劉建林

(北京國環(huán)益達環(huán)保技術(shù)有限公司，北京 100025)

BP神經(jīng)網(wǎng)絡(luò)模型在電磁環(huán)境預測中的應(yīng)用

劉建林

(北京國環(huán)益達環(huán)保技術(shù)有限公司，北京 100025)

利用所建立BP神經(jīng)網(wǎng)絡(luò)模型的預測功能，基于析因?qū)嶒炘O(shè)計方法系統(tǒng)分析了所選取因素對電磁環(huán)境的影響程度，并結(jié)合中心復合實驗設(shè)計方法，采用響應(yīng)曲面圖直觀地呈現(xiàn)了電磁環(huán)境的空間分布情況。以實例監(jiān)測數(shù)據(jù)為樣本建立了BP神經(jīng)網(wǎng)絡(luò)模型，電磁環(huán)境的模擬系數(shù)分別為0.999、0.998和0.841，預測值與實際值的相對誤差為0.89%～12.19%。析因?qū)嶒炘O(shè)計結(jié)果表明，工程本身特性(包括工況負荷、垂直高度、水平距離)對電磁環(huán)境存在顯著的影響，環(huán)境因素(溫度、濕度、風速)對電磁環(huán)境影響不顯著，對篩選的顯著因素進行進一步的中心復合實驗設(shè)計，利用響應(yīng)曲面法直觀反映了不同工況負荷條件下，電磁環(huán)境在不同垂直高度和不同水平距離的空間分布，可知直流線路對垂直距離小于30m、水平距離小于10m區(qū)域內(nèi)的居民住宅影響最大，該研究為直流工程電磁環(huán)境污染控制提供理論支持，同時為建立換流站及交流輸變電工程附近區(qū)域的電磁環(huán)境預測模型提供了新思路。

地面合成強度；直流磁感應(yīng)強度；BP神經(jīng)網(wǎng)絡(luò)模型；析因設(shè)計；中心復合設(shè)計

0 引言

我國經(jīng)濟發(fā)展不平衡，導致電力資源供需矛盾突出，為了將電力資源從充裕區(qū)域輸送至欠缺的城市，以保證安全輸送、均衡地區(qū)資源分配，國家電網(wǎng)建設(shè)了多條特高壓直流工程[1]，工程運行產(chǎn)生的電磁污染對附近居民的影響分析是一項重要且復雜的工作[2]。電磁環(huán)境對人體的影響逐漸引起越來越多關(guān)注[3-4]。大多數(shù)研究關(guān)注線路工況負荷、垂直高度和水平距離等因素對電磁環(huán)境影響[5-6]，而缺少考慮當?shù)丨h(huán)境狀況，如溫度、濕度、風速等氣象參數(shù)對電磁監(jiān)測值的影響。環(huán)境因素與線路特性為自變量，電磁環(huán)境為因變量，系統(tǒng)研究兩者之間變化-響應(yīng)關(guān)系有助于更準確地分析直流工程對居民電磁環(huán)境的實際影響程度[7]。

BP神經(jīng)網(wǎng)絡(luò)是誤差反向傳播的多層前饋式網(wǎng)絡(luò)，是模仿生物神經(jīng)系統(tǒng)的功能和結(jié)構(gòu)發(fā)展起來的信息處理系統(tǒng)，具有非線性自適應(yīng)的信息處理能力。利用BP神經(jīng)網(wǎng)絡(luò)建立的非線性映射預測模型已應(yīng)用于多個領(lǐng)域[8-9]。目前，BP神經(jīng)網(wǎng)絡(luò)多用于電力工程的風險評價研究和經(jīng)濟效益分析[10-11]。

建立環(huán)境因素(包括溫度、濕度、風速)、直流工程本身特性(包括工況負荷、垂直高度、水平距離)與電磁環(huán)境(最大地面合成電場強度、地面合成電場強度80%值和直流磁感應(yīng)強度)關(guān)系的BP神經(jīng)網(wǎng)絡(luò)預測模型對研究電磁環(huán)境空間分布具有重要意義。利用已建立的模型預測不同環(huán)境狀況下的電磁環(huán)境值，利用析因?qū)嶒炘O(shè)計分析各個因素對電磁環(huán)境的影響顯著性，并篩選顯著影響因素。在篩選的顯著因素基礎(chǔ)上，采用中心復合實驗設(shè)計，利用響應(yīng)曲面法直觀分析直流線路在不同工況負荷條件下，電磁環(huán)境在不同垂直高度和不同水平距離下的空間分布情況。同時，所建立的模型對變電站和交流線路附近的電磁環(huán)境預測具有重要借鑒意義。

