基于人工神经网络算法的用电信息传输冗余量消除仿真

余锦河，刘 虎，张才俊

（1.国家电网有限公司客户服务中心，天津 300309；2.国家电网有限公司，北京 100006）

人工神经网络包含单层、多层两种组成形式，在实际应用过程中，每一层结构都由多个神经元组织共同组成，由于反向连接、正向连接同时存在，网络主体可以通过反复学习训练的方式，调整神经元组织之间的连接关系，从而达到按需处理传输数据的应用目的[1-2]。与其他类型的分类算法相比，人工神经网络算法稳固了数据信息之间的映射连接关系，可以根据非线性模糊关系，对相关信息参量进行重新排列，从而使得网络主机对于传输信息的承载与容纳能力大幅增强。

用电信息是记录已接入用户电量消耗情况的数据信息参量，不但能够反映电力网络的运行稳定性，还可以为电网规划方案的设计提供参考依据。近年来，文献[3]提出基于小波变换的干扰去除方法，文献[4]提出基于BP 神经网络的冗余的补偿消除方法。随着用户端实时耗电量的不断增大，电力网络中会出现大量与原始数据重复的数据信息参量，这些数据文件既增大了用电信息压缩后所占据的存储空间，也不利于电力网络的稳定运行。虽然能够控制用电信息之间的相似性程度，但并不能使其压缩后体积得到较好控制，故而其实际消除效果相对有限。为解决上述问题，以人工神经网络算法为基础，设计一种仿真应用类的用电信息传输冗余量消除方法。

1 冗余用电信息处理

为实现对用电信息传输冗余量的仿真性消除，首先需要按照人工神经网络算法对冗余用电信息进行处理，下面根据人工神经网络原理，定义冗余用电信息的传输格式，再以此为基础，计算信息重复率指标的具体数值。

1.1 人工神经网络原理

为实现对用电信息传输冗余量的准确消除，在构建人工神经网络时，应对数据信息文件的实时传输量进行控制，要求其计算值结果应处于电力信息极大值传输条件与极小值传输条件之间。从宏观性角度来看，人工神经网络算法同时约束了冗余用电信息的实时传输速率与单位传输流量，一般来说，若传输流量值较大，则表示冗余用电信息的单位传输速率较快，此时所得数据信息的压缩体积也就相对较大；反之，若传输流量值较小，也就表示冗余用电信息的单位传输速率较慢，此时所得数据信息的压缩体积也就相对较小[5-6]。完整的人工神经网络原理表达式如下：

其中，u表示冗余用电信息传输流量指标的初始值，r表示系数u的最大取值结果，wr、wu分别表示冗余用电信息压缩系数的最大值与最小值，yˉ表示用电信息传输流量均值，χ表示实时传输向量。在定义冗余用电信息传输格式时，必须参考人工神经网络算法的求解表达式。

1.2 冗余用电信息传输格式

用电信息传输格式定义是完成冗余用电信息处理的关键执行步骤，可以根据人工神经网络算法，对比数据信息参量之间的相关性，从而将混合数据中的冗余信息参量挑选出来，以供电网主机的调取与利用[7-8]。在人工神经网络中，冗余用电信息始终与常规用电信息数据混合在一起，不但会加重电网主机所承担的电信号辨识压力，还有可能导致信息消除准确性的大幅下降。为避免上述情况的发生，基于新型用电信息传输冗余量消除方法通过分析待处理信息传输格式的方式，将人工神经网络节点与数据参量一一对应起来，在提升冗余信息传输速率的同时，缓解电网主机所承担的电信号辨别压力。

设α、δ、ε表示三个随机选取的用电信息冗余编码特征，且α≠δ≠ε不等式条件恒成立，iα表示基于特征值α的用电信息编码系数，iδ表示基于特征值δ的用电信息编码系数，iε表示基于特征值ε的用电信息编码系数。在上述物理量的支持下，联立式（1），可将冗余用电信息传输格式定义式表示为：

为使用电信息传输速率得到促进，要求系数iα、系 数iδ、系数iε的取值不能同时等于同一自然数。

1.3 信息重复率

信息重复率决定了冗余用电信息与常规用电信息之间的数值配比关系。在人工神经网络算法的认知中，信息重复率指标的计算数值越大，就表示冗余用电信息的数值配比量越大；若信息重复率指标的计算数值较小，则表示冗余用电信息的数值配比量也相对较小[9-10]。在已知冗余用电信息传输格式的情况下，信息重复率指标的计算取值越大，就表示人工神经网络对于传输信息参量的承载能力越强；反之，若信息重复率指标的计算取值相对较小，则表示人工神经网络对于传输信息参量的承载能力也就相对较弱。

设γ表示冗余用电信息标记系数，β表示常规用电信息提取系数，oγ表示基于系数γ的冗余用电信息记录特征值，ΔA表示冗余用电信息的单位记录数值。在上述物理量的支持下，联立式（2），可将用电信息重复率计算式定义为：

