CN104166171B - 基于雷电定位系统的雷云覆盖面积的预测方法及系统 - Google Patents
基于雷电定位系统的雷云覆盖面积的预测方法及系统 Download PDFInfo
- Publication number
- CN104166171B CN104166171B CN201410422445.9A CN201410422445A CN104166171B CN 104166171 B CN104166171 B CN 104166171B CN 201410422445 A CN201410422445 A CN 201410422445A CN 104166171 B CN104166171 B CN 104166171B
- Authority
- CN
- China
- Prior art keywords
- lightning
- thunder
- point
- thunderstorm
- area coverage
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 37
- 230000033001 locomotion Effects 0.000 claims abstract description 62
- 238000007621 cluster analysis Methods 0.000 claims abstract description 14
- 238000006073 displacement reaction Methods 0.000 claims abstract description 14
- APTZNLHMIGJTEW-UHFFFAOYSA-N pyraflufen-ethyl Chemical compound C1=C(Cl)C(OCC(=O)OCC)=CC(C=2C(=C(OC(F)F)N(C)N=2)Cl)=C1F APTZNLHMIGJTEW-UHFFFAOYSA-N 0.000 description 9
- 230000008859 change Effects 0.000 description 7
- 230000005611 electricity Effects 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 238000012216 screening Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000007418 data mining Methods 0.000 description 1
- 238000013213 extrapolation Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明提出一种基于雷电定位系统的雷云覆盖面积的预测方法,包括以下步骤:建立聚类分析数据库;获取同一时间段内的雷电数据,并根据每个雷电点计算每个雷电点周边雷电与雷电点之间的距离,以及通过雷电点和距离构建雷电数据空间位置关系表;计算任意两个雷电点之间的密度关系;并据此对雷电数据进行聚类,以生成雷暴团,并获取雷暴团的位置特征点;若位置特征点存在位移,则获取位置特征点的运动轨迹;并根据运动轨迹获取运动速度和运动方向;并据此预测下一时间段雷暴团将要出现的位置;并根据该位置预测下一时间段雷暴云覆盖面积。本发明的方法能够减小误差,预测精确度高。本发明还提供了一种基于雷电定位系统的雷云覆盖面积的预测系统。
Description
技术领域
本发明涉及雷电预测与预警技术领域,特别涉及一种基于雷电定位系统的雷云覆盖面积的预测方法及系统。
背景技术
目前,雷电预测在气象领域已开展了大量深入的研究,取得了丰硕的成果。研究人员主要根据多普勒天气雷达采集的实时数据,利用外推法、模式识别法、交叉相关算法等方法实现对雷暴云的识别、跟踪和预测。但是,对电力企业等特殊行业来说,更关心地面落雷在特定区域的落雷概率,而关于雷云位置与在其覆盖面积下地面落雷概率的研究成果较少。因此,尽管对雷云位置跟踪、预测的技术已相对成熟,但其研究成果在电力等特殊行业仍无法有效运用。近年来,随着信息化在全世界各个领域的蓬勃发展,数据挖掘技术也引起各国学者的极大关注。目前,有国内学者提出一种基于空间密度聚类预测雷电运动的方法,该方法采用计算机对雷电自动监测数据进行处理,建立聚类分析数据库,在数据库中设置雷电数据样本筛选条件,刻画雷电密度的基本参数,按时间顺序取得雷电样本数据并按照时间段分类;通过雷电数据点和距离值,构建出雷电数据空间位置关系表;确定不同雷暴团的位置特征点;根据雷暴团的位置特征点随着时间推移上的位移变化,计算其运动方向和速度,并预测下一个时间段雷暴团将要出现的位置,最后,将当前时刻雷电分布区域按照速度和方向推移一个时间片的距离作为预测区域,否则将当前时刻雷电分布区域作为预测区域。但是,经过研究后发现,该方法存在以下问题:该方法基于GIS平台的网格化方法将离散的落雷点转化为连续的雷电分布区域,但是这样求得的雷云分布区域与网格划分的密度关系密切,而且这种处理方法过于粗糙,无法体现现实中地面落雷密度与雷云覆盖面积的相关关系。因此,如何将地面落雷密度与雷云覆盖面积相关联,更准确地通过地面落雷位置描述雷云覆盖面积是雷云预测中急待解决的问题。
