CN103093111A - 基于精细网格的电网雷电灾害风险评估技术方法 - Google Patents

Abstract

本发明公开了基于精细网格的电网雷电灾害风险评估技术方法，分析在以土地精细网格为基本评价单元下电网遭遇雷电灾害的易损性，包括：1）根据土地类型，分析确定其与地闪密度的相关系数，进行显著性检验；2）确定气候背景与地闪密度的相关系数，进行显著性检验；3）采用灰色关联度方法确定雷电灾害风险指标的权重；4）对雷电灾害风险指标的权重进行量化；5）以土地精细网格为基本评价单元，建立电网雷电灾害风险评估模型。本发明建立了雷电灾害中电网脆弱性的精细空间量化GIS模型，提出了电网雷害风险评估模型，以精细空间网格为基本评价单元，对雷电灾害中电网脆弱性脆弱性做空间量化研究，适用范围广，准确性高。

Description

基于精细网格的电网雷电灾害风险评估技术方法

技术领域

本发明涉及灾害风险评估领域，尤其是涉及一种基于精细网格的电网雷电灾害风险评估技术方法。

背景技术

目前对电网雷害风险的评估方法主要为基于雷击跳闸率作为评价指标,尚未建立完善的评估体系,随着评估要求的提高,对评估的精细程度与空间的表现方式提出了更高的要求,传统的方法与技术不能满足需要。例如，中国专利文献就公开了一种名为“区域输电线路雷击闪络风险评估方法”的发明专利，其授权公告号为CN 102156787 B，授权公告日为2012年12月12日，主要发明内容是，包括数据库、绕击风险评估模型、反击风险评估模型和风险值综合模块，数据库用于提供各种参数及参数的取值，绕击风险评估模型主要采用改进电气几何模型算法求出绕击跳闸率，反击风险评估模型采用规程法计算反击跳闸率，风险值综合模块将绕击跳闸率和反击跳闸率相加得到总的雷击跳闸率。上述专利即是以雷击跳闸率进行风险评估的方法，属于传统技术；现在出现了利用地理信息系统（GIS，Geographic Information Systems）进行风险评估的技术，GIS技术不仅可以有效地管理具有空间属性的各种资源环境信息，对资源环境管理和实践模式进行快速和重复的分析测试，便于制定决策、进行科学和政策的标准评价，而且可以有效地对多时期的资源环境状况及生产活动变化进行动态监测和分析比较，也可将数据收集、空间分析和决策过程综合为一个共同的信息流，明显地提高工作效率和经济效益，为解决资源环境问题及保障可持续发展提供技术支持。

发明内容

本发明是为了解决现有的电网雷害风险评估方法已经不能满足对评估的精细程度与空间的表现方式等要求的问题，提供一种基于精细网格的电网雷电灾害风险评估技术方法，分析在以土地精细网格为基本评价单元下电网遭遇雷电灾害的易损性，基于GIS技术建立了雷电灾害中电网脆弱性的精细空间量化GIS模型，提出了基于外部环境(地理及气象背景)的电网雷害风险评估模型，并对此过程中所得数据进行检验，包括显著性检验和相关分析。

为了实现上述目的，本发明采用以下技术方案：基于精细网格的电网雷电灾害风险评估技术方法，分析在以土地精细网格为基本评价单元下电网遭遇雷电灾害的易损性，包括以下步骤：1）根据土地类型，分析确定其与地闪密度的相关系数，并进行显著性检验；2）确定气候背景与地闪密度的相关系数，并进行显著性检验；3）采用灰色关联度方法确定雷电灾害风险指标的权重；4）对雷电灾害风险指标的权重进行量化；5）以土地精细网格为基本评价单元，建立电网雷电灾害风险评估模型。本发明采用地理信息系统技术并对电网建立足够精细的空间网格划分，每个网格既可以单独进行评估，也可以若干个网格合并进行评估，从电网雷电灾害预警预报、电网雷电灾害监测调查到电网雷电灾情评估等各个方面；在电网雷害中，统计证明除了个别个例有大尺度天气系统以外，造成大范围跳闸雷害事故发生时的天气大多数无有利于强对流发生发展的的大尺度天气系统，这说明造成大范围跳闸雷害事故的天气系统以小尺度局地性的系统为主，而小尺度局地性系统的发生发展与地形、地貌、土地利用类型、大型水体、城市热岛效应等有很大关系。

作为优选，所述的土地类型包括居民用地、城镇用地、水域、旱地、林地、草地、水田。在电网雷害中，电网设备所处的不同的下垫面土地利用类型,在很大程度上决定了其所承受的雷电灾害的打击程度,也就是其灾害脆弱性程度，要确定不同土地类型针对不同灾害的潜在易损性的权重，可采取数学方法、专家打分法和层次分析法分别或相结合计算不同土地类型针对电网雷害的潜在易损性因子，并对所得数据进行显著性检验，显著性检验是为要判断样本与我们对总体所做的假设之间的差异是纯属机会变异，还是由我们所做的假设与总体真实情况之间不一致所引起的。