1 數(shù)據(jù)采集與模型原理

1.1數(shù)據(jù)采集

進行了直流工程附近居民住宅的電磁環(huán)境監(jiān)測，監(jiān)測技術(shù)和方法依據(jù)《環(huán)境影響評價技術(shù)導則 輸變電工程》(HJ24-2014)的要求進行，以保證監(jiān)測數(shù)據(jù)準確性[12]。監(jiān)測所用儀器為：上海頻譜分析儀公司的FSH3型頻譜分析儀，意大利里氏公司的TFMS01型直流合成場強計，以及美國FVM-400型矢量磁通門磁力儀，監(jiān)測儀器均為中國計量科學研究院校準。監(jiān)測時記錄了環(huán)境狀況(包括溫度、濕度、風速)參數(shù)，以及線路距監(jiān)測位置的垂直高度、水平距離；監(jiān)測期間直流工程工況負荷從換流站中控室取得。

1.2BP神經(jīng)網(wǎng)絡(luò)模型原理

BP神經(jīng)網(wǎng)絡(luò)是一種多層前饋神經(jīng)網(wǎng)絡(luò)，由輸入層、隱含層和輸出層組成，每層可以有多個節(jié)點，每個節(jié)點具有特定的激勵函數(shù)[13]。下層與上層之間信息交換，即下一層的每個節(jié)點與上一層的每個節(jié)點均相連，單層內(nèi)部節(jié)點間無連接，即同一層的節(jié)點之間無信息傳輸。BP網(wǎng)絡(luò)具有教師的指導方式，即學習模式對提供給學習網(wǎng)絡(luò)后，節(jié)點激活值開始逐層傳播，最終在輸出層各節(jié)點得到輸出響應(yīng)，通過比較輸出響應(yīng)實際值與期望值，獲取誤差，最后通過向誤差減小的方向逐層修正各個權(quán)值，回到輸出層。通過反向傳播不斷調(diào)整網(wǎng)絡(luò)的權(quán)值和閾值，使網(wǎng)絡(luò)的誤差平方和最小，最終提高了BP神經(jīng)網(wǎng)絡(luò)對輸入模式的識別正確性。

BP網(wǎng)絡(luò)模型的預測精確度用模擬效率系數(shù)(NSC)表達，NSC一般取值在0≤NSC≤1的范圍內(nèi)，NSC值越接近于1則表示模型預測值和實驗值的匹配程度較高，NSC的具體計算方法見式(1)。

2 結(jié)果與討論

2.1BP神經(jīng)網(wǎng)絡(luò)模型

2.1.1 BP神經(jīng)網(wǎng)絡(luò)模型建立

環(huán)境參數(shù)包括溫度(X1)、濕度(X2)、風速(X3)，以及工程本身特性包括工況負荷(X4)，水平距離(X5)，垂直高度(X6)作為輸入變量，電磁環(huán)境包括最大地面合成電場強度(Y1)、地面合成電場強度80%值(Y2)和直流磁感應(yīng)強度(Y3)作為輸出變量。樣本數(shù)據(jù)經(jīng)min-max標準化處理后，首先采用隸屬度函數(shù)計算，為確保最終使用的典型樣本盡可能多地保留有類屬函數(shù)值大的樣本，選取其中類屬度值大于80%值的樣本作為典型性樣本，然后經(jīng)模糊聚類分析剔除冗余樣本后，選取了54組具有典型性的實例監(jiān)測數(shù)據(jù)用于建立模型過程之中，將數(shù)據(jù)集以訓練集、驗證集、測試集分成三組，依據(jù)各種不同比例進行了測試，將典型性數(shù)據(jù)分組結(jié)果為30組數(shù)據(jù)作為模型的訓練集，12組數(shù)據(jù)作為模型的驗證集，12組數(shù)據(jù)作為模型的測試集。通過對模型反復的網(wǎng)絡(luò)訓練，確保建立的BP神經(jīng)網(wǎng)絡(luò)預測模型能正確反映環(huán)境狀況、直流工程本身特性與電磁環(huán)境之間的變化-響應(yīng)關(guān)系。對該數(shù)據(jù)建立了不同的預測模式，針對不同模式預測效果進行比較，最終建立BP神經(jīng)網(wǎng)絡(luò)預測模型結(jié)構(gòu)中的隱層節(jié)點數(shù)設(shè)置為9，構(gòu)建三層前向反饋6×9×1結(jié)構(gòu)模型，最大訓練次數(shù)為15000，訓練目標為5.0×10-5，學習效率為0.01。