在求解用电信息重复率表达式时，可以将冗余用电信息传输格式、人工神经网络算法同时看作已知计算条件。

2 用电信息传输冗余量消除

在人工神经网络算法的支持下，按照冗余强度计算、聚合系数确定、压缩量求解的处理流程，实现新型用电信息传输冗余量消除方法的设计与应用。

2.1 冗余强度

冗余强度描述了用电信息出现冗余传输行为的可能性，受到人工神经网络算法的影响，该项系数指标的取值与用电信息传输周期、信息残余量等多项物理系数直接相关[11-12]。用电信息传输周期可表示为T，作为一项标量系数，其取值结果不具备明显的方向性。信息残余量可表示为f，一般来说，该项指标参量的取值结果越大，就表示用电信息出现冗余传输行为的可能性越大，即冗余强度指标的计算数值越大。联立上述物理量，可将基于人工神经网络算法的用电信息传输冗余强度表达式定义为：

式中，φ表示冗余用电信息的方向性向量，κ1、κ2表示两个不相等的冗余信息标记参量。在进行冗余强度计算时，要求κ1系数、κ2系数取值均不等于1。

2.2 聚合系数

聚合系数也叫冗余用电信息的聚类表现系数，在已知冗余强度的情况下，该项物理系数直接影响网络主机对于冗余信息参量的清除处理能力，一般来说，聚合系数值越大，清除处理难度也就越大[13-14]。假设s表示聚合向量的初始值，ls表示基于系数s的冗余用电信息聚合度量值，g表示冗余用电信息传输行为度量值。在上述物理量的支持下，联立式（4），可将基于人工神经网络算法的冗余用电信息聚合系数计算结果表示为：

为将聚合系数计算结果控制在较低数值水平，在建立求解表达式时，要求ls指标的取值趋近其极小值结果。在选取g指标时，为避免冗余用电信息的大量堆积，要求相邻信息参量不能保持相同的传输方向。

2.3 压缩量

压缩量指标直接决定了用电信息压缩后所占据的存储空间[15]。当冗余用电信息与常规用电信息融合在一起时，压缩后信息数据包所占存储空间会明显增大，此时控制冗余信息压缩量指标的数值水平，不但可以将常规信息与冗余信息分离开来，还能够从根本上解决混合压缩数据所占存储空间过大的问题[16]。设c1表示常规用电信息压缩向量，c2表示冗余用电信息压缩向量，表示冗余用电信息的压缩速率均值。联立上述物理量，可将压缩量表达式定义为：

为避免出现误差，要求向量c1与向量c2的取值结果均不能等于物理自然数1。至此完成对各项系数指标的计算与处理，在人工神经网络算法的支持下，实现用电信息传输冗余量消除方法的顺利应用。

3 实例分析

为验证基于人工神经网络算法的用电信息传输冗余量消除方法实际应用价值，设计如下对比实验。

按照表1 对相关实验参数进行配置，完成基础实验环境的搭建。

表1 实验参数设置

用电信息压缩后所占据存储空间能够反映出信息参量的冗余程度，通常情况下，压缩后用电信息所占据存储空间越小，则表示信息参量的冗余程度越轻，此时网络主机对于冗余数据消除能力也就越强。

表2 给定了压缩处理前用电信息所占据的存储空间。

表2 用电信息初始存储空间

分析表1 可知，包含冗余参量用电信息初始存储空间呈现出先增大、再稳定的数值变化趋势，但其前期增大幅度明显大于后期，当实验时间等于60 min时，用电信息初始存储空间则呈现出较为稳定的数值存在状态，与初始数值相比，增大了0.58×109Mb。

选择文中基于人工神经网络算法的用电信息传输冗余量消除方法作为实验组应用方法，文献[3]方法和文献[4]方法作为对照组方法进行实验。图1 反映了文中方法、文献[3]方法和文献[4]方法在消除方法作用下，包含冗余参量用电信息压缩处理后所占据的存储空间。

图1 压缩后用电信息存储空间

分析图1 可知，当实验时间等于10 min 时，文中方法、文献[3]方法和文献[4]方法压缩后用电信息所占据存储空间的数值水平完全相等；从第10 min 到20 min，文献[3]方法和文献[4]方法存储空间数值始终大于文中方法，且数值的持续稳定时间明显小于文中方法。从极限值角度来看，文中方法压缩后用电信息所占据存储空间的最大值仅能达到2.66×109Mb，与压缩前存储空间最大值相比，缩小了6.31×109Mb；文献[3]方法压缩后用电信息所占据存储空间的最大值达到了3.32×109Mb，与压缩前存储空间最大值相比，缩小了5.65×109Mb，低于文中方法数值水平。

综上所述，与文献方法相比，新型用电信息传输冗余量消除方法完全沿用了人工神经网络算法的应用思想，在精准计算信息重复率指标的同时，重新定义冗余强度、聚合系数等多个指标参量的表达含义，且随着这种新型消除方法的应用，用电信息压缩后所占据存储空间出现了明显缩小的变化趋势，这在仿真应用领域，符合准确消除冗余用电信息的实际应用需求。

4 结束语

在文献方法的作用下，压缩后用电信息所占据存储空间依然相对较大，信息参量的冗余程度始终较高，网络主机并不能对冗余用电数据进行有效消除；在基于人工神经网络算法的消除方法的作用下，包含冗余参量用电信息压缩后所占存储空间数值较小，信息参量的冗余程度得到了较好控制，网络主机能够对冗余用电数据进行有效消除。与文献方法相比，人工神经网络算法有效解决了压缩后用电信息所占存储空间较大的问题，可避免信息参量重复，实现对冗余数据的准确消除与处理，更符合实际应用需求。