作为优选，所述的气候背景包括气温、降水量、相对湿度、风速、太阳总辐射等气象要素。对观察到的地闪频次进行Pearson相关分析，计算各气象要素与地闪现象的相关系数，并分别进行显著性检验，可确定气温、降水量、相对湿度、风速、太阳总辐射等气象要素与地闪现象显著相关；相关分析（correlation analysis）中的Pearson相关系数是指对定距连续变量的数据进行计算，相关分析是研究现象之间是否存在某种依存关系，并对具体有依存关系的现象探讨其相关方向以及相关程度，是研究随机变量之间的相关关系的一种统计方法。

作为优选，所述的雷电灾害风险指标包括雷电密度、海拔高度、气候背景、地面倾角。指标权重的确定采用灰色关联度方法，基本上灰色关联度分析是依据各因素数列曲线形状的接近程度做发展态势的分析，以土地为行，以雷电灾害风险指标为列，进行分析计算，得出各雷电灾害风险指标权重。

作为优选，所述的电网雷电灾害风险评估模型根据土地精细网格每个网格内各种土地类型所占的面积比例，确定该网格的电网雷电灾害易损性因子。不可避免的，网格化后得到的格网区域可能有落在多个土地类型的情况，可采用面积权重内插法来实现最大限度地合理推定这些格网区域上的潜在易损性因子（通过一定的线性规则转化为该格网区域的风险对象脆弱程度），此方法根据规则格网区域内各土地类型区域所占面积的百分比来确定格网区域的潜在易损性因子，主要步骤如下：a)找出落在各个规则格网区域上的土地类型；b)确定各个土地类型与规则格网区域相交部分的面积，并计算其占格网区域面积的百分比；c)按照面积比例的多少来分配潜在易损性因子。

因此，本发明具有如下有益效果：（1）建立了雷电灾害中电网脆弱性的精细空间量化GIS模型，提出了电网雷害风险评估模型；（2）以精细空间网格为基本评价单元，对雷电灾害中电网脆弱性脆弱性做精细空间量化研究；（3）适用范围广，评估准确性高。

附图说明

图1是本发明的一种精细网格示意图。

图2是本发明的单个网格风险评估示意图。

图3是本发明气候背景与地闪密度的相关系数示意图。

图中：1、土地风险对象A    2、土地风险对象B    3、土地风险对象C  

      4、土地风险对象D。    

具体实施方式

下面结合附图对本发明做进一步的描述。

基于精细网格的电网雷电灾害风险评估技术方法，分析在以土地精细网格为基本评价单元下电网遭遇雷电灾害的易损性，包括以下步骤：1）根据土地类型，分析确定其与地闪密度的相关系数，并进行显著性检验；2）确定气候背景与地闪密度的相关系数，并进行显著性检验；3）采用灰色关联度方法确定雷电灾害风险指标的权重；4）对雷电灾害风险指标的权重进行量化；5）以土地精细网格为基本评价单元，建立电网雷电灾害风险评估模型；其中，土地类型包括居民用地、城镇用地、水域、旱地、林地、草地、水田，气候背景包括气温、降水量、相对湿度、风速、太阳总辐射等气象要素，雷电灾害风险指标包括雷电密度、海拔高度、气候背景、地面倾角，电网雷电灾害风险评估模型根据土地精细网格每个网格内各种土地类型所占的面积比例，确定该网格的电网雷电灾害易损性因子。

具体实施过程是，选取某地为例，某地包括有草地、城镇用地、旱地、林地、居民用地、水田、水域等土地类型，根据土地利用类型的栅格数据与地闪密度进行相关分析，求得其相关系数，并逐一进行显著性检验，获得下表：

土地利用类型	相关系数	显著性
			草地	-0.155	通过0.01检验
城镇用地	-0.024	通过0.01检验
			旱地	-0.045	通过0.01检验
林地	0.288	通过0.01检验
			农民用地	-0.021	通过0.05检验
水田	-0.217	通过0.01检验
			水域	-0.095	通过0.01检验

由上表可见，除了林地外，其他土地类型和地闪密度成负相关关系，全部土地类型的相关系数都通过了显著性的检验，林地与年均地闪密度成正相关关系，这说明，地闪容易在林地上发生，而地闪密度与水田成负相关关系，这说明，地闪不易在水田上发生，其他土地利用类型由于相关系数太小，与地闪密度的关系可以忽略。

对某地气象背景中的气温、降水量、相对湿度、风速、太阳总辐射等气象要素与地闪密度的相关系数进行Pearson相关分析，计算相关系数，并分别进行显著性检验，所得结果如图3所示，从图中可以看出，某地的地闪频次与气温的相关性最高，其次是太阳总辐射，这两个因素都能促使不稳定能量产生，而不稳定能量是雷暴（地闪）产生的必要前提，这也说明了下垫面增温幅度、热对流的强弱是导致某地地闪发生和多寡的主要因素。

