CN103761414B - 输电线路的雷击停运概率分析方法 - Google Patents

Abstract

本发明涉及输电线路的雷击停运概率分析方法，本发明方法基于三时次雷区信息对电网雷击跳闸率进行预测，采用三时次雷区信息对雷电进行短时预测，识别出预测雷电发生范围内的杆塔，计算杆塔在预测雷电强度下的雷击停运概率，从而获得线路的预测雷击停运概率。该方法以实时雷电监测信息为基础，考虑了不同雷电天气间的差异性，使线路雷击停运概率的预测更具有实际意义。

Description

输电线路的雷击停运概率分析方法

技术领域

本发明涉及电网气象风险分析方法。

背景技术

近年来，随着电网的快速发展和强对流天气的增多，雷害故障频繁发生，雷击成为我国输电线路安全可靠运行的主要危害。如2009年7月的某大型水电站近区电网500kV双回线路遭受雷击相继跳闸,造成水电厂切机甩负荷；2009年8月浙江某变电站220kV线路遭遇多重雷击,开关断口被击穿,造成设备损坏、220kV母线失电。根据电网故障分类统计,在高压线路的总跳闸次数中,由雷击所引起的跳闸次数占40％～70％[1]，尤其是在多雷、土壤电阻率高、地形复杂的地区,雷击输电线路所引起的故障率更高。因而若能实现电网因雷击所引起的故障概率预测、分析，并进而形成相应的预警系统，对增强电网抵抗因雷击所引起的故障具有重要意义。若要进行电网的雷击故障概率预测和分析，首先需要实现对雷电发生范围的预报，进而挑选出可能受雷电影响的输电线路，并计算线路雷击跳闸概率。对于雷电发生范围的预测，涉及到许多其它气象及自然环境因素，且其发生及消失过程非常快，如何进行准确其准确预报一直是气象预报领域的热点课题之一。提出了基于雷达回波信息的TITAN系统，对雷暴进行识别、追踪、分析和临近预报。在此基础上，进一步提出了雷暴单体识别追踪算法(SCIT)，为下一代气象雷达(WSR-88D)的雷达回波信息识别设置了多个阈值，增强了对雷暴单体的识别能力。考虑到雷暴气象生消时间短、变化快的特点，将临近预报点的时空分辨率设定在0.5km-1min，以提高预报的准确度。则提出利用连续三时间段的雷电统计数据代替连续两时间段的统计数据进行分析，获得雷电发展的变化量的同时，也能获得雷电发展的变化率，以得到更准确的雷区预测。雷击对于电网运行的影响，以及雷击引起电网故障率预测和分析，不少专家和学者对此进行了有意义的研究和探索。基于有限的数个严重雷暴事件及相关的其它气象数据和电网故障数据，采用数理统计分析，而建立了雷暴引起的电网故障率回归模型；但由于雷暴事件比较少，且事件之间间隔比较长，故基于此所建立的模型的推广性有很大的局限性。对比了实测落雷密度下的雷击跳闸率与规程落雷密度下的理论雷击跳闸率，发现线路的雷击故障情况时空差异性大，认为根据实际雷电活动分布进行线路雷击跳闸率的预测更为准确。利用时变矩阵分析两相邻时段雷电区域的关联，从而预测未来雷电发生区域，通过以预测雷电区域的预测落雷密度来动态评估线路雷击跳闸率，但关联分析法并不十分适用于临近预报点的时空分辨率较小的情况，另外，线路跳闸率动态评估方法中只考虑了线路的实时落雷情况，而忽略了雷电强度的影响。可以看出，目前线路雷电停运率的计算方法主要借鉴了线路防雷设计的近似公式，但防雷公式建立在模拟实验结果统计的基础之上，反映的是线路年平均雷击风险，而选择采用统一的雷电流幅值分布也无法体现出地域间雷电天气的差异性。各种雷电停运率计算方法各有优点，均能判别出输电线路间受雷电影响的差异，但不适用于描述线路的实时雷电停运故障情况。

发明内容

本发明要解决的技术问题是提供一种电网雷击停运概率的预测方法，该方法该方法以实时雷电监测信息为基础，考虑了不同雷电天气间的差异性，使线路雷击停运概率的预测更具有实际意义。