发明内容
本发明旨在至少在一定程度上解决上述相关技术中的技术问题之一。
为此,本发明的一个目的在于提出一种基于雷电定位系统的雷云覆盖面积的预测方法,该方法能够减小网格划分法计算雷云覆盖面积造成的误差,提高预测精确度,为输电线路的雷电预警提供有效的参考依据。
本发明的另一个目的在于提供一种基于雷电定位系统的雷云覆盖面积的预测系统。
为了实现上述目的,本发明第一方面的实施例提出了一种基于雷电定位系统的雷云覆盖面积的预测方法,包括以下步骤:建立聚类分析数据库;获取同一时间段内的雷电数据,并根据每个雷电点计算每个雷电点周边雷电与所述雷电点之间的距离,以及通过雷电点和所述距离构建雷电数据空间位置关系表;计算任意两个雷电点之间的密度关系;根据所述任意两个雷电点之间的密度关系对所述雷电数据进行聚类,以生成雷暴团,并获取所述雷暴团的位置特征点;如果所述雷暴团的位置特征点存在位移,则获取所述雷暴团的位置特征点的运动轨迹;根据所述雷暴团的位置特征点的运动轨迹获取运动速度和运动方向;根据所述运动速度和运动方向预测下一时间段雷暴团将要出现的位置;以及根据所述下一时间段雷暴团将要出现的位置预测下一时间段雷暴云覆盖面积。
根据本发明实施例的基于雷电定位系统的雷云覆盖面积的预测方法,通过反距离加权法对落雷数据进行插值,以实现雷暴云覆盖面积的预测。该方法能够减小网格划分法计算雷云覆盖面积造成的误差,提高预测精确度,为输电线路的雷电预警提供有效的参考依据。
另外,根据本发明上述实施例的基于雷电定位系统的雷云覆盖面积的预测方法还可以具有如下附加的技术特征:
在一些示例中,所述根据所述下一时间段雷暴团将要出现的位置预测下一时间段雷暴云覆盖面积具体包括:将当前时间段聚类分析后的不同类按照与雷暴团位置特征点相同的运动方向和运动速度移动,并将移动后的雷电数据通过反距离加权法进行插值,以预测下一时间段雷暴云覆盖面积。
在一些示例中,通过以下定义确定所述任意两个雷电点之间的密度关系:如果雷电点p在预设半径ε空间范围内存在另一个雷电点q,则定义雷电点q与雷电点p之间是直接密度到达关系;如果存在一个序列的雷电点p1,p2,…,pn,其中,p1=p,且p1=q,如果对于每个pi+1与p1都是直接密度到达关系,则称q能够密度到达p。
本发明第二方面的实施例提供了一种基于雷电定位系统的雷云覆盖面积的预测系统,包括:建立模块,所述建立模块用于建立聚类分析数据库;构建模块,所述构建模块用于获取同一时间段内的雷电数据,并根据每个雷电点计算每个雷电点周边雷电与所述雷电点之间的距离,以及通过雷电点和所述距离构建雷电数据空间位置关系表;计算模块,所述计算模块用于计算任意两个雷电点之间的密度关系;获取模块,所述获取模块用于根据所述任意两个雷电点之间的密度关系对所述雷电数据进行聚类,以生成雷暴团,并获取所述雷暴团的位置特征点,并在所述雷暴团的位置特征点存在位移时,获取所述雷暴团的位置特征点的运动轨迹,并根据所述雷暴团的位置特征点的运动轨迹获取运动速度和运动方向;预测模块,所述预测模块用于所述运动速度和运动方向预测下一时间段雷暴团将要出现的位置,并根据所述下一时间段雷暴团将要出现的位置预测下一时间段雷暴云覆盖面积。
根据本发明实施例的基于雷电定位系统的雷云覆盖面积的预测系统,通过反距离加权法对落雷数据进行插值,以实现雷暴云覆盖面积的预测。该系统能够减小网格划分法计算雷云覆盖面积造成的误差,提高预测精确度,为输电线路的雷电预警提供有效的参考依据。
另外,根据本发明上述实施例的基于雷电定位系统的雷云覆盖面积的预测系统还可以具有如下附加的技术特征:
在一些示例中,所述预测模块用于将当前时间段聚类分析后的不同类按照与雷暴团位置特征点相同的运动方向和运动速度移动,并将移动后的雷电数据通过反距离加权法进行插值,以预测下一时间段雷暴云覆盖面积。
在一些示例中,通过以下定义确定所述任意两个雷电点之间的密度关系:如果雷电点p在预设半径ε空间范围内存在另一个雷电点q,则定义雷电点q与雷电点p之间是直接密度到达关系;如果存在一个序列的雷电点p1,p2,…,pn,其中,p1=p,且p1=q,如果对于每个pi+1与p1都是直接密度到达关系,则称q能够密度到达p。
本发明的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解,其中:
图1是根据本发明一个实施例的基于雷电定位系统的雷云覆盖面积的预测方法的流程图;
图2是根据本发明另一个实施例的基于雷电定位系统的雷云覆盖面积的预测方法的流程图;以及
图3是根据本发明一个实施例的基于雷电定位系统的雷云覆盖面积的预测系统的结构框图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能理解为对本发明的限制。
以下结合附图描述根据本发明实施例的基于雷电定位系统的雷云覆盖面积的预测方法及系统。
图1是根据本发明一个实施例的基于雷电定位系统的雷云覆盖面积的预测方法的流程图。如图1所示,根据本发明一个实施例的基于雷电定位系统的雷云覆盖面积的预测方法,包括以下步骤:
步骤S101,建立聚类分析数据库。
更具体地,结合图2所示,在数据库中设置雷电数据样本筛选条件,以及刻画雷电密度的基本参数,包括:距离,例如记作ε、最小雷电点数,例如记作minPts,并按时间顺序取得雷电样本数据并按照时间段分类。
步骤S102,获取同一时间段内的雷电数据,并根据每个雷电点计算每个雷电点周边雷电与雷电点之间的距离,以及通过雷电点和距离构建雷电数据空间位置关系表。
步骤S103,计算任意两个雷电点之间的密度关系。
具体地,在一些示例中,通过以下定义确定任意两个雷电点之间的密度关系:
定义一:如果雷电点p在预设半径ε空间范围内存在另一个雷电点q,则定义雷电点q与雷电点p之间是直接密度到达关系。
定义二:如果存在一个序列的雷电点p1,p2,…,pn,其中,p1=p,且p1=q,如果对于每个pi+1与p1都是直接密度到达关系,则称q能够密度到达p。
进而,通过定义一或定义二可计算出任意两个雷电点的密度关系。
步骤S104,根据任意两个雷电点之间的密度关系对雷电数据进行聚类,以生成雷暴团,并获取雷暴团的位置特征点。
具体而言,从任意雷电点开始,若在其半径ε空间范围内包含的雷电点数目未达到minPts,则该雷电点标记为噪声点,否则新生成一个聚类簇,将所有与该雷电点为直接密度到达关系或密度到达关系的雷电点均归到此类并作标记,然后再找下一个未作过任何标记的点,重复上述操作,生成新的聚类簇,直到所有的雷电样本数据均被标记为止,待聚类完成后,确定不同雷暴团的位置特征点。
步骤S105,如果雷暴团的位置特征点存在位移,则获取雷暴团的位置特征点的运动轨迹。换言之,如果雷暴团的位置特征点随着时间推移发生位移变化,则根据该位移变化可得到雷暴团的位置特征点的运动轨迹。另一方面,结合图2所示,如果雷暴团的位置特征点未发生位移变化,则直接对当前的雷电数据进行反距离加权法进行插值,以预测雷暴云覆盖面积。
步骤S106,根据雷暴团的位置特征点的运动轨迹获取运动速度和运动方向。
步骤S107,根据运动速度和运动方向预测下一时间段雷暴团将要出现的位置。
步骤S108,根据下一时间段雷暴团将要出现的位置预测下一时间段雷暴云覆盖面积。具体包括:将当期时间段聚类分析后的不同类按照与雷暴团位置特征点相同的运动方向和运动速度移动,并将移动后的雷电数据通过反距离加权法进行插值,以预测下一时间段雷暴云覆盖面积。
根据本发明实施例的基于雷电定位系统的雷云覆盖面积的预测方法,通过反距离加权法对落雷数据进行插值,以实现雷暴云覆盖面积的预测。该方法能够减小网格划分法计算雷云覆盖面积造成的误差,提高预测精确度,为输电线路的雷电预警提供有效的参考依据。
本发明的进一步实施例还提供了一种基于雷电定位系统的雷云覆盖面积的预测系统。
图3是根据本发明一个实施例的基于雷电定位系统的雷云覆盖面积的预测系统的结构框图。如图3所示,根据本发明一个实施例的基于雷电定位系统的雷云覆盖面积的预测系统300,包括:建立模块310、构建模块320、计算模块330、获取模块340和预测模块350。
其中,建立模块310用于建立聚类分析数据库。更为具体地,在一些示例中,在数据库中设置雷电数据样本筛选条件,以及刻画雷电密度的基本参数,包括:距离,例如记作ε、最小雷电点数,例如记作minPts,并按时间顺序取得雷电样本数据并按照时间段分类。
构建模块320用于获取同一时间段内的雷电数据,并根据每个雷电点计算每个雷电点周边雷电与雷电点之间的距离,以及通过雷电点和距离构建雷电数据空间位置关系表。
计算模块330用于计算任意两个雷电点之间的密度关系。
具体地,在一些示例中,通过以下定义确定任意两个雷电点之间的密度关系:
定义一:如果雷电点p在预设半径ε空间范围内存在另一个雷电点q,则定义雷电点q与雷电点p之间是直接密度到达关系。
定义二:如果存在一个序列的雷电点p1,p2,…,pn,其中,p1=p,且p1=q,如果对于每个pi+1与p1都是直接密度到达关系,则称q能够密度到达p。
进而,计算模块330通过定义一或定义二可计算出任意两个雷电点的密度关系。
