1 引言
随着科技的进步和信号处理技术的发展，各种电子、电气设备所使用信号的强弱差距越来越大；与此同时，电力电子技术、数字技术及计算机的广泛应用，设备、信号间的相互干扰问题频繁出现，使得大型平台的电磁环境效应问题更加突出，大大影响了平台技战术指标的发挥和任务的开展。
对于大型平台而言，电磁环境的要素主要包括为了电网电磁环境和空间电磁环境，这两类电磁环境状态随时间和平台工况的不同而不断变化。由于平台上电磁环境关注点数量密集，电磁环境参数数量多，短时间内会产生大量的电磁环境数据，操作人员难以在短时间内完成数据的阅读和判别，严重影响了电磁环境的实时动态掌握。
为了降低异常电磁环境对平台正常运行状态的影响，能够使操作人员实时掌握电磁环境状态，需要将电磁环境各要素进行加权分析，形成电磁环境的综合态势。
2 电磁环境态势评价内容
根据平台用户特点，电磁环境态势综合评价模型所包含的具体内容如下：
（1）电网电磁环境综合态势
对电网上的电压有效值、电流有效值、电网电压总谐波失真（THD）、电压传导发射、电压瞬变尖峰等参数进行加权评估，得出电磁干扰风险“正常”、“较高”和“高”的结论。
（2）空间电场电磁环境综合态势
对平台上不同区域、不同频段的电场发射频谱分析结果进行加权评估，得出电磁干扰风险“正常”、“较高”和“高”的结论。
（3）空间磁场电磁环境综合态势
对平台上不同区域、不同频段的磁场发射频谱分析结果进行加权评估，得出电磁干扰风险“正常”、“较高”和“高”的结论。
3 实施方式
以下结合某平台应用场景，进一步详细说明。
平台上电气、电子设备所处的电磁环境包括了供电接口的电磁环境（包括电压有效值、电压频率、THD、单次谐波、低频传导发射、电压瞬变尖峰等要素）和空间电磁环境（包括空间电场、空间磁场两项要素），这些电磁环境要素对设备电磁兼容性的影响是不同的，为了准确评价设备所处位置的电磁环境态势，不能将上述要素都按同样的权重进行计算，应该根据影响的大小合理分配，综合评价。
3.1 电网电磁环境态势组成要素及其影响
电网电磁环境态势分析需要对被测部位（一般为配电箱）的所有组成要素的监测数据进行计算分析，再进行评分和加权处理后得出总的态势分析结果。具体说明如下。
a）电压有效值
电压有效值属于低频缓变的信号，用电设备一般有一定的抗电压波动能力，但是当电压波动超过一定范围后可能导致设备损坏等较为严重的后果。参考电压有效值的合理波动范围和用电设备的耐压等级，提出了电压有效值变化10%和20%两个节点，作为评分标准；同时考虑电压波动影响的严重程度，提出权重值为0.2。
b）电压频率
电压频率也属于低频缓变的信号，用电设备一般有一定的抗频率波动能力，但是当频率波动超过一定范围后可能导致设备损坏等较为严重的后果。参考电压频率的合理波动范围和用电设备的耐频偏等级，提出了电压频率变化2%和5%两个节点，作为评分标准；同时考虑电压波动影响的严重程度，提出权重值为0.15。
c）THD
THD也属于低频缓变的信号，用电设备一般有较好的抗THD能力，且THD的波动一般不会导致设备出现较为严重的后果。参考THD的合理波动范围，提出了THD变化5%和10%两个节点，作为评分标准；同时考虑到THD影响较为轻微，提出权重值为0.05。
d）单次谐波
单次谐波也属于低频缓变的信号，用电设备一般有较好的抗谐波干扰的能力，且谐波的波动一般不会导致设备出现较为严重的后果。参考谐波的合理波动范围，提出了3%和10%两个节点，作为评分标准；同时考虑到谐波干扰影响较为轻微，提出权重值为0.05。
e）电压低频传导发射
电压低频传导发射也属于低频缓变的信号，用电设备一般有较好的抗低频干扰的能力，且低频的波动一般不会导致设备出现较为严重的后果。参考标准规定的低频传导发射的合理波动范围，提出了6dB和12dB两个节点，作为评分标准；同时考虑到谐波干扰影响较为轻微，提出权重值为0.05。
f）电网瞬变尖峰
电网瞬变尖峰属于高频高电压瞬态电磁干扰，对用电设备的影响较大，参考标准规定的电网瞬变尖峰的合理范围及设备耐受瞬变尖峰的幅度，提出300V和600V两个节点；考虑到电网瞬变尖峰的影响较大，提出权重值为0.5。
综上所述，电网电磁环境态势分析应按下表1进行。
表1 电网电磁环境态势计分表
总分1分以内电磁环境态势显示“正常”，总分2分以上显示“电磁干扰风险高”，总分1（含）~2分显示“电磁干扰风险较高”。
以某AC220V/50Hz配电箱为例，监测到某一时刻该配电箱电压有效值为240V，电压频率为51Hz，THD为6%，单次谐波最大为4%，低频传导发射最大超标10dB，电压尖峰最大值为400V。
按表1的要求：
电压有效值波动不大于10%，计1分，乘以权重值0.2，得0.2分；
电压频率波动2%，计1分，乘以权重值0.15，得0.15分；
THD介于5%~10%，计2分，乘以权重值0.15，得0.3分；
单次谐波介于3%~10%，计2分，乘以权重值0.15，得0.3分；
低频传导发射最大超标10dB，介于6~12dB之间，计2分，乘以权重值0.05，得0.1分；
电网瞬变尖峰400V，介于300~600V之间，计2分，乘以权重值0.5，得1分；
以上得分合计，该AC220V/50Hz配电箱综合态势评分为：0.2+0.15+0.3+0.3+0.1+1=1.75，介于1~2之间，因此该部位的电磁环境综合态势显示为：“电磁干扰风险较高”。
操作人员如需进一步了解高风险的原因，可以展开监测数据进行具体判读。
3.2 电场电磁环境态势组成要素及其影响
电场的电磁环境态势是对不同测试部位的电场辐射发射进行加权计算后得到的，针对不同测试位置有不同的算法。