2.1.2 BP神經(jīng)網(wǎng)絡(luò)模型精度分析

為了說明BP神經(jīng)網(wǎng)絡(luò)模型預測的準確性，將數(shù)據(jù)歸一化處理之后即進行網(wǎng)絡(luò)訓練，訓練收斂之后，對預測樣本進行預測。將預測值與實際值進行比較，對比分析結(jié)果見表1。從表1中可計算得到BP網(wǎng)絡(luò)模型預測最大地面合成電場強度、地面合成電場強度80%值和直流磁感應(yīng)強度的NSC依次為0.999、0.998、0.841。實際值與預測值的相對誤差在0.89%～12.19%之間?？芍⒌腂P網(wǎng)絡(luò)模型具有較好的預測精確度。

2.2影響因素分析

2.2.1 BP神經(jīng)網(wǎng)絡(luò)模型預測

進一步分析各個輸入變量對電磁環(huán)境的影響程度，利用已建立的BP神經(jīng)網(wǎng)絡(luò)模型預測析因?qū)嶒炘O(shè)計的響應(yīng)值。析因?qū)嶒炘O(shè)計的因素水平設(shè)置見表2，析因設(shè)計實驗安排及預測結(jié)果見表3，預測了最大地面合成電場強度(Y1)，地面合成電場強度80%值(Y2)和直流磁感應(yīng)強度(Y3)值。

表1 電磁環(huán)境實際值與預測值對比

表2 析因設(shè)計因素水平設(shè)置

2.2.2 基于析因?qū)嶒炘O(shè)計的因素分析

在BP神經(jīng)網(wǎng)絡(luò)模型預測析因?qū)嶒炘O(shè)計結(jié)果的基礎(chǔ)上，分析各個因素(即BP神經(jīng)網(wǎng)絡(luò)模型的輸入變量)：X1、X2、X3、X4、X5和X6對響應(yīng)值(即BP神經(jīng)網(wǎng)絡(luò)模型的輸出變量)：Y1、Y2和Y3的主效應(yīng)和交互效應(yīng)的影響。

濕度和高度產(chǎn)生的主效應(yīng)對地面合成場強存在著顯著影響，其他因素及交互作用對Y1影響不顯著。單因素中的X4、X5和X6對Y1具有主效應(yīng)影響，X1×X4對Y1具有交互效應(yīng)影響。X4對電磁環(huán)境起著正效應(yīng)影響，電磁環(huán)境監(jiān)測值隨著線路工況負荷增大而增大；X5和X6對電磁環(huán)境起著負效應(yīng)作用，距離線路水平距離越遠及線路距地面高度越高，地面合成強度呈現(xiàn)減小的趨勢，該結(jié)論與許楊等[14-15]的研究結(jié)果一致。其他的考慮因素對電磁環(huán)境影響不顯著，可知不同區(qū)域的氣候條件對電磁環(huán)境影響較小。因此，在工程實際建設(shè)過程中，通過遠離居民住宅，或增大線路與地面距離是降低地面合成場強的主要措施，同時也可避免工程正常運行情況下對公眾日?；顒拥挠绊慬16]。Y1與Y2具有正相應(yīng)的關(guān)聯(lián)性，各因素對Y2影響與Y1一致。

各因素及其交互作用對Y3影響：X4、X5及X6產(chǎn)生的主效應(yīng)對直流磁感應(yīng)強度存在顯著影響，其他因素及其交互作用對Y3影響不顯著。X4、X5和X6對Y3具有主效應(yīng)影響，且X4起著正效應(yīng)作用，X5、X6對Y3具有負效應(yīng)作用，其對直流磁感應(yīng)強度影響趨勢與Y2類似，當線路工況負荷增加時，Y3監(jiān)測值增大，隨著水平距離、高度增大，Y3呈現(xiàn)降低趨勢，其與交流輸變電工程電磁環(huán)境衰減規(guī)律一致[17]。

2.3電磁環(huán)境空間分布

在析因?qū)嶒炘O(shè)計影響因素分析的基礎(chǔ)上，選取顯著影響因素X4、X5和X6，采用33中心復合設(shè)計實驗分析線路不同高度、不同水平距離的電磁環(huán)境分布情況。利用已建立的BP神經(jīng)網(wǎng)絡(luò)模型預測響應(yīng)值，得到的響應(yīng)曲面圖如圖1所示。