对某地雷电灾害风险指标，包括雷电密度、海拔高度、气候背景、地面倾角采用灰色关联度方法确定其权重，首先构建基础数据表，如下表：

县名	雷电密度	海拔高度	气候背景	……	地面倾角
						XX地	11	753.6	7	……	7.1
XX地	13	358.4	5	……	9
						XX地	11	964.8	3	……	3.1
XX地	15	432.7	3	……	2.5
						XX地	2	521.9	7	……	2.5
XX地	6	352.5	3	……	1.1
						XX地	1	574.3	5	……	4.2
……	……	……	……	……	……
						……	……	……	……	……	……

以上数据表各列为雷电风险区划指标，组成数列Xi={X1,X2,X3, X4}；各行为某地各行政区，作为比较点，构成数列Yj= {Y1,Y2,Y3……}（j=1,2,3……）；其次，对基础数据表进行极性变换和均值化变换，使之化为数量级大体相近的无量纲数据，以实现可比性，以第一列雷电密度为参考数列，根据公式

进行计算，即参考数列减去其他列，然后求绝对值，得绝对差数列如下表：

	Δ12	Δ13	Δ14
				XX县	0.1718	0.0022	1.1457
XX县	1.1558	0.8208	1.6027
				XX县	0.7110	1.0022	0.4869
XX县	1.2847	1.6394	1.3690
				XX县	1.0139	1.4314	0.7018
XX县	0.0558	0.2058	0.5068
				……	……	……	……

由此得到 

 和 

根据关联系数公式 

（式中，ρ为分辨系数，取值[0,1]，其值只影响关联系数的大小，不影响关联序，一般取中间值0.5）,可得比较数列Xj对参考数列X1的关联系数

根据关联度公式，及绝对差数列可得比较数列Xj对参考数列X1的关联度,即对各列求平均，得到每列的平均值，如下表：

评价指标	r12	r 13	r 14
				关联度	0.6052	0.6199	0.5901

最后，求出关联矩阵R中各行平均值

，i=1,2,3……n，根据公式，可得各指标的权重

，结果如下表：

对某地的雷电灾害风险指标的权重进行量化，作出下表：

如图1所示，对某地进行精细网格划分，如图2所示的单个网格中，该网格中包含土地类型A1、土地类型B2、土地类型C3、土地类型D4，针对电网雷电灾害而言，不同土地类型的相应潜在易损性因子为 IA 、 IB 、 IC 、 ID ，网格中土地类型A1、土地类型B2、土地类型C3、土地类型D4的面积为 SA 、 SB 、 SC 、 SD ，网格评价单元内的土地类型易损性量化值 I1 可表达为：

I1 = IASA  + IBSB  + ICSC  + IDSD

该表达式即为单个评价单元中，土地类型雷电易损性计算模型；其中， IA 、 IB 、 IC 、 ID  可依据前述步骤获得。

下面以某一区域为对象进行 I1 的计算：

上区域中的土地利用类型为：居民用地、城镇用地、草地、旱地、水域、水田、林地。对雷电灾害而言，不同土地类型针对雷电灾害的易损因子为：

，

以100m×100m为网格进行分析，第一网格中土地利用类型包括居民用地5000㎡、城镇用地4000㎡、草地1000㎡，则该网格雷电灾害易损性量化值为：

I1 =0.42×5000+0.42×4000+0.01×1000=3790

如此，获得该区域中所有以100m×100m为网格的雷电灾害易损性量化值 I1 ，将数据 I1 落实到网格中心点上，根据三次样条函数插值制作100×100m网格距的栅格分布图，进而得出整个区域的雷电灾害的承载体易损性空间量化分布示意图形。

Claims (5)

1.一种基于精细网格的电网雷电灾害风险评估技术方法，分析在以土地精细网格为基本评价单元下电网遭遇雷电灾害的易损性，其特征在于，包括以下步骤：1）根据土地类型，分析确定其与地闪密度的相关系数，并进行显著性检验；2）确定气候背景与地闪密度的相关系数，并进行显著性检验；3）采用灰色关联度方法确定雷电灾害风险指标的权重；4）对雷电灾害风险指标的权重进行量化；5）以土地精细网格为基本评价单元，建立电网雷电灾害风险评估模型。

2.根据权利要求1所述的基于精细网格的电网雷电灾害风险评估技术方法，其特征是，所述的土地类型包括居民用地、城镇用地、水域、旱地、林地、草地、水田。

3.根据权利要求1所述的基于精细网格的电网雷电灾害风险评估技术方法，其特征是，所述的气候背景包括气温、降水量、相对湿度、风速、太阳总辐射等气象要素。

4.根据权利要求1所述的基于精细网格的电网雷电灾害风险评估技术方法，其特征是，所述的雷电灾害风险指标包括雷电密度、海拔高度、气候背景、地面倾角。

5.根据权利要求1所述的基于精细网格的电网雷电灾害风险评估技术方法，其特征是，所述的电网雷电灾害风险评估模型根据土地精细网格每个网格内各种土地类型所占的面积比例，确定该网格的电网雷电灾害易损性因子。

Images