本发明的具体实现方法包括以下步骤：

1.设定统计时间步长，称为一个时次，统计连续三时次的雷电监测实时信息，识别每个时次的雷电分区。

2.对相邻两时次的雷电分区进行关联，得到最优轨迹，连续三时次雷电信息可获得两段相连的雷电分区最优轨迹。

3.根据连续三时次的雷电分区的最优轨迹，预测下一时次的雷电发生情况，包括雷电分区的位置、面积、雷电流强度和落雷密度。

4.根据杆塔坐标信息筛选出预测雷电分区内的杆塔，根据杆塔在雷电分区中的位置获得杆塔处落雷概率。

5.在预测雷电流强度下，根据受雷电影响杆塔的杆塔参数，采用改进电气几何模型计算杆塔绕击跳闸概率，利用蒙特卡洛模拟方法计算杆塔反击跳闸概率，得到杆塔雷电跳闸概率。

6.综合杆塔处落雷概率和杆塔雷电跳闸概率，获得杆塔预测雷击停运概率，从而获得线路预测雷击停运概率。

以上各步骤具体为以下方法实现：

输电线路的雷击停运概率分析方法，设定统计时间段步长，称为一个时次，统计连续三时次t-2,t-1,t的雷电监测实时信息，对每一个时次进行雷电分区的识别，每一时次的雷电分区识别具体步骤如下：

步骤1：对每个时次的雷电统计信息进行预处理，首先将监控地域按经纬度方向划分成面积相等的小方格，将其等价于一个2D网格图像，以经纬度方向为横纵坐标建立新坐标系，小方格的边长为单位长度，以小方格右下角点的坐标作为小方格的标记，取方格大小为0.05°×0.05°，然后将统计的落雷点根据落雷经纬度信息累计到对应的小方格；

步骤2：根据小方格的累计落雷个数n，按公式(1)进行全局阈值分割，对表示监控区域的网格图像进行二值化处理，以二值化落雷网格表示监测地域的落雷情况，

步骤3：在落雷网格中，利用八邻域边界跟踪算法对落雷区域进行轮廓提取，并统计区域内落雷信息，落雷网络轮廓提取采用3×3网格的八邻域分析；

步骤4：以圆形代替各个雷区的不规则轮廓，作为雷电发生区域，并求取各雷电发生区域的特性参数，根据公式(2)—(4)计算各落雷区域中心点经纬度L(x,y)、各雷区所有落雷点距离相应中心点的最大距离r及落雷密度p；以L(x,y)为中心r为半径画圆，即为实际雷电发生区域，各个圆的中心坐标L(x,y)、半径r和雷电分区落雷密度p为相应雷电分区特性参数，也为当前时次雷电分区的识别结果；

r＝Max{[(x_i-x)²+(y_i-y)²]^1/2} (3)

式中，n为落雷区域内的落雷总数；(x_i,y_i)为第i个落雷的经纬度，i＝1,K,n；N为当前时次的落雷总数。

输电线路的雷击停运概率分析方法，连续三时次t-2,t-1,t中，分别对连续两时次的雷电分区进行追踪，即寻求t-2时次雷电分区到t-1时次雷电分区的最优轨迹和t-1时次雷电分区到t时次雷电分区的最优轨迹，对于连续的两个时次t₁和t₂，t₁时次有n₁个雷电分区，t₂时次有n₂个雷电分区，(x_1i,y_1i)表示t₁时次第i个雷电分区的位置，(x_2j,y_2j)表示t₂时次第j个雷电分区的位置，为了求取两个时次所有雷区之间的最有可能轨迹，建立如下优化模型：

约束条件：

C_ij＝ω₁d_p+ω₂d_A (6)

d_p＝[(x_1i-x_2j)²+(y_1i-y_2j)₂]^1/2 (7)

若n₁＜n₂,则否则

其中：X_ij为相邻时次雷电分区关联矩阵的第i行第j列元素，表示t₁时次的i雷电分区到t₂时次的j雷电分区的关联情况；C_ij为价值矩阵第i行第j列元素，表示t₁时次的i雷电分区到t₂时次的j雷电分区的变化价值，价值函数值越小表示两雷电分区关联性越强；d_p表示雷电分区位移的变化；d_A表示雷电分区面积的变化；ω₁和ω₂为权重；基于统计分析，雷区的移动速度可设定阈值v_max＝60km/h；两时次的时间间隔为△t，若d_L/△t>v_max，设定Ci_j为一个较大的值，使得该轨迹不会成为最佳匹配结果。

输电线路的雷击停运概率分析方法，基于连续三时次t-2,t-1,t的雷电分区信息及相邻两时次的雷电分区最优轨迹进行下一时次的雷电分区预测，具体预测步骤如下：

步骤1：根据t-2,t-1及t-1,t的两时次雷电分区间的各自最优轨迹，根据公式(10)－(13)计算雷电发展的移动速度及半径变化系数β_t-2、β_t-1

其中，(x_t-2,y_t-2),(x_t-1,y_t-1),(x_t,y_t)分别表示t-2,t-1,t三个时次的雷电分区位置，r_t-2,r_t-1,r_t分别表示t-2,t-1,t三个时次的雷电分区的半径；