圖1 不同工況負荷條件下的電磁環(huán)境監(jiān)測值空間分布

圖1顯示了合成電場—最大地面合成電場強度；80%值—地面合成電場強度80%值；地面磁場感應(yīng)強度。從圖中可直觀地得到，直流線路附近的居民住宅隨著工況負荷的增大，Y1、Y2和Y3隨之增大；當線路工況負荷一定時，距離線路導線垂直距離越近，電磁環(huán)境監(jiān)測值越大；同樣距離邊導線水平距離越近，電磁環(huán)境監(jiān)測值越大。010m時，隨著X6的降低電磁環(huán)境值緩慢增大。

同樣，X6<30m時，電磁環(huán)境值隨著X5的減小而明顯增大；X5>30m時，隨著X5的減小電磁環(huán)境值增大幅度較小。

從上述分析可以看出，直流線路對居民影響最大區(qū)域在垂直距離小于30m、水平距離小于10m區(qū)域內(nèi)的居民住宅。在線路實際建設(shè)過程中，若線路附近有居民住宅，則應(yīng)適當抬高鐵塔架設(shè)高度，或者擺動線路路徑，確保工程對居民生活影響較小，避免發(fā)生環(huán)保拆遷現(xiàn)象，也避免后續(xù)工程運行過程中的發(fā)生公眾投訴糾紛，為直流工程的電磁污染控制提供理論指導。同時，為建立變電站附近區(qū)域的電磁環(huán)境預測模型提供了重要的思路，由于變電站電氣設(shè)備類型多而復雜，首先應(yīng)具體分析各個類型電氣設(shè)備的電磁環(huán)境貢獻情況，然后借鑒本文所建立模型思路并進行適當修正建立適合變電站的電磁環(huán)境BP神經(jīng)網(wǎng)絡(luò)模型，本文所建立模型對變電站附近的電磁環(huán)境預測具有重要借鑒意義。

表3 析因設(shè)計實驗預測結(jié)果

3 結(jié)語

利用建立的BP神經(jīng)網(wǎng)絡(luò)對析因?qū)嶒炘O(shè)計及中心復合實驗設(shè)計的不同環(huán)境因素(包括溫度、濕度、風速)、不同直流工程本身特性(包括工況負荷、垂直高度、水平距離)條件下的電磁環(huán)境響應(yīng)值進行了預測，并對影響因素的顯著性及電磁環(huán)境的空間分布進行了分析，主要結(jié)論如下：

(1)建立BP神經(jīng)網(wǎng)絡(luò)預測模型結(jié)構(gòu)中的隱層節(jié)點數(shù)設(shè)置為9，構(gòu)建三層前向反饋6×9×1結(jié)構(gòu)模型，最大訓練次數(shù)為15000，訓練目標為5.0×10-5，學習效率為0.01。BP神經(jīng)網(wǎng)絡(luò)模型預測最大地面合成電場強度、地面合成電場強度80%值的NSC為0.999、0.998、0.841。實際值與預測值得相對誤差在0.89%～12.19%之間。

(2)析因?qū)嶒炘O(shè)計分析結(jié)果表明，X4、X5和X6對Y1、Y2具有主效應(yīng)影響，X1×X4具有交互效應(yīng)影響；X4、X5及X6產(chǎn)生的主效應(yīng)對Y3存在顯著影響，其他因素及其交互作用對Y3影響不顯著。

(3)中心復合實驗設(shè)計結(jié)果表明，直流線路附近的居民住宅隨著工況負荷的增大，Y1、Y2和Y3均隨之增大；當線路工況負荷一定時，距離線路導線垂直距離越近，電磁環(huán)境監(jiān)測值與高度、水平距離成反比。直流線路主要影響的關(guān)注在垂直距離小于30m、水平距離小于10m區(qū)域內(nèi)的居民住宅。

(4)本研究建立了直流線路附近的電磁環(huán)境預測模型，該模型對推進直流、交流輸變電工程站和線路附近的電磁環(huán)境預測具有重要借鑒意義，有助于本研究在實際應(yīng)用中的實施和推廣。

[1]郭小帆.基于影響因素多級提取的輸變電工程投資預測研究[D].北京：華北電力大學2015.

[2]莫 華,王 萌.輸變電項目環(huán)評存在問題分析及對策建議[J].電力科技與環(huán)保,2007,23(4)：4-7.

