CN104849776A - 一种结合动态修正的电网高低温精细化预警方法 - Google Patents

Abstract

本发明公开了一种结合动态修正的电网高低温精细化预警方法，包括如下步骤：S1，对当地天气进行预报，生成最高、最低温度预报结果，并提取影响当地温度预报结果的实况气象因子；S2，根据生成的温度预报结果和选取的实况气象因子建立最高、最低温度预报方程；S3，基于实测最高、最低气温资料和预报结果统计最高、最低温度预报误差；根据温度预报误差对最高、最低温度预报结果进行修正，得到最高、最低温度的最终预报结果；S4，根据最高、最低温度的最终预报结果进行电力设备优先级预报并发布预警信息。本发明能够有效解决电网系统高温和低温预报效果与实测相差较大等问题，及时有效地采取相应措施应对极端高低温，减轻极端天气带来的损害。

Description

一种结合动态修正的电网高低温精细化预警方法

技术领域

本发明涉及一种高低温预警方法，尤其涉及一种结合动态修正的电网高低温精细化预警方法，属于气象灾害预报技术领域。

背景技术

在全球气候变暖的背景下，极端天气气候事件引起的气象灾害频数和强度呈增加趋势。随着我国电网规模的迅速发展，电网遭受台风、暴雨雪、雷电、大风等气象灾害的破坏也十分突出，极端高、低温等天气过程和季节性变化对社会用电的影响日益增加。

持续的极端高温及极端低温会造成输变电设备工作环境恶化，对电网运行产生不利影响。高温天气使电网负荷急剧增加，造成输变电设备过载，造成变压器等设备过热烧坏、损毁，发大面积停电事故。此外，还会导致输变电设备本体密封损坏，油浸或充气设备渗漏油、漏气，设备被迫停止运行。极端低温会使设备冻裂或脆化，导致设备本体损毁无法正常运行。

随着经济社会对温度预报的精细化要求越来越高，区域的精细化高低温预报被提上日程。目前精细化到乡镇的高低温预报已经取得了较好的成果，纵观国内外的精细化温度方法，都是基于全球数值模式或者局部地区中尺度模式高分辨率的预报结果，此外还基于大量的历史温度资料运用各种统计方法对预报结果进行修正或者建立预报方程，得到的预报结果都取得了较高的准确率。

但是，在电网系统中，仍然存在电网系统高温和低温预报分辨率低、预报效果与实测相差较大等问题，对于电网系统的精细化高、低温的预报，还没有拥有成熟的预报方法，不能在极端高温、低温发生前，及时有效地采取相应的措施，减轻甚至防止损害的发生。

发明内容

本发明所要解决的技术问题在于提供一种结合动态修正的电网高低温精细化预警方法。

为实现上述发明目的，本发明采用下述的技术方案：

一种结合动态修正的电网高低温精细化预警方法，包括如下步骤：

S1，对当地天气进行预报，生成最高、最低温度预报结果，并提取影响当地温度预报结果的实况气象因子；

S2，根据生成的温度预报结果和选取的实况气象因子建立最高、最低温度预报方程；

S3，基于实测最高、最低气温资料和温度预报结果统计得到最高、最低温度预报误差；根据温度预报误差对最高、最低温度预报结果进行修正，得到最高、最低温度的最终预报结果；

