基于人工神經網絡算法的用電信息傳輸冗余量消除仿真

余錦河，劉 虎，張才俊

（1.國家電網有限公司客戶服務中心，天津 300309；2.國家電網有限公司，北京 100006）

人工神經網絡包含單層、多層兩種組成形式，在實際應用過程中，每一層結構都由多個神經元組織共同組成，由于反向連接、正向連接同時存在，網絡主體可以通過反復學習訓練的方式，調整神經元組織之間的連接關系，從而達到按需處理傳輸數據的應用目的[1-2]。與其他類型的分類算法相比，人工神經網絡算法穩固了數據信息之間的映射連接關系，可以根據非線性模糊關系，對相關信息參量進行重新排列，從而使得網絡主機對于傳輸信息的承載與容納能力大幅增強。

用電信息是記錄已接入用戶電量消耗情況的數據信息參量，不但能夠反映電力網絡的運行穩定性，還可以為電網規劃方案的設計提供參考依據。近年來，文獻[3]提出基于小波變換的干擾去除方法，文獻[4]提出基于BP 神經網絡的冗余的補償消除方法。隨著用戶端實時耗電量的不斷增大，電力網絡中會出現大量與原始數據重復的數據信息參量，這些數據文件既增大了用電信息壓縮后所占據的存儲空間，也不利于電力網絡的穩定運行。雖然能夠控制用電信息之間的相似性程度，但并不能使其壓縮后體積得到較好控制，故而其實際消除效果相對有限。為解決上述問題，以人工神經網絡算法為基礎，設計一種仿真應用類的用電信息傳輸冗余量消除方法。

1 冗余用電信息處理

為實現對用電信息傳輸冗余量的仿真性消除，首先需要按照人工神經網絡算法對冗余用電信息進行處理，下面根據人工神經網絡原理，定義冗余用電信息的傳輸格式，再以此為基礎，計算信息重復率指標的具體數值。

1.1 人工神經網絡原理

為實現對用電信息傳輸冗余量的準確消除，在構建人工神經網絡時，應對數據信息文件的實時傳輸量進行控制，要求其計算值結果應處于電力信息極大值傳輸條件與極小值傳輸條件之間。從宏觀性角度來看，人工神經網絡算法同時約束了冗余用電信息的實時傳輸速率與單位傳輸流量，一般來說，若傳輸流量值較大，則表示冗余用電信息的單位傳輸速率較快，此時所得數據信息的壓縮體積也就相對較大；反之，若傳輸流量值較小，也就表示冗余用電信息的單位傳輸速率較慢，此時所得數據信息的壓縮體積也就相對較小[5-6]。完整的人工神經網絡原理表達式如下：

其中，u表示冗余用電信息傳輸流量指標的初始值，r表示系數u的最大取值結果，wr、wu分別表示冗余用電信息壓縮系數的最大值與最小值，yˉ表示用電信息傳輸流量均值，χ表示實時傳輸向量。在定義冗余用電信息傳輸格式時，必須參考人工神經網絡算法的求解表達式。

1.2 冗余用電信息傳輸格式

用電信息傳輸格式定義是完成冗余用電信息處理的關鍵執行步驟，可以根據人工神經網絡算法，對比數據信息參量之間的相關性，從而將混合數據中的冗余信息參量挑選出來，以供電網主機的調取與利用[7-8]。在人工神經網絡中，冗余用電信息始終與常規用電信息數據混合在一起，不但會加重電網主機所承擔的電信號辨識壓力，還有可能導致信息消除準確性的大幅下降。為避免上述情況的發生，基于新型用電信息傳輸冗余量消除方法通過分析待處理信息傳輸格式的方式，將人工神經網絡節點與數據參量一一對應起來，在提升冗余信息傳輸速率的同時，緩解電網主機所承擔的電信號辨別壓力。

設α、δ、ε表示三個隨機選取的用電信息冗余編碼特征，且α≠δ≠ε不等式條件恒成立，iα表示基于特征值α的用電信息編碼系數，iδ表示基于特征值δ的用電信息編碼系數，iε表示基于特征值ε的用電信息編碼系數。在上述物理量的支持下，聯立式（1），可將冗余用電信息傳輸格式定義式表示為：

為使用電信息傳輸速率得到促進，要求系數iα、系 數iδ、系數iε的取值不能同時等于同一自然數。

1.3 信息重復率

信息重復率決定了冗余用電信息與常規用電信息之間的數值配比關系。在人工神經網絡算法的認知中，信息重復率指標的計算數值越大，就表示冗余用電信息的數值配比量越大；若信息重復率指標的計算數值較小，則表示冗余用電信息的數值配比量也相對較小[9-10]。在已知冗余用電信息傳輸格式的情況下，信息重復率指標的計算取值越大，就表示人工神經網絡對于傳輸信息參量的承載能力越強；反之，若信息重復率指標的計算取值相對較小，則表示人工神經網絡對于傳輸信息參量的承載能力也就相對較弱。

設γ表示冗余用電信息標記系數，β表示常規用電信息提取系數，oγ表示基于系數γ的冗余用電信息記錄特征值，ΔA表示冗余用電信息的單位記錄數值。在上述物理量的支持下，聯立式（2），可將用電信息重復率計算式定義為：

