基于BP神經(jīng)網(wǎng)絡(luò)輸電線路山火隱患點(diǎn)識(shí)別

張曄+楊國(guó)田+于磊

摘 要：隨著全球氣候持續(xù)升溫，山火出現(xiàn)的概率不斷上升，導(dǎo)致輸電線路跳閘停電事故頻繁發(fā)生，對(duì)電網(wǎng)的穩(wěn)定運(yùn)行構(gòu)成嚴(yán)重威脅。同時(shí)，輸電線路山火隱患點(diǎn)的影響因素眾多，目前的識(shí)別方法難以解決山火隱患點(diǎn)狀態(tài)與各因素之間的復(fù)雜非線性關(guān)系。為此，文章提出了一種基于BP神經(jīng)網(wǎng)絡(luò)輸電線路山火隱患點(diǎn)識(shí)別方法。首先確定了輸電線路山火災(zāi)害影響因素，根據(jù)山火歷史資料分析了影響因素指標(biāo)與穩(wěn)定性狀態(tài)的相關(guān)性，然后通過(guò)神經(jīng)網(wǎng)絡(luò)模型建立起輸電線路山火隱患點(diǎn)狀態(tài)與各項(xiàng)評(píng)價(jià)因子之間的復(fù)雜非線性關(guān)系，并進(jìn)行隱患點(diǎn)識(shí)別。以山西省為例，進(jìn)行實(shí)際評(píng)估，并驗(yàn)證該方法的正確性和可行性。實(shí)驗(yàn)結(jié)果表明，所建立的神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)模型具有較好的識(shí)別效果和可信度，與歷年來(lái)該區(qū)域的輸電線路山火隱患點(diǎn)調(diào)查結(jié)果相一致。

關(guān)鍵詞：輸電線路；山火隱患點(diǎn)；BP神經(jīng)網(wǎng)絡(luò)

近年來(lái)，隨著我國(guó)電力行業(yè)的不斷擴(kuò)大，越來(lái)越多的輸電線路穿越林區(qū)。同時(shí)，為了開(kāi)發(fā)我國(guó)西南水電資源，使水電廠輸出線路跨越森林的概率增加[1]。然而，由于全球氣候日益變暖以及林區(qū)人類活動(dòng)的加劇，導(dǎo)致林區(qū)輸電線路附近山火發(fā)生的概率不斷增漲。山火不僅燒毀大片林區(qū)，還將導(dǎo)致該區(qū)域電網(wǎng)中多條輸電線路的跳閘停電事故，對(duì)電網(wǎng)的穩(wěn)定運(yùn)行構(gòu)成嚴(yán)重威脅，給人民生活帶來(lái)不便[2]。因此對(duì)輸電線路山火危險(xiǎn)隱患點(diǎn)狀態(tài)進(jìn)行判別研究具有很重要的現(xiàn)實(shí)意義。

文章針對(duì)山西省輸電線路山火災(zāi)害，分析了山火災(zāi)害的影響因素，以山西省近幾年發(fā)生輸電線路山火災(zāi)害的歷史資料為基礎(chǔ)，提出一種基于BP神經(jīng)網(wǎng)絡(luò)的識(shí)別方法，并對(duì)輸電線路山火隱患點(diǎn)狀態(tài)進(jìn)行實(shí)際評(píng)估。以山西省為例，驗(yàn)證了所述方法的適用性和正確性。該方法可以比較準(zhǔn)確地實(shí)現(xiàn)輸電線路山火隱患點(diǎn)狀態(tài)的識(shí)別。

1 研究區(qū)域概況

研究區(qū)地貌多為黃土廣泛覆蓋的山地高原，地勢(shì)東北高西南低，高原內(nèi)部起伏不平，河谷縱橫，地貌類型復(fù)雜多樣，有山地、丘陵、臺(tái)地、平原，山多川少。由于省境東部山嶺阻擋，氣候受海洋影響較弱，在氣候類型上屬于溫帶大陸性季風(fēng)氣候。同時(shí)該區(qū)域所處緯度地帶性明顯，水熱條件差異大，受水熱配置狀況的影響，由東南向西北形成了暖溫帶和溫帶兩個(gè)氣候帶，相應(yīng)的形成了暖溫帶夏綠闊綠林和溫帶草原兩個(gè)植被帶。

