1.引言

为了克服传统人工定期现场抄表技术的复杂性.信息不及时.人为误差大.管理不方便.随着经济的发展，迫切需要开发智能远程动态抄表系统，确保电力运营商对电力经济进行合理的计量管理。本文采用了改进措施BP神经网络强大数据分析处理.模型自动学习预测等功能，集中模块化视频扫描获得的远程电能数据“学习”培训，获得相应的模块约束值和预定值，通过计算机程序自动进行图像数据，最终形成动态电能数据表，为电能远程自动采集提供丰富的理论技术。

2.抄表技术概况

2.传统的人工抄表

传统的人工抄表是通过雇佣相应的电能抄表员来完成电能抄表的校对。随着电网规模的扩大和电力用户的分散，供电企业抄表带来了巨大的困难。抄表员需要花费大量的时间进行抄表和电能数据校对，大大增加了电力运营商的负担，造成了大量的人力浪费。同时，由于人为误差的存在，给电力用户带来了诸多不便。整个电能抄表过程在时间上有明显的离散性，不利于电力运营商的统一管理。

2.2远程自动抄表

随着电力电子技术和计算机通信技术的不断成熟，远程自动抄表技术逐渐取代了传统的人工抄表技术，成为电力运营企业电能抄表的核心技术。远程抄表系统一般由电能检测表计算.视频数据采集模块.数据存储模块.数据通信模块.计算机综合数据管理模块由五个部分组成。整个系统采用典型的集散结构，树形综合通信结构明显。利用综合通信技术实现电能数据的实时动态采集，方便电力运营商检测电能.实现综合数据分析管理和收费自动化的要求。

3.改进BP神经网络

改进BP它是一种基于误差反馈综合比较的神经网络。由于该模型不需要准确的数学模型，只需要将已知的原始数据作为系统的输入来输入整个网络模型“学习”训练，网络层通过输入层(INPUT)通过中间层获取相关数据信息，获取相关数据信息(Recurrent)通过输出层处理数据信息，层进行(OUTPUT)获取相应的数据信息。

4.图像识别

数字识别技术包括图像处理和数据识别两个重要任务，是使用计算机进行图像分析和处理的核心。目前，更多的图像识别.图像复原.图像预测等领域得到了广泛的发展。

4.1图像采集模块

视频监控单元的图像采集器.COMS图像传感器单元.环境照明.数据初步处理单元(DSP)及RS-485通信网络单元。

利用低端COMS图像传感器收集电能数据。当收集系统核心单片机系统收到通信网络传输的上级电能数据读取命令时，通过内部控制立即打开COMS图像传感器，下，图像传感器可以拍摄电能数据。单片机数据处理中心对刚刚拍摄的电能图像数据进行切割和压缩，形成系统默认的图像格式，并通过RAM存储模块保存，完成电能数据的实时动态采集。当单片系统获得上级发出的图片传输命令时，串行方式RS485网络将电能图像数据传输给改进BP神经网络系统，进行相应的数据分析，获取实时动态电能数据。

4.2图像特征提取

通过图像采集器采集的电能数据图像需要通过数据提取技术将图像中包含的数据信息从模拟状态提取到实际计算机默认的二维代码，以提供改进BP神经网络系统进行学习判断。在提取图像特征值的过程中，广泛采用字符分割和数据集成技术，将不规则的图像信息转换为规则整齐的数据信号，并作为特征向量矩阵提供改进BP通过训练网络系统，可以实现改进BP识别网络图像字符。

5.实例分析

5.1仿真结果

基于改进验证BP网络电能预测系统的可靠性，利用收集到的图像和图像中包含的实际电能数作为改进BP神经网络的学习样本。将图像中的实际数字作为输出矩阵，将原始图像信息作为神经网络的输入数据，用反馈误差最小的思想来改进BP进行神经网络“学习”培训，通过系统自动学习获得模型的权值和阀值。本实验采用10组数据进行分析，结构如表1所示。

从表1中获得的结构可以看出，通过改进，BP神经网络分析识别视频采集的电能数据图像特征，获取相应电能数据的识别率高达99%，整个系统误差在10-2级以内，说明整个系统的建模精度非常高，能够满足图像识别技术的要求，满足电能数据的远程采集.自动传输.数字识别等功能为电能远程采集提供了新的研究思路。

6.结束语

改进BP神经网络具有明显的非线性数据处理能力，可以预测和判断图像特征数字，有效提高电能数据的处理效率和精度。COMS图像采集单元通过摄像功能拍摄远程电能数据信息，通过单片机预处理图像，成为系统默认图像格式，通过RAM存储器保存图片信息，在上级命令的驱动下自动采集和传输电能数据图像。并通过上级命令自动采集和传输。RS485传输到神经网络系统，通过系统自动识别分析电能数据，实现电能数据的综合分析。基于改进BP神经网络远程电能采集系统实现远程电能数据采集.分析判断和统一管理，提高了运营商电能合理经济的计量管理水平。