[3]田子山,姚陳果,楊新春,等.500kV變電站工頻電場人體內(nèi)感應(yīng)電流的計算分析[J].電力科技與環(huán)保,2016,32(5):1-5.

[4]曹文勤,胡建偉,林 炬,等.高壓輸電線路感應(yīng)電研究[J].電力科技與環(huán)保,2015,31(5):4-5.

[5]邵海江,曹 勇,林 遠,等.《環(huán)境影響評價技術(shù)導則 輸變電工程》(HJ24-2014)解讀[J].環(huán)境影響評價,2015,37(1):24-26.

[6]羅繼文,張秋云.輸變電環(huán)評中工頻電場干擾問題研究[J].廣東化工,2012,39(6):25-26.

[7]羅 超,查智明,徐 鵬,等.1000kV特高壓交流輸電線路空間電磁環(huán)境的計算模型研究[J].電力科技與環(huán)保,2016,32(3):5-7.

[8]王鳳來,朱 飛,周 強.基于BP神經(jīng)網(wǎng)絡(luò)的灌孔砌塊砌體抗壓強度預測[J].建筑材料學報,2015,18(6):1010-1016.

[9]陳 磊,李長俊.基于BP神經(jīng)網(wǎng)絡(luò)預測硫在高含硫氣體中溶解度[J].石油與天然氣化工,2015,44(3):1-5.

[10]季丁魁.基于模糊優(yōu)選神經(jīng)網(wǎng)絡(luò)的輸變電工程項目經(jīng)濟后評價研究[D].保定:華北電力大學碩士學位論文,2010.

[11]龔宇晨.阿右旗220kV輸變電工程風險評價與經(jīng)濟效益分析研究[D].保定:華北電力大學碩士學位論文,2014.

[12]陳文隆,朱 毅,王 驥,等.交流輸變電設(shè)施電磁環(huán)境在線監(jiān)測深化研究[J].電力科技與環(huán)保,2015,31(6):1-3.

[13]楊行峻,鄭君里.人工神經(jīng)網(wǎng)絡(luò)[M].北京:高等教育出版社,1992.

[14]許 楊,張小青,楊大晟.高壓輸電線路工頻電磁環(huán)境[J].電力學報,2007,22(1):9-14.

[15]付朝國,黨亞兵,李 明.影響超高壓架空輸電線下電場的主要因素研究[J].電子質(zhì)量,2010,(5):81-83.

[16]樊東峰,張建立.特高壓輸變電工程環(huán)保糾紛產(chǎn)生原因及對策探討[J].華中電力,2011,24(4):41-44.

[17]李 妮,鄔 雄 ,張廣洲,等.特高壓工頻電磁場對人體健康影響及其曝露限值[J].高電壓技術(shù),2009,35(8):1842-1848.

Application of BP neural network prediction model to the electromagnetic fields

BP neural network model, established to integrate factors with electromagnetic fields, was combined with factorial experiment design and central composite design. The significance of selected factors which affected the electromagnetic fields was analyzed, and then the response-surface method was employed to visually display the spatial distribution of electromagnetic fields based on the central composite design method. Firstly, the BP neural network model was briefly developed using monitoring data, and Nash-Suttclife coefficients were 0.999、0.998 and 0.841 for the largest ground total electric field strength, the 80% value of ground total electric field strength and magnetic flux density respectively, the relative error of experimental and predictive values calculated was between 0.89% and 12.19%, which indicated the accuracy prediction of the model. Secondly, the results of the factorial experiment design demonstrated that the factors, such as temperature, humidity and wind speed, were not of the significance, and the factors including load, height and horizontal distance, were of the significance on the value of electromagnetic fields. Further more, the significant factors were used for central composite design, and the response-surface method was employed to visually display the spatial distribution of electromagnetic fields with the variation of load, height and horizontal distance, which showed that the focus of attention should be placed on the residents living in the area of the vertical dimension less than 30m and horizontal length less than 10m. In conclusion, this research could provide the theoretical support for controlling and protecting the pollution of electromagnetic. Meanwhile, a new idea was provided for BP neural network model of convertor station and substation communication engineering.

ground total electric field strength;magnetic flux density;BP neural network model;factorial experiment design；central composite design of experiment

X703.1

：B

：1674-8069(2017)04-005-05

2017-02-20；

：2017-03-29

劉建林(1982-)，男，北京市人，博士研究生，主要從事環(huán)境影響評價及環(huán)境污染控制化學方面的研究。E-mail：liujianlin1982@163.com