步骤2：按式(14)、(15)预测从t时次雷电分区到t+1时次每一雷电分区的雷电分区移动向量及雷电分区的半径变化系数β_t：

其中：β_t为t时次雷电分区到t+1时次雷电分区的预测移动速率和雷区预测半径变化系数；

步骤3：按式(16)-(19)预测t+1时次的每一雷电分区位置(x_t+1,y_t+1)和雷电分区的特性(包括雷电流I_t+1、半径r_t+1和落雷密度p_t+1),由于雷电流I具有很强的随机性，本文在预测中使t+1时次各雷电分区的雷电流预测值等于与之相关的t时次雷电分区雷电流，以保证：

r_t+1＝β_tr_t (17)

I_t+1＝max{I_t,1,I_t,2,K I_t,m} (18)

其中，对于t+1时次的每一雷电分区，m为t时次与之相关联的雷电分区数目，I_t,₁,I_t,2,K I_t,m分别为t时次与之相关联的m个雷电分区的雷电流，p_t,k为t时次与之相关联的m个雷电分区中第k个雷电分区的落雷密度。

输电线路的雷击停运概率分析方法，根据杆塔的经纬度信息识别出位于预测雷电分区内的杆塔，并根据杆塔在雷电分区内的位置，计算杆塔的落雷概率，对于每个杆塔，以杆塔为中心取垂直线路方向±350m、线路方向1/2档距的区域为杆塔落雷概率计算的有效区域，杆塔的落雷概率等于该区域的落雷概率，利用公式(20)计算杆塔的落雷概率，

式中，A为杆塔所在雷电分区的面积；A′为杆塔落雷概率计算的有效区域与杆塔所在雷电分区的重合面积；p为杆塔所在雷电分区的单落雷密度。

输电线路的雷击停运概率分析方法，计算杆塔的雷击跳闸概率，雷击跳闸概率为绕击跳闸概率和反击跳闸概率的总和，如式(21)所示，

P＝P_s+P_c (21)

步骤1：采用电气几何模型计算绕击跳闸概率；通过几何分析，考虑避雷线路、三相线路间的相互屏蔽作用，以屏蔽弧的比率计算得到线路的绕击概率和绕击跳闸概率，电气几何模型分析过程中，引入地面击距r_g和导线(避雷线)击距r_c(r_s)，考虑雷电先导对大地和线路击距的差异性；引入地面倾斜角θ_g和雷电入射角来考虑地形与雷电入射方向对输电线路的绕击率的影响；通过旋转坐标系的方法按雷电垂直入射平原地区的情形进行分析，以暴露弧段的比值计算绕击概率P_α；最后，如式(22)所示，得到绕击跳闸概率P_s，

P_s＝ηP_α (22)

式中，η为建弧率，

步骤2：应用蒙特卡洛模拟方法计算反击跳闸概率，设定模拟次数为N，以y_k表示第k次模拟的结果，若反击引起闪络，则y_k＝1，否则y_k＝0，每一次雷击模拟过程中，首先计算出杆塔的绕击跳闸概率，产生一个[0,1]均匀分布的随机数r₁，判断是否发生绕击，若r₁>P_α，则认为没有发生绕击；若没有发生绕击，则再产生一个[0,1]均匀分布的随机数r₂，判断是否发生反击，若r₂＜g，则发生反击；若发生反击，则继续产生一个[0,1]均匀分布的随机数r₃，得到工频相角φ及三相工频电压瞬时值，如式(23)-(26)所示；最后根据闪络判据判断是否发生闪络，N次模拟结束后，如式(27)、(27)所示，得反击跳闸率的渐进统计估计值P，并计算反击跳闸概率P_c，

φ＝2π·r₃ (23)

U_A＝U_m sinφ (24)

U_B＝U_m sin(φ-2π/3) (25)

U_C＝U_m sin(φ+2π/3) (26)

P_c＝ηP (28)

输电线路的雷击停运概率分析方法，基于杆塔的预测落雷概率及预测雷击跳闸概率，计算线路的预测雷击停运概率，同一线路上的杆塔之间为可靠性逻辑串联关系，对于有n个杆塔的线路，如式(29)所示，计算其雷击停运概率：

式中，P_line为线路的雷击停运概率；n为该线路在雷区内的杆塔数；P_iT为第i基杆塔的落雷概率；P_i为第i基杆塔的雷击跳闸概率，为第i基杆塔的反击跳闸率P_ic和绕击跳闸概率P_is的和；P_iTP_i称为第i基杆塔的雷击停运概率。

