基于BP神經(jīng)網(wǎng)絡(luò )的電力工程異常數據識別技術(shù)研究

摘要：電力工程是國計民生的重要保障，如何高效、準確地識別異常數據是實(shí)施工程的必要手段。文中基于對電力工程數據的分析，利用了分層電網(wǎng)工程數據檢測系統，其具有分層體系結構。使用統計模型與神經(jīng)網(wǎng)絡(luò )分類(lèi)器進(jìn)行數據檢測，并測試了5 種不同類(lèi)型的神經(jīng)網(wǎng)絡(luò )的性能，以及在分層數據檢測系統上進(jìn)行的異常數據的壓力測試結果?；诖?，本文對基于BP神經(jīng)網(wǎng)絡(luò )的電力工程異常數據識別技術(shù)進(jìn)行探討，以供相關(guān)從業(yè)人員參考。

關(guān)鍵詞：BP神經(jīng)網(wǎng)絡(luò )；電力工程；異常數據識別技術(shù)

BP神經(jīng)網(wǎng)絡(luò )是一種多層前饋神經(jīng)網(wǎng)絡(luò )，信號從輸入層到隱含層，再到輸出層得到期望輸出。期望輸出同實(shí)際值做比較，若得不到所期望的值，則誤差反向傳播，調節網(wǎng)絡(luò )的權值和閾值。BP神經(jīng)網(wǎng)絡(luò )作為一種引入隱含層神經(jīng)元的采用多層感知器的神經(jīng)網(wǎng)絡(luò )模型，主要由輸入層、中間層和輸出層3 個(gè)部分組成。其中，中間層即隱含層，可以是一層或多層結構。

1 BP神經(jīng)網(wǎng)絡(luò )概述

BP神經(jīng)網(wǎng)絡(luò )是人工神經(jīng)網(wǎng)絡(luò )的分類(lèi)中的多層前饋型神經(jīng)網(wǎng)絡(luò )。BP神經(jīng)網(wǎng)絡(luò )的主要特征為傳遞信號向前傳播，而誤差反向向后傳播。BP神經(jīng)網(wǎng)絡(luò )在工作時(shí)，信息從輸入層通過(guò)隱含層到達輸出層。輸出層達不到所期望的信號，將誤差反向傳播，從而根據誤差不斷調整BP神經(jīng)網(wǎng)絡(luò )的閾值和權重，從而使BP神經(jīng)網(wǎng)絡(luò )的輸出值不斷逼近期望值。

2系統設計

該異常數據識別系統利用神經(jīng)網(wǎng)絡(luò )對電力系統異常進(jìn)行識別，實(shí)際上是利用神經(jīng)網(wǎng)絡(luò )可以以任意精度逼近任一非線(xiàn)性函數的特性以及通過(guò)學(xué)習歷史數據建模的特點(diǎn)。在各種類(lèi)型的神經(jīng)網(wǎng)絡(luò )中，BP神經(jīng)網(wǎng)絡(luò )具有輸入延遲，適合于電力系統異常數據識別。根據電力系統運行的歷史數據，設定神經(jīng)網(wǎng)絡(luò )的輸入、輸出節點(diǎn)，以反映系統運行的內在規律，實(shí)現識別數據異常的目的。所以，利用神經(jīng)網(wǎng)絡(luò )對電力系統異常數據進(jìn)行識別，主要就是要設定神經(jīng)網(wǎng)絡(luò )的輸入、輸出節點(diǎn)使其能反映電力系統運行規律。

3訓練樣本

在BP神經(jīng)網(wǎng)絡(luò )模型中，在選擇樣本時(shí)，一定要盡可能的表達出系統中全部可能發(fā)生的情況所對應的狀態(tài)，這樣才能表現出來(lái)動(dòng)力參數與實(shí)際測量數據一一對應的映射關(guān)系。將需要進(jìn)行反分析的動(dòng)力參數作為因素，要在每一個(gè)因素里面的各種組合中均要做試驗。假設在一組設計試驗中，有n個(gè)因素，并且它自身又有l1 ，l2 ，......，ln個(gè)水平，那么在進(jìn)行全面試驗時(shí)，至少需要做每個(gè)水平之積次試驗。當因素及其自身對應的水平數量不太多時(shí)，運用這種算法是比較準確的。但是，隨著(zhù)因素及其對應的水平越來(lái)越多，需要做的試驗次數也要幾何級數般增長(cháng)。因此，在BP神經(jīng)網(wǎng)絡(luò )的學(xué)習過(guò)程中，如果選擇合適、合理的方法選擇樣本就十分重要。