获取模块340用于根据任意两个雷电点之间的密度关系对雷电数据进行聚类,以生成雷暴团,并获取雷暴团的位置特征点,并在雷暴团的位置特征点存在位移时,获取雷暴团的位置特征点的运动轨迹,并根据雷暴团的位置特征点的运动轨迹获取运动速度和运动方向。
具体而言,从任意雷电点开始,若在其半径ε空间范围内包含的雷电点数目未达到minPts,则该雷电点标记为噪声点,否则新生成一个聚类簇,将所有与该雷电点为直接密度到达关系或密度到达关系的雷电点均归到此类并作标记,然后再找下一个未作过任何标记的点,重复上述操作,生成新的聚类簇,直到所有的雷电样本数据均被标记为止,待聚类完成后,确定不同雷暴团的位置特征点。如果雷暴团的位置特征点随着时间推移发生位移变化,则根据该位移变化可得到雷暴团的位置特征点的运动轨迹,并进一步获取运动速度和运动方向。另一方面,如果雷暴团的位置特征点未发生位移变化,则直接对当前的雷电数据进行反距离加权法进行插值,以预测雷暴云覆盖面积。
预测模块350用于运动速度和运动方向预测下一时间段雷暴团将要出现的位置,并根据下一时间段雷暴团将要出现的位置预测下一时间段雷暴云覆盖面积。具体包括:预测模块350将当期时间段聚类分析后的不同类按照与雷暴团位置特征点相同的运动方向和运动速度移动,并将移动后的雷电数据通过反距离加权法进行插值,以预测下一时间段雷暴云覆盖面积。
根据本发明实施例的基于雷电定位系统的雷云覆盖面积的预测系统,通过反距离加权法对落雷数据进行插值,以实现雷暴云覆盖面积的预测。该系统能够减小网格划分法计算雷云覆盖面积造成的误差,提高预测精确度,为输电线路的雷电预警提供有效的参考依据。
在本发明的描述中,需要理解的是,术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”、“顺时针”、“逆时针”、“轴向”、“径向”、“周向”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
在本发明中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或成一体;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通或两个元件的相互作用关系,除非另有明确的限定。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
在本发明中,除非另有明确的规定和限定,第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触,或第一和第二特征通过中间媒介间接接触。而且,第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方,或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方,或仅仅表示第一特征水平高度小于第二特征。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (4)
1.一种基于雷电定位系统的雷云覆盖面积的预测方法,其特征在于,包括以下步骤:
建立聚类分析数据库;
获取同一时间段内的雷电数据,并根据每个雷电点计算每个雷电点周边雷电与所述雷电点之间的距离,以及通过雷电点和所述距离构建雷电数据空间位置关系表;
计算任意两个雷电点之间的密度关系;
根据所述任意两个雷电点之间的密度关系对所述雷电数据进行聚类,以生成雷暴团,并获取所述雷暴团的位置特征点;
如果所述雷暴团的位置特征点存在位移,则获取所述雷暴团的位置特征点的运动轨迹;
根据所述雷暴团的位置特征点的运动轨迹获取运动速度和运动方向;
根据所述运动速度和运动方向预测下一时间段雷暴团将要出现的位置;以及
根据所述下一时间段雷暴团将要出现的位置预测下一时间段雷暴云覆盖面积,具体包括:将当前时间段聚类分析后的不同类按照与雷暴团位置特征点相同的运动方向和运动速度移动,并将移动后的雷电数据通过反距离加权法进行插值,以预测下一时间段雷暴云覆盖面积。
2.如权利要求1所述的基于雷电定位系统的雷云覆盖面积的预测方法,其特征在于,通过以下定义确定所述任意两个雷电点之间的密度关系:
如果雷电点p在预设半径ε空间范围内存在另一个雷电点q,则定义雷电点q与雷电点p之间是直接密度到达关系;
如果存在一个序列的雷电点p1,p2,…,pn,其中,p1=p,且p1=q,如果对于每个pi+1与p1都是直接密度到达关系,则称q能够密度到达p。
3.一种基于雷电定位系统的雷云覆盖面积的预测系统,其特征在于,包括:
建立模块,所述建立模块用于建立聚类分析数据库;
构建模块,所述构建模块用于获取同一时间段内的雷电数据,并根据每个雷电点计算每个雷电点周边雷电与所述雷电点之间的距离,以及通过雷电点和所述距离构建雷电数据空间位置关系表;