本发明基于三时次雷区信息对电网雷击跳闸率进行预测，采用三时次雷区信息对雷电进行短时预测，识别出预测雷电发生范围内的杆塔，计算杆塔在预测雷电强度下的雷击停运概率，从而获得线路的预测雷击停运概率。该方法以实时雷电监测信息为基础，考虑了不同雷电天气间的差异性，使线路雷击停运概率的预测更具有实际意义。

附图说明

图1输电线路预测雷击停运概率计算流程

图2 2D形式的雷电监测数据识别示例

图3区域识别流程

图4落雷区域识别结果

图5相邻时次雷电分区移动的所有可能轨迹

图6推广匈牙利算法求解相邻雷电分区间最优轨迹的流程图

图7雷电区域的位置预测

图8杆塔落雷概率计算的有效区域

图9电气几何模型图

具体实施方式:

下面结合附图对本发明方法进行详细描述，附图1为本发明方法的流程图。1、设定统计时间段步长，称为一个时次，统计连续三时次t-2,t-1,t的雷电监测实时信息，对每一个时次进行雷电分区的识别。每一时次的雷电分区识别具体步骤如下：

步骤1：对每个时次的雷电统计信息进行预处理。首先将监控地域按经纬度方向划分成面积相等的小方格，将其等价于一个2D网格图像。以经纬度方向为横纵坐标建立新坐标系，小方格的边长为单位长度，以小方格右下角点的坐标作为小方格的标记。取方格大小为0.05°×0.05°。然后将统计的落雷点根据落雷经纬度信息累计到对应的小方格，如附图2所示。

步骤2：根据小方格的累计落雷个数n，按公式(1)进行全局阈值分割，对表示监控区域的网格图像进行二值化处理。以二值化落雷网格表示监测地域的落雷情况。

步骤3：在落雷网格中，利用八邻域边界跟踪算法对落雷区域进行轮廓提取，并统计区域内落雷信息。落雷网络轮廓提取采用3×3网格的八邻域分析，流程见附图3。

步骤4：以圆形代替各个雷区的不规则轮廓，作为雷电发生区域，并求取各雷电发生区域的特性参数。根据公式(2)—(4)计算各落雷区域中心点经纬度L(x,y)、各雷区所有落雷点距离相应中心点的最大距离r及落雷密度p；以L(x,y)为中心r为半径画圆，即为实际雷电发生区域。各个圆的中心坐标L(x,y)、半径r和雷电分区落雷密度p为相应雷电分区特性参数，也为当前时次雷电分区的识别结果。附图4中的虚圆型即为辨识之后雷区边界。

r＝Max{[(x_i-x)²+(y_i-y)²]^1/2} (3)

式中，n为落雷区域内的落雷总数；(x_i,y_i)为第i个落雷的经纬度，i＝1,K,n；N为当前时次的落雷总数。

2、连续三时次t-2,t-1,t中，分别对连续两时次的雷电分区进行追踪，即寻求t-2时次雷电分区到t-1时次雷电分区的最优轨迹和t-1时次雷电分区到t时次雷电分区的最优轨迹。

对于连续的两个时次t₁和t₂，如附图5所示，t₁时次有n₁个雷电分区，t₂时次有n₂个雷电分区。(x_1i,y_1i)表示t₁时次第i个雷电分区的位置，(x_2j,y_2j)表示t₂时次第j个雷电分区的位置。为了求取两个时次所有雷区之间的最有可能轨迹，建立如下优化模型：

约束条件：

C_ij＝ω₁d_p+ω₂d_A (6)

d_p＝[(x_1i-x_2j)²+(y_1i-y_2j)²]^1/2 (7)

若n₁＜n₂,则否则

其中：X_ij为相邻时次雷电分区关联矩阵的第i行第j列元素，表示t₁时次的i雷电分区到t₂时次的j雷电分区的关联情况；C_ij为价值矩阵第i行第j列元素，表示t₁时次的i雷电分区到t₂时次的j雷电分区的变化价值，价值函数值越小表示两雷电分区关联性越强；d_p表示雷电分区位移的变化；d_A表示雷电分区面积的变化；ω₁和ω₂为权重；基于统计分析，雷区的移动速度可设定阈值v_max＝60km/h；两时次的时间间隔为△t，若d_L/△t>v_max，设定C_ij为一个较大的值，使得该轨迹不会成为最佳匹配结果；约束条件(9)保证了t₂时次的每个雷电分区只由一个t₁时次的雷电分区发展而来或t₁时次的每个雷电分区只会发展到t₂时次的一个雷电分区，体现了雷区的分裂和融合。