2 輸電線路山火災(zāi)害影響因素分析

針對(duì)輸電線路山火災(zāi)害的影響因素，研究空間預(yù)測(cè)方法。輸電線路山火災(zāi)害的因素及指標(biāo)如圖1所示。以山西省為例，根據(jù)輸電線路山火的發(fā)生條件，將隱患點(diǎn)狀態(tài)劃分為三類：穩(wěn)定、欠穩(wěn)定和不穩(wěn)定。統(tǒng)計(jì)分析了山西省輸電線路山火災(zāi)害隱患點(diǎn)的各類特征參數(shù)。

圖1 輸電線路山火災(zāi)害因素及指標(biāo)

對(duì)山火影響因素進(jìn)行成份分析，得到火山隱患點(diǎn)穩(wěn)定性變異與各因素之間的相關(guān)性，也就是各因素對(duì)穩(wěn)定性變異的貢獻(xiàn)率[3]，如表1所示。

表1 穩(wěn)定性變異分析 %

由表1可知，地貌類型和植被類型的影響較小，氣象各因素指標(biāo)的影響差別不大，而人為因素對(duì)穩(wěn)定性變異的影響比其他指標(biāo)稍大。

3 輸電線路山火隱患點(diǎn)評(píng)價(jià)方法

由上述分析可知，輸電線路山火隱患點(diǎn)狀態(tài)是由輸電線路附近的多種影響因素相互作用而成，它們之間存在著非線性、不確定性以及隨機(jī)性，因此無(wú)法精確描述各因素對(duì)山火隱患點(diǎn)的影響程度。為了解決此類問(wèn)題，文章將神經(jīng)網(wǎng)絡(luò)模型應(yīng)用于輸電線路山火隱患點(diǎn)評(píng)價(jià)中。人工神經(jīng)網(wǎng)絡(luò)能夠在不知道輸出變量與輸入變量之間關(guān)系的情況下，較好地獲得兩者間的非線性映射關(guān)系。

3.1 BP神經(jīng)網(wǎng)絡(luò)模型

BP神經(jīng)網(wǎng)絡(luò)是目前應(yīng)用最廣、最完善的人工神經(jīng)網(wǎng)絡(luò)模型，它由輸入層、隱含層及輸出層組成，隱含層一般采用單隱含層網(wǎng)絡(luò)。其中輸入層用以將外部信息輸入到神經(jīng)網(wǎng)絡(luò)中，輸出層根據(jù)輸入信息做出相應(yīng)的決策，而隱含層用以存儲(chǔ)網(wǎng)絡(luò)參數(shù)。

3.2 山火隱患點(diǎn)評(píng)價(jià)模型建立

根據(jù)上述神經(jīng)網(wǎng)絡(luò)理論和算法步驟，建立輸電線路山火隱患點(diǎn)評(píng)價(jià)模型應(yīng)包括：根據(jù)山火災(zāi)害特點(diǎn)建立合適的網(wǎng)絡(luò)結(jié)構(gòu)，然后根據(jù)評(píng)價(jià)指標(biāo)體系及隱患點(diǎn)狀態(tài)建立訓(xùn)練樣本集及對(duì)應(yīng)的期望輸出，并用以訓(xùn)練網(wǎng)絡(luò)直至收斂，最后用訓(xùn)練好的網(wǎng)絡(luò)進(jìn)行預(yù)測(cè)。

4 實(shí)例分析

文章以山西省近幾年的輸電線路山火災(zāi)害為例，對(duì)上述山火隱患點(diǎn)識(shí)別步驟進(jìn)行說(shuō)明，并驗(yàn)證該方法的正確性。

4.1 評(píng)價(jià)模型輸入

根據(jù)已建立的山火隱患點(diǎn)影響因素指標(biāo)，選取其中的二級(jí)指標(biāo)作為評(píng)價(jià)因子，并將評(píng)價(jià)因子的數(shù)量作為評(píng)價(jià)模型輸入層的神經(jīng)元個(gè)數(shù)，因此輸入層神經(jīng)元總數(shù)為7。

4.2 評(píng)價(jià)模型隱含層

文章采用三層BP神經(jīng)網(wǎng)絡(luò)，其隱含層個(gè)數(shù)為1，神經(jīng)元個(gè)數(shù)不少于2m/3個(gè)（m為模型輸入層神經(jīng)元個(gè)數(shù)），因此評(píng)價(jià)模型隱含層的神經(jīng)元個(gè)數(shù)應(yīng)不少于5個(gè)。

4.3 評(píng)價(jià)模型輸出

將輸電線路山火隱患點(diǎn)狀態(tài)分為三個(gè)等級(jí)：穩(wěn)定狀態(tài)、欠穩(wěn)定狀態(tài)和不穩(wěn)定狀態(tài)，并用數(shù)字1、2、3分別表示作為相應(yīng)網(wǎng)絡(luò)的輸出，其輸出層神經(jīng)元個(gè)數(shù)為1。