在求解用電信息重復率表達式時，可以將冗余用電信息傳輸格式、人工神經網絡算法同時看作已知計算條件。

2 用電信息傳輸冗余量消除

在人工神經網絡算法的支持下，按照冗余強度計算、聚合系數確定、壓縮量求解的處理流程，實現新型用電信息傳輸冗余量消除方法的設計與應用。

2.1 冗余強度

冗余強度描述了用電信息出現冗余傳輸行為的可能性，受到人工神經網絡算法的影響，該項系數指標的取值與用電信息傳輸周期、信息殘余量等多項物理系數直接相關[11-12]。用電信息傳輸周期可表示為T，作為一項標量系數，其取值結果不具備明顯的方向性。信息殘余量可表示為f，一般來說，該項指標參量的取值結果越大，就表示用電信息出現冗余傳輸行為的可能性越大，即冗余強度指標的計算數值越大。聯立上述物理量，可將基于人工神經網絡算法的用電信息傳輸冗余強度表達式定義為：

式中，φ表示冗余用電信息的方向性向量，κ1、κ2表示兩個不相等的冗余信息標記參量。在進行冗余強度計算時，要求κ1系數、κ2系數取值均不等于1。

2.2 聚合系數

聚合系數也叫冗余用電信息的聚類表現系數，在已知冗余強度的情況下，該項物理系數直接影響網絡主機對于冗余信息參量的清除處理能力，一般來說，聚合系數值越大，清除處理難度也就越大[13-14]。假設s表示聚合向量的初始值，ls表示基于系數s的冗余用電信息聚合度量值，g表示冗余用電信息傳輸行為度量值。在上述物理量的支持下，聯立式（4），可將基于人工神經網絡算法的冗余用電信息聚合系數計算結果表示為：

為將聚合系數計算結果控制在較低數值水平，在建立求解表達式時，要求ls指標的取值趨近其極小值結果。在選取g指標時，為避免冗余用電信息的大量堆積，要求相鄰信息參量不能保持相同的傳輸方向。

2.3 壓縮量

壓縮量指標直接決定了用電信息壓縮后所占據的存儲空間[15]。當冗余用電信息與常規用電信息融合在一起時，壓縮后信息數據包所占存儲空間會明顯增大，此時控制冗余信息壓縮量指標的數值水平，不但可以將常規信息與冗余信息分離開來，還能夠從根本上解決混合壓縮數據所占存儲空間過大的問題[16]。設c1表示常規用電信息壓縮向量，c2表示冗余用電信息壓縮向量，表示冗余用電信息的壓縮速率均值。聯立上述物理量，可將壓縮量表達式定義為：

為避免出現誤差，要求向量c1與向量c2的取值結果均不能等于物理自然數1。至此完成對各項系數指標的計算與處理，在人工神經網絡算法的支持下，實現用電信息傳輸冗余量消除方法的順利應用。

3 實例分析

為驗證基于人工神經網絡算法的用電信息傳輸冗余量消除方法實際應用價值，設計如下對比實驗。

按照表1 對相關實驗參數進行配置，完成基礎實驗環境的搭建。

表1 實驗參數設置

用電信息壓縮后所占據存儲空間能夠反映出信息參量的冗余程度，通常情況下，壓縮后用電信息所占據存儲空間越小，則表示信息參量的冗余程度越輕，此時網絡主機對于冗余數據消除能力也就越強。

表2 給定了壓縮處理前用電信息所占據的存儲空間。

表2 用電信息初始存儲空間

分析表1 可知，包含冗余參量用電信息初始存儲空間呈現出先增大、再穩定的數值變化趨勢，但其前期增大幅度明顯大于后期，當實驗時間等于60 min時，用電信息初始存儲空間則呈現出較為穩定的數值存在狀態，與初始數值相比，增大了0.58×109Mb。

選擇文中基于人工神經網絡算法的用電信息傳輸冗余量消除方法作為實驗組應用方法，文獻[3]方法和文獻[4]方法作為對照組方法進行實驗。圖1 反映了文中方法、文獻[3]方法和文獻[4]方法在消除方法作用下，包含冗余參量用電信息壓縮處理后所占據的存儲空間。

圖1 壓縮后用電信息存儲空間

分析圖1 可知，當實驗時間等于10 min 時，文中方法、文獻[3]方法和文獻[4]方法壓縮后用電信息所占據存儲空間的數值水平完全相等；從第10 min 到20 min，文獻[3]方法和文獻[4]方法存儲空間數值始終大于文中方法，且數值的持續穩定時間明顯小于文中方法。從極限值角度來看，文中方法壓縮后用電信息所占據存儲空間的最大值僅能達到2.66×109Mb，與壓縮前存儲空間最大值相比，縮小了6.31×109Mb；文獻[3]方法壓縮后用電信息所占據存儲空間的最大值達到了3.32×109Mb，與壓縮前存儲空間最大值相比，縮小了5.65×109Mb，低于文中方法數值水平。

綜上所述，與文獻方法相比，新型用電信息傳輸冗余量消除方法完全沿用了人工神經網絡算法的應用思想，在精準計算信息重復率指標的同時，重新定義冗余強度、聚合系數等多個指標參量的表達含義，且隨著這種新型消除方法的應用，用電信息壓縮后所占據存儲空間出現了明顯縮小的變化趨勢，這在仿真應用領域，符合準確消除冗余用電信息的實際應用需求。

4 結束語

在文獻方法的作用下，壓縮后用電信息所占據存儲空間依然相對較大，信息參量的冗余程度始終較高，網絡主機并不能對冗余用電數據進行有效消除；在基于人工神經網絡算法的消除方法的作用下，包含冗余參量用電信息壓縮后所占存儲空間數值較小，信息參量的冗余程度得到了較好控制，網絡主機能夠對冗余用電數據進行有效消除。與文獻方法相比，人工神經網絡算法有效解決了壓縮后用電信息所占存儲空間較大的問題，可避免信息參量重復，實現對冗余數據的準確消除與處理，更符合實際應用需求。