对于由式(5)－(9)所组成的优化模型，本文采用推广匈牙利算法求解最优轨迹，流程如附图6所示，具体求解思路如下：

1)计算所有可能轨迹的价值函数C_ij，建立价值函数矩阵若相邻

时次雷电分区数目不相等，则利用0元素，取n＝Max{n₁,n₂}，将价值函数

矩阵补全为价值方阵C_n×n；

2)设定m＝Min{n₁,n₂}；

3)利用标准匈牙利算法进行求解：

①变换价值方阵C_n×n，使方阵的各行各列均出现0元素，变换原则为：①从价值方阵的每行元素中减去该行的最小元素，②再从所得价值方阵的每列元素中减去该列的最小元素；

②从只有一个0元素的行(列)开始，圈出该0元素，记作然后用直线划去所在列(行)；

③找到只有一个0元素列(行)，圈出该0元素，记作然后用直线划去所在行(列)；

④反复进行步骤①②，直到所有0元素都被标记和划掉为止；

⑤判断标记出的数目是否等于m，若相等，转到步骤4)，若不等，转到步骤⑥；

⑥调整价值方阵：取出未被直线穿过的数据区中最小元素，该数据区所有元素减去该最小元素，同时直线相交处每个元素加上该最小元素，去掉直线和圈，更新价值方阵，转到步骤①进行计算；

4)获取新价值方阵：当n₁>n₂时，取剩余列构成新价值方阵，当n₁<n₂时，取剩余行构成新价值方阵，并取m为新价值方阵的行(列)数，转到步骤3)；

5)所有n个由圈出的0元素对应的解为所寻求的最优解，对应的轨迹组成最优轨迹。

3、基于连续三时次t-2,t-1,t的雷电分区信息及相邻两时次的雷电分区最优轨迹进行下一时次的雷电分区预测。具体预测步骤如下：

步骤1：根据t-2,t-1及t-1,t的两时次雷电分区间的各自最优轨迹，根据公式(11)－(14)计算雷电发展的移动速度及半径变化系数β_t-2、β_t-1

其中，(x_t-2,y_t-2),(x_t-1,y_t-1),(x_t,y_t)分别表示t-2,t-1,t三个时次的雷电分区位置，r_t-2,r_t-1,r_t分别表示t-2,t-1,t三个时次的雷电分区的半径；

步骤2：按式(15)、(16)预测从t时次雷电分区到t+1时次每一雷电分区的雷电分区移动向量及雷电分区的半径变化系数β_t：

其中：β_t为t时次雷电分区到t+1时次雷电分区的预测移动速率和雷区预测半径变化系数；

步骤3：按式(17)-(20)预测t+1时次的每一雷电分区位置(x_t+1,y_t+1)和雷电分区的特性(包括雷电流I_t+1、半径r_t+1和落雷密度p_t+1),由于雷电流I具有很强的随机性，本文在预测中使t+1时次各雷电分区的雷电流预测值等于与之相关的t时次雷电分区雷电流，以保证：

r_t+1＝β_tr_t (18)

I_t+1＝max{I_t,1,I_t,2,K I_t,m} (19)

其中，对于t+1时次的每一雷电分区，m为t时次与之相关联的雷电分区数目，I_t,1,I_t,2,K I_t,m分别为t时次与之相关联的m个雷电分区的雷电流，p_t,k为t时次与之相关联的m个雷电分区中第k个雷电分区的落雷密度。

4、根据杆塔的经纬度信息识别出位于预测雷电分区内的杆塔，并根据杆塔在雷电分区内的位置，计算杆塔的落雷概率。如附图8所示，对于每个杆塔，以杆塔为中心取垂直线路方向±350m、线路方向1/2档距的区域为杆塔落雷概率计算的有效区域，杆塔的落雷概率等于该区域的落雷概率。利用公式(21)计算杆塔的落雷概率。

式中，A为杆塔所在雷电分区的面积；A′为杆塔落雷概率计算的有效区域与杆塔所在雷电分区的重合面积；p为杆塔所在雷电分区的单落雷密度。

5、计算杆塔的雷击跳闸概率。雷击跳闸概率为绕击跳闸概率和反击跳闸概率的总和，如式(22)所示。

P＝P_s+P_c (22)

步骤1：采用电气几何模型计算绕击跳闸概率。电气几何模型如附图9所示，通过几何分析，考虑避雷线路、三相线路间的相互屏蔽作用，以屏蔽弧的比率计算得到线路的绕击概率和绕击跳闸概率，该方法综合联系了雷电放电特性、线路结构尺寸、线路所处地形等实际因素，可较准确描述线路的绕击特性。电气几何模型分析过程中，通过引入地面击距r_g和导线(避雷线)击距r_c(r_s)，考虑雷电先导对大地和线路击距的差异性；引入地面倾斜角θ_g和雷电入射角来考虑地形与雷电入射方向对输电线路的绕击率的影响；通过旋转坐标系的方法按雷电垂直入射平原地区的情形进行分析，以暴露弧段的比值计算绕击概率P_α；最后，如式(23)所示，得到绕击跳闸概率P_s。

