用戶，然后利用BP神經(jīng)網(wǎng)絡(luò)模型結(jié)合電力載波信號(hào)品質(zhì)進(jìn)行跨臺(tái)區(qū)用戶識(shí)別，由于不以單次通信信號(hào)品質(zhì)高低來識(shí)別臺(tái)區(qū)，該方法識(shí)別容差性高。實(shí)驗(yàn)表明基于BP神經(jīng)網(wǎng)絡(luò)的智能臺(tái)區(qū)識(shí)別方法能夠準(zhǔn)確識(shí)別跨臺(tái)區(qū)用戶，徹底解決跨臺(tái)區(qū)用戶歸屬難題，在此基礎(chǔ)上完成了用戶識(shí)別系統(tǒng)的試制。系統(tǒng)滿足電力公司普查用戶臺(tái)區(qū)和相位信息要求，具有識(shí)別準(zhǔn)確度高、范圍廣、效率高等優(yōu)點(diǎn)，可有效解決跨臺(tái)區(qū)通信串?dāng)_難題，大大減少工作人員工作量并降低成本。