计算模块,所述计算模块用于计算任意两个雷电点之间的密度关系;
获取模块,所述获取模块用于根据所述任意两个雷电点之间的密度关系对所述雷电数据进行聚类,以生成雷暴团,并获取所述雷暴团的位置特征点,并在所述雷暴团的位置特征点存在位移时,获取所述雷暴团的位置特征点的运动轨迹,并根据所述雷暴团的位置特征点的运动轨迹获取运动速度和运动方向;
预测模块,所述预测模块用于所述运动速度和运动方向预测下一时间段雷暴团将要出现的位置,并根据所述下一时间段雷暴团将要出现的位置预测下一时间段雷暴云覆盖面积,具体包括:所述预测模块将当前时间段聚类分析后的不同类按照与雷暴团位置特征点相同的运动方向和运动速度移动,并将移动后的雷电数据通过反距离加权法进行插值,以预测下一时间段雷暴云覆盖面积。
4.根据权利要求3所述的基于雷电定位系统的雷云覆盖面积的预测系统,其特征在于,通过以下定义确定所述任意两个雷电点之间的密度关系:
如果雷电点p在预设半径ε空间范围内存在另一个雷电点q,则定义雷电点q与雷电点p之间是直接密度到达关系;
如果存在一个序列的雷电点p1,p2,…,pn,其中,p1=p,且p1=q,如果对于每个pi+1与p1都是直接密度到达关系,则称q能够密度到达p。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410422445.9A CN104166171B (zh) | 2014-08-25 | 2014-08-25 | 基于雷电定位系统的雷云覆盖面积的预测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410422445.9A CN104166171B (zh) | 2014-08-25 | 2014-08-25 | 基于雷电定位系统的雷云覆盖面积的预测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104166171A CN104166171A (zh) | 2014-11-26 |
CN104166171B true CN104166171B (zh) | 2016-09-21 |
Family
ID=51910069
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410422445.9A Active CN104166171B (zh) | 2014-08-25 | 2014-08-25 | 基于雷电定位系统的雷云覆盖面积的预测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104166171B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106157540B (zh) * | 2016-07-12 | 2019-01-08 | 中国石油化工股份有限公司 | 一种基于雷电预警系统的雷电预警及雷云轨迹预测方法 |
CN106526708B (zh) * | 2016-09-21 | 2018-10-30 | 广东奥博信息产业股份有限公司 | 一种基于机器学习的气象强对流天气的智能预警分析方法 |
CN109061774B (zh) * | 2018-06-26 | 2020-10-16 | 合肥佳讯科技有限公司 | 一种雷暴核关联性处理方法 |
CN108958081B (zh) * | 2018-08-28 | 2020-02-04 | 国网湖南省电力有限公司 | 输电线路山火的同步卫星-地面联动的监测方法及系统 |
CN110806509B (zh) * | 2019-11-29 | 2021-12-17 | 广东电网有限责任公司广州供电局 | 雷电活动空间特征检测方法和装置 |
CN112326684B (zh) * | 2020-10-21 | 2022-05-24 | 阳光电源股份有限公司 | 一种光伏组件积尘检测方法、装置、设备及存储介质 |
CN112904276B (zh) * | 2021-01-25 | 2022-11-25 | 中国气象科学研究院 | 闪电辐射源连接方法 |
CN113011098B (zh) * | 2021-03-26 | 2023-09-01 | 云南电网有限责任公司电力科学研究院 | 一种输电走廊区域雷电活动规律分析显示模型及系统 |
CN114019255B (zh) * | 2022-01-10 | 2022-03-11 | 中科边缘智慧信息科技(苏州)有限公司 | 一种雷暴中心的定位和预测方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101650444A (zh) * | 2008-08-11 | 2010-02-17 | 华东电力试验研究院有限公司 | 落雷密度统计方法 |