参考电场的标准要求，以100dBμV/m为基准，超标（100dBμV/m）6dB（含）以内分值为1分，6~12dB（含）分值为2分，超标12dB以上为分值为3分。
不同测试部位的电场因频段和测试部位而有不同的权重。对于主电站其电场辐射发射在10kHz~30MHz范围内加权值均为1；其他部位因频段不同加权值不同，具体见表2。
表2 电场电磁环境态势计分表
总分1分以内电磁环境态势显示“正常”，总分2分以上显示“电磁干扰风险高”，总分1（含）~2分显示“电磁干扰风险较高”。
根据表2的要求，主电站测点的分值即对应状态值；其他测点得分在1.5（含）~2分之间为“较高”，2分以上为“高”，1.5分以下为“正常”。
以某计算机系统安装部位为例，该部位电场的测试结果在10kHz~500kHz超标5dB，计1分，乘以加权值0.2，得0.2分；500kHz~10MHz超标12dB，计2分，乘以加权值0.5，得1分；10MHz~30MHz超标15dB，计3分，乘以加权值0.3，得0.9分。综上，该部位电场电磁环境总分为：0.2+1+0.9=2.1分，则该部位电场电磁环境态势应显示为：“电磁干扰风险高”。
操作人员如需进一步了解高风险的原因，可以展开监测数据进行具体判读。
3.3 磁场电磁环境综合评价模型
磁场的电磁环境态势是对不同测试部位的磁场辐射发射进行加权计算后得到的，针对不同测试位置有不同的算法。
参考舱室磁场的标准要求，以标准规定为基准，超标6dB（含）以内分值为1分，6~12dB（含）分值为2分，超标12dB以上分值为3分。
不同测试部位的磁场因频段和测试部位而有不同的权重。对于主电站其磁场辐射发射在25Hz~100kHz范围内加权值均为1；其他部位因频段不同加权值不同，具体见表3。
表3 磁场电磁环境态势计分表
总分1分以内电磁环境态势显示“正常”，总分2分以上显示“电磁干扰风险高”，总分1（含）~2分显示“电磁干扰风险较高”。
根据表3的要求，主电站测点的分值即对应状态值；其他测点得分在1.5（含）~2分之间为“较高”，2分以上为“高”，1.5分以下为“正常”。
以某计算机系统安装部位为例，该部位磁场的测试结果在25Hz~100Hz超标5dB，计1分，乘以加权值0.2，得0.2分；100Hz~20kHz超标12dB，计2分，乘以加权值0.5，得1分；20kHz~100kHz超标15dB，计3分，乘以加权值0.3，得0.9分。综上，该部位磁场电磁环境总分为：0.2+1+0.9=2.1分，则该部位磁场电磁环境态势应显示为：“电磁干扰风险高”。
操作人员如需进一步了解高风险的原因，可以展开监测数据进行具体判读。
4 结论
本文针对电磁环境态势要素条目多、数据量大、时变性强的具体特点，提出的电磁环境态势综合评价方法，通过对平台电磁环境数据的实时加权分析情况，得出总体电磁环境态势分析结果。具体而言，本文提出的方法具有如下优势：
（1）将电磁环境监测的多种数据进行了加权处理，降低了数据呈现的复杂程度，实现了电磁环境态势的直观呈现；
（2）基于标准规定实现电磁环境监测数据的加权评价，保证了加权模型的可信度。
通过将本文提出的评价方法应用于电磁环境态势的实时评估，可以有效实现大型平台不同位置电磁环境态势的宏观快速掌握，便于平台电磁兼容状态的评估、评价。
参考文献
[1] 银涛,俞集辉.基于人工神经网络送电线路工程造价的快速估算[J].重庆大学学报:自然科学版,2007,30(1):36-41.
YIN Tao, YU Ji-hui. Cost estimation of transmission line based on artification neural network[J]. Journal of Chongqing University: Natural Science Edition, 2007,30(1):36-41.
[2] 符俊,吴淑利. BP 神经网络在工程造价估算中的应用[J].交通科技与经济,2005,5(3): 22-23.
Fu Jun, Wu Shu-li. Application of BP neural network in engineering cost estimation[J]. Technology&Economy in Areas of Communications, 2005,5(3):22-23.
[3] 高印寒,马喜来,陈如娜.基于模糊推理的汽车电磁兼容预测技术[J].吉林大学学报:工学版,2006,36(5):399-403.
GAO Yin-han,MA Xi-lai,CHEN Ru-na. Electromagnetic compatibility prediction of automobile based on fuzzy inference[J]. Journal of Jilin University:Engineering and Technology Edition,2006,36(5):399-403.
[4] Behzadi S S etc. Comparison between two types of artificial neural networks used for validation of pharmaceutical processes[J]. Powder Technology, 2009,195(2):150-157.
[5] 李永明等.电磁兼容的人工神经网络预测技术分析[J].重庆大学学报,2008,31(11): 1313-1316.