P_s＝ηP_α (23)

式中，η为建弧率。

步骤2：应用蒙特卡洛模拟方法计算反击跳闸概率。蒙特卡罗方法是一种统计计算方法，能够模拟雷击的随机过程，考虑雷电对三相输电线路的不同影响，更加符合实际。设定模拟次数为N，以y_k表示第k次模拟的结果，若反击引起闪络，则y_k＝1，否则y_k＝0。每一次雷击模拟过程中，首先计算出杆塔的绕击跳闸概率，产生一个[0,1]均匀分布的随机数r₁，判断是否发生绕击，若r₁>P_α，则认为没有发生绕击；若没有发生绕击，则再产生一个[0,1]均匀分布的随机数r₂，判断是否发生反击，若r₂＜g，则发生反击；若发生反击，则继续产生一个[0,1]均匀分布的随机数r₃，得到工频相角φ及三相工频电压瞬时值，如式(24)-(27)所示；最后根据闪络判据判断是否发生闪络。N次模拟结束后，如式(28)、(29)所示，得反击跳闸率的渐进统计估计值P，并计算反击跳闸概率P_c。

φ＝2π·r₃ (24)

U_A＝U_m sinφ (25)

U_B＝U_m sin(φ-2π/3) (26)

U_C＝U_m sin(φ+2π/3) (27)

P_c＝ηP (29)

6、基于杆塔的预测落雷概率及预测雷击跳闸概率，计算线路的预测雷击停运概率。同一线路上的杆塔之间为可靠性逻辑串联关系，对于有n个杆塔的线路，如式(30)所示，计算其雷击停运概率：

式中，P_line为线路的雷击停运概率；n为该线路在雷区内的杆塔数；P_iT为第i基杆塔的落雷概率；P_i为第i基杆塔的雷击跳闸概率，为第i基杆塔的反击跳闸率P_ic和绕击跳闸概率P_is的和；P_iTP_i称为第i基杆塔的雷击停运概率。

Claims (6)

1.输电线路的雷击停运概率分析方法，其特征在于包括以下步骤：

步骤1：设定统计时间步长，称为一个时次，统计连续三时次的雷电监测实时信息，识别每个时次的雷电分区；

步骤2：对相邻两时次的雷电分区进行关联，得到最优轨迹，连续三时次雷电信息可获得两段相连的雷电分区最优轨迹；

步骤3：根据连续三时次的雷电分区的最优轨迹，预测下一时次的雷电发生情况，包括雷电分区的位置、面积、雷电流强度和落雷密度；

步骤4：根据杆塔坐标信息筛选出预测雷电分区内的杆塔，根据杆塔在雷电分区中的位置获得杆塔处落雷概率；

步骤5：在预测雷电流强度下，根据受雷电影响杆塔的杆塔参数，采用改进电气几何模型计算杆塔绕击跳闸概率，利用蒙特卡洛模拟方法计算杆塔反击跳闸概率，得到杆塔雷电跳闸概率；

步骤6：综合杆塔处落雷概率和杆塔雷电跳闸概率，获得杆塔预测雷击停运概率，从而获得线路预测雷击停运概率，

其中计算杆塔的雷击跳闸概率，雷击跳闸概率为绕击跳闸概率和反击跳闸概率的总和，如式(21)所示，

P＝P_s+P_c (21)

采用电气几何模型计算绕击跳闸概率；通过几何分析，考虑避雷线路、三相线路间的相互屏蔽作用，以屏蔽弧的比率计算得到线路的绕击概率和绕击跳闸概率，电气几何模型分析过程中，引入地面击距r_g和导线击距r_c，引入地面击距r_g和避雷线击距r_s，考虑雷电先导对大地和线路击距的差异性；引入地面倾斜角θ_g和雷电入射角来考虑地形与雷电入射方向对输电线路的绕击率的影响；通过旋转坐标系的方法按雷电垂直入射平原地区的情形进行分析，以暴露弧段的比值计算绕击概率P_α；最后，如式(22)所示，得到绕击跳闸概率P_s，

P_s＝ηP_α (22)

式中，η为建弧率，

应用蒙特卡洛模拟方法计算反击跳闸概率，设定模拟次数为N，以y_k表示第k次模拟的结果，若反击引起闪络，则y_k＝1，否则y_k＝0，每一次雷击模拟过程中，首先计算出杆塔的绕击跳闸概率，产生一个[0,1]均匀分布的随机数r₁，判断是否发生绕击，若r₁>P_α，则认为没有发生绕击；若没有发生绕击，则再产生一个[0,1]均匀分布的随机数r₂，判断是否发生反击，若r₂<g，g为击杆率，则发生反击；若发生反击，则继续产生一个[0,1]均匀分布的随机数r₃，得到工频相角φ及三相工频电压瞬时值，如式所示(23)-(26)所示；最后根据闪络判据判断是否发生闪络，N次模拟结束后，如式(27)、(28)所示，得反击跳闸率的渐进统计估计值P，并计算反击跳闸概率P_c，

