基于BP神經(jīng)網(wǎng)絡(luò)輸電線路山火隱患點識別

張曄+楊國田+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，對電網(wǎng)的穩(wěn)定運行構(gòu)成嚴重威脅。同時，輸電線路山火隱患點的影響因素眾多，目前的識別方法難以解決山火隱患點狀態(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識別方法。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與穩(wěn)定性狀態(tài)的相關(guān)性，然后通過神經(jīng)網(wǎng)絡(luò)模型建立起輸電線路山火隱患點狀態(tài)與各項評價因子之間的復(fù)雜非線性關(guān)系，并進行隱患點識別。以山西省為例，進行實際評估，并驗證該方法的正確性和可行性。實驗結(jié)果表明，所建立的神經(jīng)網(wǎng)絡(luò)評價模型具有較好的識別效果和可信度，與歷年來該區(qū)域的輸電線路山火隱患點調(diào)查結(jié)果相一致。

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

近年來，隨著我國電力行業(yè)的不斷擴大，越來越多的輸電線路穿越林區(qū)。同時，為了開發(fā)我國西南水電資源，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，對電網(wǎng)的穩(wěn)定運行構(gòu)成嚴重威脅，給人民生活帶來不便[2]。因此對輸電線路山火危險隱患點狀態(tài)進行判別研究具有很重要的現(xiàn)實意義。

文章針對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)的識別方法，并對輸電線路山火隱患點狀態(tài)進行實際評估。以山西省為例，驗證了所述方法的適用性和正確性。該方法可以比較準確地實現(xiàn)輸電線路山火隱患點狀態(tài)的識別。

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植被帶。

2 輸電線路山火災(zāi)害影響因素分析

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

圖1 輸電線路山火災(zāi)害因素及指標

對山火影響因素進行成份分析，得到火山隱患點穩(wěn)定性變異與各因素之間的相關(guān)性，也就是各因素對穩(wěn)定性變異的貢獻率[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，氣象各因素指標的影響差別不大，而人為因素對穩(wěn)定性變異的影響比其他指標稍大。

3 輸電線路山火隱患點評價方法

由上述分析可知，輸電線路山火隱患點狀態(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、不確定性以及隨機性，因此無法精確描述各因素對山火隱患點的影響程度。為了解決此類問題，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評價中。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，而隱含層用以存儲網(wǎng)絡(luò)參數(shù)。

3.2 山火隱患點評價模型建立

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評價模型應(yīng)包括：根據(jù)山火災(zāi)害特點建立合適的網(wǎng)絡(luò)結(jié)構(gòu)，然后根據(jù)評價指標體系及隱患點狀態(tài)建立訓(xùn)練樣本集及對應(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)進行預(yù)測。

4 實例分析

文章以山西省近幾年的輸電線路山火災(zāi)害為例，對上述山火隱患點識別步驟進行說明，并驗證該方法的正確性。

4.1 評價模型輸入

根據(jù)已建立的山火隱患點影響因素指標，選取其中的二級指標作為評價因子，并將評價因子的數(shù)量作為評價模型輸入層的神經(jīng)元個數(shù)，因此輸入層神經(jīng)元總數(shù)為7。

4.2 評價模型隱含層

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

4.3 評價模型輸出

將輸電線路山火隱患點狀態(tài)分為三個等級：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)元個數(shù)為1。

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

4.4 評價模型學(xué)習(xí)樣本集

學(xué)習(xí)樣本集的選取對于評價模型的建立至關(guān)重要。文章選取研究區(qū)內(nèi)60個已知隱患點狀態(tài)的樣本，隨機選取其中的40個樣本作為訓(xùn)練樣本，其余20個作為測試樣本。

4.5 評價模型訓(xùn)練

根據(jù)已建立的模型，用Matlab進行編程仿真。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)進行訓(xùn)練，其誤差收斂過程如圖2所示。網(wǎng)絡(luò)訓(xùn)練9522次后趨于收斂，達到所需誤差精度。

4.6 評價模型測試

用余下的20個樣本對訓(xùn)練好的網(wǎng)絡(luò)進行實際山火隱患點識別，以驗證該模型的正確性，測試結(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)的山火隱患點識別模型是正確有效的。endprint

5 結(jié)束語

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識別方法。該方法以山西省為例，分析了山火隱患點的影響因素，并通過神經(jīng)網(wǎng)絡(luò)模型建立起輸電線路山火隱患點狀態(tài)與各項評價因子之間的復(fù)雜非線性關(guān)系，從而實現(xiàn)隱患點識別。實驗結(jié)果表明，所建立的神經(jīng)網(wǎng)絡(luò)評價模型具有較好的識別效果和可信度，與歷年來該區(qū)域的輸電線路山火隱患點調(diào)查結(jié)果相一致。

參考文獻

[1]李享.淺議輸電線路防山火故障措施[J].中國電力教育，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]費宇.應(yīng)用數(shù)理統(tǒng)計[M].北京：科學(xué)出版社，2007.

[4]禹建穎.淺析中國森林火災(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）.

作者簡介：張曄（1989-），福建人，在讀碩士研究生，研究方向為模式識別與智能系統(tǒng)。endprint

5 結(jié)束語

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識別方法。該方法以山西省為例，分析了山火隱患點的影響因素，并通過神經(jīng)網(wǎng)絡(luò)模型建立起輸電線路山火隱患點狀態(tài)與各項評價因子之間的復(fù)雜非線性關(guān)系，從而實現(xiàn)隱患點識別。實驗結(jié)果表明，所建立的神經(jīng)網(wǎng)絡(luò)評價模型具有較好的識別效果和可信度，與歷年來該區(qū)域的輸電線路山火隱患點調(diào)查結(jié)果相一致。

參考文獻

[1]李享.淺議輸電線路防山火故障措施[J].中國電力教育，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]費宇.應(yīng)用數(shù)理統(tǒng)計[M].北京：科學(xué)出版社，2007.

[4]禹建穎.淺析中國森林火災(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）.

作者簡介：張曄（1989-），福建人，在讀碩士研究生，研究方向為模式識別與智能系統(tǒng)。endprint

5 結(jié)束語

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識別方法。該方法以山西省為例，分析了山火隱患點的影響因素，并通過神經(jīng)網(wǎng)絡(luò)模型建立起輸電線路山火隱患點狀態(tài)與各項評價因子之間的復(fù)雜非線性關(guān)系，從而實現(xiàn)隱患點識別。實驗結(jié)果表明，所建立的神經(jīng)網(wǎng)絡(luò)評價模型具有較好的識別效果和可信度，與歷年來該區(qū)域的輸電線路山火隱患點調(diào)查結(jié)果相一致。

參考文獻

[1]李享.淺議輸電線路防山火故障措施[J].中國電力教育，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]費宇.應(yīng)用數(shù)理統(tǒng)計[M].北京：科學(xué)出版社，2007.

[4]禹建穎.淺析中國森林火災(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）.

作者簡介：張曄（1989-），福建人，在讀碩士研究生，研究方向為模式識別與智能系統(tǒng)。endprint