文章輸電線路山火隱患點(diǎn)BP神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)模型的結(jié)構(gòu)為7-8-1。

4.4 評(píng)價(jià)模型學(xué)習(xí)樣本集

學(xué)習(xí)樣本集的選取對(duì)于評(píng)價(jià)模型的建立至關(guān)重要。文章選取研究區(qū)內(nèi)60個(gè)已知隱患點(diǎn)狀態(tài)的樣本，隨機(jī)選取其中的40個(gè)樣本作為訓(xùn)練樣本，其余20個(gè)作為測(cè)試樣本。

4.5 評(píng)價(jià)模型訓(xùn)練

根據(jù)已建立的模型，用Matlab進(jìn)行編程仿真。訓(xùn)練誤差取為1e-3，并將歸一化后的訓(xùn)練樣本輸入網(wǎng)絡(luò)進(jìn)行訓(xùn)練，其誤差收斂過(guò)程如圖2所示。網(wǎng)絡(luò)訓(xùn)練9522次后趨于收斂，達(dá)到所需誤差精度。

4.6 評(píng)價(jià)模型測(cè)試

用余下的20個(gè)樣本對(duì)訓(xùn)練好的網(wǎng)絡(luò)進(jìn)行實(shí)際山火隱患點(diǎn)識(shí)別，以驗(yàn)證該模型的正確性，測(cè)試結(jié)果如表2所示。

由表2可以看出，該模型的輸出結(jié)果與歷年來(lái)該區(qū)域的調(diào)查結(jié)果基本相符，因此基于BP神經(jīng)網(wǎng)絡(luò)的山火隱患點(diǎn)識(shí)別模型是正確有效的。endprint

5 結(jié)束語(yǔ)

文章提出了一種基于BP神經(jīng)網(wǎng)絡(luò)輸電線路山火隱患點(diǎn)識(shí)別方法。該方法以山西省為例，分析了山火隱患點(diǎn)的影響因素，并通過(guò)神經(jīng)網(wǎng)絡(luò)模型建立起輸電線路山火隱患點(diǎn)狀態(tài)與各項(xiàng)評(píng)價(jià)因子之間的復(fù)雜非線性關(guān)系，從而實(shí)現(xiàn)隱患點(diǎn)識(shí)別。實(shí)驗(yàn)結(jié)果表明，所建立的神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)模型具有較好的識(shí)別效果和可信度，與歷年來(lái)該區(qū)域的輸電線路山火隱患點(diǎn)調(diào)查結(jié)果相一致。

參考文獻(xiàn)

[1]李享.淺議輸電線路防山火故障措施[J].中國(guó)電力教育，2009，S1：240.

[2]Yen Kheng Tan， Sanjib Kumar Panda. Self-autonomous wireless sensor nodes with wind energy harvesting for remote sensing of wind-driven wildfire spread[J]. IEEE Transactions on Instrumentation and Measurement，2011，60（4）：1367-1377.

[3]費(fèi)宇.應(yīng)用數(shù)理統(tǒng)計(jì)[M].北京：科學(xué)出版社，2007.

[4]禹建穎.淺析中國(guó)森林火災(zāi)影響因素及發(fā)生的原因[J].黑龍江科技信息，2011.

[5]Mark A. Finney. Calculation of fire spread rates across random landscapes[J]. International Journal of Wildland Fire，2003，12：167-174.

[6]Chuvieco Emilo. Application of remote sensing and geographic information system to forest fire hazard， mapping， remote sensor[M]. Environ. 1989：147-l59.

[7]Hefeeda， M.， Bagheri， M. Wireless sensor network for early detection of forest fires[C]. IEEE International Conference on Mobile Adhoc and Sensor Systems at Pisa，2007，10：1-6.

[8]張融民.淺析森林火災(zāi)的氣象與人為因素及預(yù)防措施[J].黑龍江氣象，2011，29（1）.

作者簡(jiǎn)介：張曄（1989-），福建人，在讀碩士研究生，研究方向?yàn)槟Ｊ阶R(shí)別與智能系統(tǒng)。endprint

5 結(jié)束語(yǔ)

文章提出了一種基于BP神經(jīng)網(wǎng)絡(luò)輸電線路山火隱患點(diǎn)識(shí)別方法。該方法以山西省為例，分析了山火隱患點(diǎn)的影響因素，并通過(guò)神經(jīng)網(wǎng)絡(luò)模型建立起輸電線路山火隱患點(diǎn)狀態(tài)與各項(xiàng)評(píng)價(jià)因子之間的復(fù)雜非線性關(guān)系，從而實(shí)現(xiàn)隱患點(diǎn)識(shí)別。實(shí)驗(yàn)結(jié)果表明，所建立的神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)模型具有較好的識(shí)別效果和可信度，與歷年來(lái)該區(qū)域的輸電線路山火隱患點(diǎn)調(diào)查結(jié)果相一致。

參考文獻(xiàn)

[1]李享.淺議輸電線路防山火故障措施[J].中國(guó)電力教育，2009，S1：240.

[2]Yen Kheng Tan， Sanjib Kumar Panda. Self-autonomous wireless sensor nodes with wind energy harvesting for remote sensing of wind-driven wildfire spread[J]. IEEE Transactions on Instrumentation and Measurement，2011，60（4）：1367-1377.

[3]費(fèi)宇.應(yīng)用數(shù)理統(tǒng)計(jì)[M].北京：科學(xué)出版社，2007.

[4]禹建穎.淺析中國(guó)森林火災(zāi)影響因素及發(fā)生的原因[J].黑龍江科技信息，2011.

[5]Mark A. Finney. Calculation of fire spread rates across random landscapes[J]. International Journal of Wildland Fire，2003，12：167-174.

[6]Chuvieco Emilo. Application of remote sensing and geographic information system to forest fire hazard， mapping， remote sensor[M]. Environ. 1989：147-l59.

[7]Hefeeda， M.， Bagheri， M. Wireless sensor network for early detection of forest fires[C]. IEEE International Conference on Mobile Adhoc and Sensor Systems at Pisa，2007，10：1-6.

[8]張融民.淺析森林火災(zāi)的氣象與人為因素及預(yù)防措施[J].黑龍江氣象，2011，29（1）.

作者簡(jiǎn)介：張曄（1989-），福建人，在讀碩士研究生，研究方向?yàn)槟Ｊ阶R(shí)別與智能系統(tǒng)。endprint

5 結(jié)束語(yǔ)

文章提出了一種基于BP神經(jīng)網(wǎng)絡(luò)輸電線路山火隱患點(diǎn)識(shí)別方法。該方法以山西省為例，分析了山火隱患點(diǎn)的影響因素，并通過(guò)神經(jīng)網(wǎng)絡(luò)模型建立起輸電線路山火隱患點(diǎn)狀態(tài)與各項(xiàng)評(píng)價(jià)因子之間的復(fù)雜非線性關(guān)系，從而實(shí)現(xiàn)隱患點(diǎn)識(shí)別。實(shí)驗(yàn)結(jié)果表明，所建立的神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)模型具有較好的識(shí)別效果和可信度，與歷年來(lái)該區(qū)域的輸電線路山火隱患點(diǎn)調(diào)查結(jié)果相一致。

參考文獻(xiàn)

[1]李享.淺議輸電線路防山火故障措施[J].中國(guó)電力教育，2009，S1：240.

[2]Yen Kheng Tan， Sanjib Kumar Panda. Self-autonomous wireless sensor nodes with wind energy harvesting for remote sensing of wind-driven wildfire spread[J]. IEEE Transactions on Instrumentation and Measurement，2011，60（4）：1367-1377.

[3]費(fèi)宇.應(yīng)用數(shù)理統(tǒng)計(jì)[M].北京：科學(xué)出版社，2007.

[4]禹建穎.淺析中國(guó)森林火災(zāi)影響因素及發(fā)生的原因[J].黑龍江科技信息，2011.

[5]Mark A. Finney. Calculation of fire spread rates across random landscapes[J]. International Journal of Wildland Fire，2003，12：167-174.

[6]Chuvieco Emilo. Application of remote sensing and geographic information system to forest fire hazard， mapping， remote sensor[M]. Environ. 1989：147-l59.

[7]Hefeeda， M.， Bagheri， M. Wireless sensor network for early detection of forest fires[C]. IEEE International Conference on Mobile Adhoc and Sensor Systems at Pisa，2007，10：1-6.

[8]張融民.淺析森林火災(zāi)的氣象與人為因素及預(yù)防措施[J].黑龍江氣象，2011，29（1）.

作者簡(jiǎn)介：張曄（1989-），福建人，在讀碩士研究生，研究方向?yàn)槟Ｊ阶R(shí)別與智能系統(tǒng)。endprint