φ＝2π·r₃ (23)

U_A＝U_m sinφ (24)

U_B＝U_m sin(φ-2π/3) (25)

U_C＝U_m sin(φ+2π/3) (26)

$P=\frac{\underset{k=1}{\overset{N}{\mathrm{\&Sigma;}}}{y}_k}{N}---\left(27\right)$

P_c＝ηP (28)

其中，U_A表示A相电压的瞬时值，U_B表示B相电压的瞬时值，U_C表示C相电压的瞬时值，U_m表示三相电压的幅值。

2.根据权利要求1所述的输电线路的雷击停运概率分析方法，其特征在于设定统计时间段步长，称为一个时次，统计连续三时次t-2,t-1,t的雷电监测实时信息，对每一个时次进行雷电分区的识别，每一时次的雷电分区识别具体步骤如下：

步骤1：对每个时次的雷电统计信息进行预处理，首先将监控地域按经纬度方向划分成面积相等的小方格，将其等价于一个2D网格图像，以经纬度方向为横纵坐标建立新坐标系，小方格的边长为单位长度，以小方格右下角点的坐标作为小方格的标记，取方格大小为0.05°×0.05°，然后将统计的落雷点根据落雷经纬度信息累计到对应的小方格；

步骤2：根据小方格的累计落雷个数n，按公式(1)进行全局阈值分割，对表示监控区域的网格图像进行二值化处理，以二值化落雷网格表示监测地域的落雷情况，

$f=\left\{\begin{array}{cc}1& n\&GreaterEqual;1\\ 0& other\end{array}\right.---\left(1\right)$

步骤3：在落雷网格中，利用八邻域边界跟踪算法对落雷区域进行轮廓提取，并统计区域内落雷信息，落雷网络轮廓提取采用3×3网格的八邻域分析；

步骤4：以圆形代替各个雷区的不规则轮廓，作为雷电发生区域，并求取各雷电发生区域的特性参数，根据公式(2)—(4)计算各落雷区域中心点经纬度L(x,y)、各雷区所有落雷点距离相应中心点的最大距离r及落雷密度p；以L(x,y)为中心r为半径画圆，即为实际雷电发生区域，各个圆的中心坐标L(x,y)、半径r和雷电分区落雷密度p为相应雷电分区特性参数，也为当前时次雷电分区的识别结果；

$x=\frac{\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{x}_i}{n},y=\frac{\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{y}_i}{n}---\left(2\right)$

r＝Max{[(x_i-x)²+(y_i-y)²]^1/2} (3)

$p=\frac{1}{{\mathrm{\&pi;r}}^2}\&times;\frac{n}{N}---\left(4\right)$

式中，n为落雷区域内的落雷总数；(x_i,y_i)为第i个落雷的经纬度，i＝1,…,n；N为当前时次的落雷总数。

3.根据权利要求1所述的输电线路的雷击停运概率分析方法，其特征在于连续三时次t-2,t-1,t中，分别对连续两时次的雷电分区进行追踪，即寻求t-2时次雷电分区到t-1时次雷电分区的最优轨迹和t-1时次雷电分区到t时次雷电分区的最优轨迹，对于连续的两个时次t₁和t₂，t₁时次有n₁个雷电分区，t₂时次有n₂个雷电分区，(x_1i,y_1i)表示t₁时次第i个雷电分区的位置，(x_2j,y_2j)表示t₂时次第j个雷电分区的位置，为了求取两个时次所有雷区之间的最有可能轨迹，建立如下优化模型：

$Q=\underset{X_{ij}}{Min}\underset{i=1}{\overset{n_1}{\mathrm{\&Sigma;}}}\underset{j=1}{\overset{n_2}{\mathrm{\&Sigma;}}}{C}_{ij}{X}_{ij}---\left(5\right)$

约束条件：

C_ij＝ω₁d_p+ω₂d_A (6)

d_p＝[(x_1i-x_2j)²+(y_1i-y_2j)²]^1/2 (7)