CN102141587A (zh) * | 2010-12-03 | 2011-08-03 | 湖州电力局 | 一种雷电定位数据成图方法 |
CN102253426A (zh) * | 2011-04-29 | 2011-11-23 | 国网电力科学研究院武汉南瑞有限责任公司 | 采用空间密度聚类进行雷电运动预测的方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130268232A1 (en) * | 2012-04-10 | 2013-10-10 | Qualcomm Incorporated | Informative Display for Statistical Positioning System |
-
2014
- 2014-08-25 CN CN201410422445.9A patent/CN104166171B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101650444A (zh) * | 2008-08-11 | 2010-02-17 | 华东电力试验研究院有限公司 | 落雷密度统计方法 |
CN102141587A (zh) * | 2010-12-03 | 2011-08-03 | 湖州电力局 | 一种雷电定位数据成图方法 |
CN102253426A (zh) * | 2011-04-29 | 2011-11-23 | 国网电力科学研究院武汉南瑞有限责任公司 | 采用空间密度聚类进行雷电运动预测的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104166171A (zh) | 2014-11-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104166171B (zh) | 基于雷电定位系统的雷云覆盖面积的预测方法及系统 | |
CN104200281B (zh) | 基于雷电定位系统的雷暴云移动路径的预测方法及系统 | |
CN109447315B (zh) | 一种基于多时空尺度的电力气象数值天气预报方法和装置 | |
CN103337133B (zh) | 基于识别预报技术的电网雷暴灾害预警系统及方法 | |
CN102253426B (zh) | 采用空间密度聚类进行雷电运动预测的方法 | |
CN102736632B (zh) | 一种用于无人机巡检带电导线的电场差分避障系统及方法 | |
CN105241465B (zh) | 一种道路更新的方法 | |
CN202632111U (zh) | 用于无人机巡检带电导线的电场测量避障系统 | |
CN102722178A (zh) | 用于无人机巡检带电导线的电场测量避障系统及方法 | |
CN103854518B (zh) | 一种航路网络节点时空流量的计算方法 | |
CN202632112U (zh) | 一种用于无人机巡检带电导线的电场差分避障系统 | |
CN103927872A (zh) | 一种基于浮动车数据预测多时段行程时间分布的方法 | |
CN110579823A (zh) | 一种强降雨短临预报方法及系统 | |
CN103136393A (zh) | 一种基于网格划分的区域覆盖率计算方法 | |
CN104657791A (zh) | 一种基于相关性分析的风电场群风速分布预测方法 | |
CN109191845A (zh) | 一种公交车辆到站时间预测方法 | |
CN109543870B (zh) | 一种基于邻域保持嵌入算法的输电线路杆塔雷击预警方法 | |
CN105225541A (zh) | 基于空管历史数据挖掘的短时航迹预测方法 | |
CN107944678A (zh) | 一种台风灾害预警方法及装置 | |
CN113327022A (zh) | 一种防雷安全风险管理系统及方法 | |
CN105930900A (zh) | 一种混合风力发电的预测方法及系统 | |
CN113361825A (zh) | 一种踩踏事故早期预警方法及系统 | |
CN103914737B (zh) | 一种输变电线路全线路现地气象信息计算方法 | |
CN105679103A (zh) | 一种机场环境容许空中交通量评估方法 | |
CN103020733B (zh) | 一种基于权重的机场单航班噪声预测方法及其系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |