|
基于改進型神經網絡智能遠程抄表系統(tǒng)設計
（作者未知） 2011/6/21
摘要:利用電能表計、通信網絡、圖像處理、神經網絡等技術組成的智能遠程抄表系統(tǒng)是遠程抄表系統(tǒng)研究發(fā)展的重要方向。系統(tǒng)通過視頻實時動態(tài)的進行電能數(shù)據的遠程采集,通過相應的數(shù)據通信網絡,將電能數(shù)據傳輸給改進BP網絡,經改進BP網絡自動識別判斷,獲得對應的電能數(shù)據�；诟倪MBP神經網絡的電能遠程計量系統(tǒng)具有數(shù)據處理效率高、誤差率低、能夠進行實時動態(tài)監(jiān)控等優(yōu)點,促進了遠程電能智能抄表技術的發(fā)展,是目前電力營銷學者研究的一個重要課題。
關鍵詞:BP神經網絡;遠程抄表技術;數(shù)字識別
1、引言
為了克服傳統(tǒng)人工定期現(xiàn)場抄表技術復雜、信息不及時、人為誤差大、管理不方便、人力物力浪費等缺點,隨著經濟的發(fā)展,迫切需要研究開發(fā)出一種智能遠程動態(tài)抄表系統(tǒng),保證電力運營商進行電能經濟合理的計量管理。本文利用改進BP神經網絡強大數(shù)據分析處理、模型自動學習預測等功能,對視頻掃描獲得的遠程電能數(shù)據進行集中模塊化“學習”訓練,獲得相應的模塊約束值和預定值,并通過計算機程序自動進行圖像數(shù)據,最終形成動態(tài)的電能數(shù)據表格,為電能遠程自動采集提供了豐富的理論技術。
2、抄表技術概況
2.1 傳統(tǒng)人工抄表
傳統(tǒng)人工抄表是通過電力運營商雇傭相應電能抄表員登門查表,完成電能抄表校對工作。隨著電網規(guī)模的擴大,加上電力用戶分散,給供電企業(yè)抄表帶來的巨大的困難。抄表員需要花大量的時間進行抄表和電能數(shù)據校對工作,大大增加了電力運營商的負擔,造成了大量的人力浪費,同時由于人為誤差的存在,給電力用戶帶來了許多不便,整個電能的抄錄過程在時間上存在著明顯的離散性,不利于電力運營商的統(tǒng)一管理。
2.2 遠程自動抄表
隨著電力電子技術和計算機通信技術的不斷成熟,遠程自動抄表技術已經逐步取代傳統(tǒng)人工抄表技術,成為電力運營企業(yè)電能抄表的核心技術。遠程抄表系統(tǒng)一般由電能檢測表計、視頻數(shù)據采集模塊、數(shù)據儲存模塊、數(shù)據通信模塊、計算機綜合數(shù)據管理模塊五大部分構成,整個系統(tǒng)采用集散式典型結構,具有明顯的樹型綜合通信結構,利用綜合通信技術實現(xiàn)了對電能數(shù)據的實時動態(tài)采集,便于電力運營商進行電能的檢測、綜合數(shù)據分析管理和收費自動化的要求的實現(xiàn)。
3、改進BP神經網絡
改進BP是一種基于誤差反饋綜合比較的神經網絡,由于該模型不需要具有精確的數(shù)學模型,只需要將外界已知的原始數(shù)據作為系統(tǒng)的輸入,對整個網絡模型進行“學習”訓練,網絡層通過輸入層(INPUT)獲得相關的數(shù)據信息,通過中間層(Recurrent)進行數(shù)據信息處理,再通過輸出層(OUTPUT)獲得對應的數(shù)據信息。
4、圖像識別
數(shù)字識別技術包括圖像處理和數(shù)據識別兩項重要的任務,是利用計算機對圖像分析處理的核心,在目前較多的圖像識別、圖像復原、圖像預測等領域得到了廣泛的發(fā)展。
4.1 圖像采集模塊
圖像采集器由視頻監(jiān)控單元、COMS圖像傳感器單元、環(huán)境照明、數(shù)據初步處理單元(DSP)及RS-485通信網絡單元。
4.2圖象特征提取
通過圖像采集器采集到的電能數(shù)據圖像,需要通過數(shù)據提取技術將圖像中所包含的數(shù)據信息從模擬化狀態(tài)提取為實際計算機默認的二維代碼,供給改進BP神經網絡系統(tǒng)進行學習判斷。在圖像特征值提取過程中,廣泛采用字符分割和數(shù)據歸一化等技術,將不規(guī)則的圖像信息轉變?yōu)橐?guī)則整齊的數(shù)據信號,并作為特征向量矩陣供給改進BP網絡系統(tǒng)進行訓練,就可以實現(xiàn)改進BP網絡的圖像字符的識別。
5、實例分析
5.1 仿真結果
為了驗證基于改進BP網絡電能預測系統(tǒng)的可靠性,利用已采集的圖像和圖像中所包含的實際電能數(shù)字作為改進BP神經網絡的學習樣本。將圖像中實際數(shù)字作為輸出矩陣, 原始圖像信息作為神經網絡的輸入數(shù)據,采用反饋誤差最小思想對改進BP神經網絡進行“學習”訓練,通過系統(tǒng)自動學習獲得模型的權值和閥值。本次實驗采用10組數(shù)據進行分析,其結構如表1所示。
從表1中所獲得結構可知,通過改進BP神經網絡對視頻采集到的電能數(shù)據圖片特征進行分析識別,其獲得對應電能數(shù)據的識別率高達99%以上,且整個系統(tǒng)的誤差都在10-2量級以內,說明了整個系統(tǒng)的建模精度十分的高,可以滿足圖像識別技術的要求,達到了電能數(shù)據遠程采集、自動傳輸、數(shù)字識別等功能,給電能遠程采集提供了一個新的研究思路。
6、結束語
改進BP神經網絡具有明顯的非線性數(shù)據處理能力,能夠對圖像特征數(shù)字等進行預測判斷,可以有效提高電能數(shù)據的處理效率和精度。利用COMS圖像采集單元,將遠程的電能數(shù)據信息通過攝像功能進行拍攝,通過單（未完，下一頁）
|