4 BP網(wǎng)絡(luò )模型與訓練算法

BP（BackPropagation，后向傳播）神經(jīng)網(wǎng)絡(luò )全稱(chēng)又叫作誤差反向傳播（errorBackPropagation）網(wǎng)絡(luò )。它是一種采用BP算法訓練的多層前饋神經(jīng)網(wǎng)絡(luò )，每層網(wǎng)絡(luò )均包含一個(gè)或多個(gè)M-P神經(jīng)單元構成。M-P神經(jīng)單元結構，xi表示第i個(gè)輸入值，wi為該輸入值的權重，θ為該神經(jīng)元的閾值，y為該神經(jīng)元輸出值。其中，即神經(jīng)元將n個(gè)維度的輸入值加權相加后與神經(jīng)元的閾值進(jìn)行比較，然后將比較值通過(guò)激活函數f處理后進(jìn)行輸出。BP網(wǎng)絡(luò )通過(guò)不同網(wǎng)絡(luò )層間神經(jīng)元的全連接構成。在網(wǎng)絡(luò )訓練學(xué)習過(guò)程中，BP算法將輸入數據通過(guò)輸入層進(jìn)行輸入，并經(jīng)過(guò)隱藏層計算后由輸出層進(jìn)行輸出。接著(zhù)輸出值與標記值進(jìn)行比較，計算誤差（代價(jià)函數）。最后誤差再反向從輸出層向輸入層傳播，反向傳播過(guò)程使用梯度下降算法以目標的負梯度方向來(lái)對神經(jīng)網(wǎng)絡(luò )上的權重和閾值進(jìn)行調整。

5神經(jīng)網(wǎng)絡(luò )識別實(shí)驗

考察5 種不同類(lèi)型的神經(jīng)網(wǎng)絡(luò )，表1 列出了Perceptron、BP、PBH、模糊ARTMAP和RBF的均方根誤差與Perceptron的誤分類(lèi)率等信息?？梢钥吹?，Perceptron神經(jīng)網(wǎng)絡(luò )表現不佳，均方根誤差在0.6~0.7 之間；誤分類(lèi)率在0.1~0.2 之間。Perceptron神經(jīng)網(wǎng)絡(luò )對異常數據的檢測錯誤與誤分類(lèi)率較高。隨著(zhù)隱藏神經(jīng)元數量的增加，ARTMAP與RBF網(wǎng)絡(luò )的性能均會(huì )提高。在大多數情況下，均優(yōu)于Perceptron。BP與PBH網(wǎng)絡(luò )具有相似性能，且兩個(gè)神經(jīng)網(wǎng)絡(luò )始終比其他3 種類(lèi)型的神經(jīng)網(wǎng)絡(luò )表現更優(yōu)。隨著(zhù)隱藏神經(jīng)元數量的增加，兩種神經(jīng)網(wǎng)絡(luò )錯誤與誤分類(lèi)率不會(huì )降低。

6狼群算法

狼群算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò )。狼群算法是一種群智能算法，它通過(guò)模仿狼群捕獵的行為來(lái)處理優(yōu)化問(wèn)題。在自然界中，狼在食物鏈中處于捕獵者。狼的外形神似狗和豺，動(dòng)作迅速，嗅覺(jué)靈敏，有天生的捕獵能力。狼群算法最早于2007 年提出，后來(lái)有學(xué)者發(fā)現其中存在的問(wèn)題，經(jīng)狼群算法優(yōu)化后提出了新型狼群算法（WCA），最后，2013 年根據自然界中狼群追捕獵物，捕食，以及分配食物的方式提出的基于狼群群體智能的算法（WPA）。該算法詳細的將狼群內的種類(lèi)分為頭狼、探狼、猛狼三種，并具有圍攻、召喚、奔襲、游走等行為。狼群算法同樣依據自然界中“勝者為王，適者生存”的更新機制。狼群算法的加入，形成了改進(jìn)的BP神經(jīng)網(wǎng)絡(luò )，防止網(wǎng)絡(luò )陷入局部極值點(diǎn)，提高網(wǎng)絡(luò )效率。

7遺傳算法

遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò )。算法主要包括三部分：初始化BP神經(jīng)網(wǎng)絡(luò )結構、遺傳算法優(yōu)化和BP神經(jīng)網(wǎng)絡(luò )識別。其中初始化BP神經(jīng)網(wǎng)絡(luò )結構包括：確定輸入層、隱含層和輸出層節點(diǎn)個(gè)數，以及初始化網(wǎng)絡(luò )的權值和閾值等參數。遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò )是將一個(gè)網(wǎng)絡(luò )中的所有權值和閾值看作種群中的一個(gè)個(gè)體，然后通過(guò)選擇、交叉和變異的操作得到最優(yōu)的個(gè)體，即最優(yōu)權值和閾值，并將該組權值閾值賦給BP神經(jīng)網(wǎng)絡(luò )作為初始的權值和閾值。最后的BP神經(jīng)網(wǎng)絡(luò )識別部分，是利用遺傳算法優(yōu)化的初始權值和閾值來(lái)訓練網(wǎng)絡(luò )，再利用訓練好的神經(jīng)網(wǎng)絡(luò )進(jìn)行識別。

結束語(yǔ)

為實(shí)現電網(wǎng)工程建設中對異常數據的檢測，建立了分布分層的數據檢測系統。其是一種使用統計預處理與神經(jīng)網(wǎng)絡(luò )分類(lèi)的異常數據檢測算法。通過(guò)對5 種不同的神經(jīng)網(wǎng)絡(luò )進(jìn)行對比實(shí)驗，可得出結論：BP與PBH網(wǎng)絡(luò )的性能優(yōu)于Perceptron、模糊ARTMAP和RBF等3 種神經(jīng)網(wǎng)絡(luò )?？紤]到構建成本最終選取BP神經(jīng)網(wǎng)絡(luò )作為系統的神經(jīng)網(wǎng)絡(luò )分類(lèi)器，在此基礎上還進(jìn)行了系統測試。結果表明，系統能夠可靠地檢測到異常數據，其流量強度僅為背景強度的5%~10%，證明了該系統的有效性。