$d_A=\left|A_{1i}^{1/2}-A_{2j}^{1/2}\right|---\left(8\right)$

若n₁<n₂,则否则

其中：X_ij为相邻时次雷电分区关联矩阵的第i行第j列元素，表示t₁时次的i雷电分区到t₂时次的j雷电分区的关联情况；C_ij为价值矩阵第i行第j列元素，表示t₁时次的i雷电分区到t₂时次的j雷电分区的变化价值，价值函数值越小表示两雷电分区关联性越强；d_p表示雷电分区位移的变化；d_A表示雷电分区面积的变化；ω₁和ω₂为权重；分别表示t₁时次的第i个雷电分区的面积；基于统计分析，雷区的移动速度可设定阈值v_max＝60km/h；两时次的时间间隔为△t，若d_L/△t>v_max，设定C_ij为一个较大的值，使得该轨迹不会成为最佳匹配结果，其中d_L表示雷电分区位置的变化。

4.根据权利要求1所述的输电线路的雷击停运概率分析方法，其特征在于基于连续三时次t-2,t-1,t的雷电分区信息及相邻两时次的雷电分区最优轨迹进行下一时次的雷电分区预测，具体预测步骤如下：

步骤1：根据t-2,t-1及t-1,t的两时次雷电分区间的各自最优轨迹，根据公式(10)－(13)计算雷电发展的移动速度及半径变化系数β_t-2、β_t-1

${\mathrm{\&beta;}}_{t-2}=\frac{r_{t-1}-r_{t-2}}{r_{t-2}}---\left(11\right)$

${\mathrm{\&beta;}}_{t-1}=\frac{r_t-r_{t-1}}{r_{t-1}}---\left(13\right)$

其中，(x_t-2,y_t-2),(x_t-1,y_t-1),(x_t,y_t)分别表示t-2,t-1,t三个时次的雷电分区位置，r_t-2,r_t-1,r_t分别表示t-2,t-1,t三个时次的雷电分区的半径；

步骤2：按式(14)、(15)预测从t时次雷电分区到t+1时次每一雷电分区的雷电分区移动向量及雷电分区的半径变化系数β_t：

${\mathrm{\&beta;}}_t=\frac{{\mathrm{\&beta;}}_{t-1}+{\mathrm{\&beta;}}_{t-2}}{2}---\left(15\right)$

其中：为t时次雷电分区到t+1时次雷电分区的预测移动速率和雷区预测半径变化系数；

步骤3：按式(16)-(19)预测t+1时次的每一雷电分区位置(x_t+1,y_t+1)和雷电分区的特性(包括雷电流I_t+1、半径r_t+1和落雷密度p_t+1),由于雷电流I具有很强的随机性，本文在预测中使t+1时次各雷电分区的雷电流预测值等于与之相关的t时次雷电分区雷电流，以保证：

r_t+1＝β_tr_t (17)

I_t+1＝max{I_t,1,I_t,2,…I_t,m} (18)

$p_{t+1}=\underset{k=1}{\overset{m}{\mathrm{\&Sigma;}}}{p}_{t,k}---\left(19\right)$

其中，表示：t+1时次雷电分区的移动速度；对于t+1时次的每一雷电分区，m为t时次与之相关联的雷电分区数目，I_t,1,I_t,2,…I_t,m分别为t时次与之相关联的m个雷电分区的雷电流，p_t,k为t时次与之相关联的m个雷电分区中第k个雷电分区的落雷密度。

5.根据权利要求1所述的输电线路的雷击停运概率分析方法，其特征在于根据杆塔的经纬度信息识别出位于预测雷电分区内的杆塔，并根据杆塔在雷电分区内的位置，计算杆塔的落雷概率，对于每个杆塔，以杆塔为中心取垂直线路方向±350m、线路方向1/2档距的区域为杆塔落雷概率计算的有效区域，杆塔的落雷概率等于该区域的落雷概率，利用公式(20)计算第i基杆塔的落雷概率，

$P_T=\frac{A^{\&prime;}}{A}p---\left(20\right)$

其中，A为第i基杆塔所在雷电分区的面积；A′为第i基杆塔落雷概率计算的有效区域与杆塔所在雷电分区的重合面积；p为第i基杆塔所在雷电分区的落雷密度。

6.根据权利要求1所述的输电线路的雷击停运概率分析方法，其特征在于基于杆塔的预测落雷概率及预测雷击跳闸概率，计算线路的预测雷击停运概率，同一线路上的杆塔之间为可靠性逻辑串联关系，对于有n个杆塔的线路，如式(29)所示，计算其雷击停运概率：

$P_{line}=1-\underset{i=1}{\overset{n}{\mathrm{\&Pi;}}}(1-P_{iT}{P}_i)---\left(29\right)$

式中，P_line为线路的雷击停运概率；n为该线路在雷区内的杆塔数；P_iT为第i基杆塔的落雷概率；P_i为第i基杆塔的雷击跳闸概率，为第i基杆塔的反击跳闸率P_ic和绕击跳闸概率P_is的和；P_iTP_i称为第i基杆塔的雷击停运概率。