S4，根据最高、最低温度的最终预报结果进行电力设备优先级预报并发布预警信息。

其中较优地，在步骤S1中，根据当地的气候条件和地形特点选择相应的模式参数化方案对当地天气进行预报。

其中较优地，在步骤S2中，所述建立最高、最低温度预报方程具体包括如下步骤：

S21，将中尺度天气预报模式的最高和最低温度预报结果使用双线性插值方法插值到各气象站点上，得到温度预测函数；

S22，分季节把选取实况气象因子获得的温度预报结果与站点历史最高(最低)温度数据相结合，求各因子与预报结果的相关系数；

S23，利用逐步回归方法将大于阈值的相关度系数对应的实况气象因子按季节分别建立最高温度和最低温度的预报方程。

其中较优地，在步骤S23中，每个季节都存在最高温度预报方程和最低温度预报方程，全年共八个方程，所述预报方程形式为： $T_{\max \left(\min \right)}^{\mathrm{NWP}}=C+a_1{T}_{08}^{\mathrm{OBS}}+a_2{T}_{14}^{\mathrm{OBS}}+a_3{\mathrm{Td}}_{08}^{\mathrm{OBS}}+a_4{\mathrm{Td}}_{14}^{\mathrm{OBS}}+a_5{P}_{08}^{\mathrm{OBS}}+a_6{P}_{14}^{\mathrm{OBS}}+a_7{T}_{\max \left(\min \right)}^{\mathrm{WRF}};$ 其中，a_n(n＝1,2,3,4,5,6,7)为各因子与预报结果的相关系数；C为常数，为气象站点08点实况地面温度，为气象站点14点实况地面温度，为气象站点08点实况露点温度，为气象站点14点实况露点温度，为气象站点08点实况气压，为气象站点14点实况气压,为中尺度天气预报模式的温度预报结果插值到气象站点上的最高(最低)温度预报值。

其中较优地，在步骤S3中，统计得到的最高、最低温度预报误差的计算公式为： $B_k(0,t)=\frac{1}{N}\underset{d=1}{\overset{N}{\mathrm{\Σ}}}(T_k^{\mathrm{NWP}}(d,t)-T_k^{\mathrm{OBS}}(d,t));$

其中，为预报的最高或最低气温，为观测的最高或最低气温，k表示不同的气象站点，t表示不同预报时数，d表示前段时间的预报场，N为预报的天数。

其中较优地，在步骤S3中，所述根据温度预报误差对最高、最低温度预报结果进行修正，是采用权重订正法将预报方程的温度预报结果减去温度预报误差得到订正后的电网最高、最低温度预报值计算公式如下： $T_k^{\mathrm{cc}}(0,t)=T_k^{\mathrm{NWP}}(0,t)-f_k\×B_k(0,t);$

其中，为温度预报结果，B_k(0，t)为温度预报误差，f_k表示误差场的系数。

本发明所提供的结合动态修正的电网高低温精细化预警方法，基于局部地区中尺度模式高分辨率的预报结果，充分考虑当地实况气象因子，通过建立温度预报方程来获得温度预报值，并充分考虑温度预报误差，引入动态修正过程对最高、最低温度预报结果进行修正，根据最高、最低温度的预报结果进行电力设备优先级预报并且发布预警信息。该方法能有效解决电网系统高温和低温预报分辨率低、预报效果与实测相差较大等问题，在极端高温、低温发生前，能及时有效地采取相应的措施，减轻极端天气带来的损害。

附图说明

图1为本发明所提供的结合动态修正的电网高低温精细化预警方法的流程图；

图2为本发明中，采用插值法得到温度预报函数的示意图。

具体实施方式

下面结合附图和具体实施例对本发明的技术内容作进一步的详细说明。

如图1所示，本发明提供的结合动态修正的电网高低温精细化预警方法，具体包括如下步骤：首先使用中尺度天气预报模式(WRF模式)进行预报，生成最高、最低温度预报结果，并提取影响当地高、低温预报结果的实况气象因子；其次根据生成的温度预报结果和选取的实况气象因子建立最高、最低温度预报方程；再基于气象站实测最高、最低气温资料和预报结果统计最高、最低温度预报误差；根据温度预报误差对最高、最低温度预报结果进行修正，得到最高、最低温度的最终预报结果；最后根据最高、最低温度的最终预报结果进行电力设备优先级预报并且发布预警信息。下面对这一过程做详细具体的说明。

S1，采用WRF模式对当地天气进行预报，生成最高、最低温度预报结果，并提取影响当地最高、最低温度预报结果的实况气象因子。

在本发明所提供的实施例中，以NCEP(美国国家环境预报中心)的GFS(全球预报系统)全球模式资料为背景场，使用中尺度天气预报模式(WRF模式)对当地天气进行预报，WRF模式提供多个模式参数化方案，可以根据当地的气候条件和地形特点选择相应的模式参数化方案进行模拟，根据模拟数据选取最适合当地的气候条件和地形特点的模式参数化方案对当地天气进行预报，提高了预报的准确性。WRF模式中设置三重嵌套，框定的区域精度由外至内分别设置为27km、9km和3km，垂直层设置为28层，上疏下密。

GFS全球模式资料分辨率为0.5°×0.5°，每天更新4次，预报资料的起报时间分别对应世界时00点、06点、12点和18点，预报数据的时间间隔为3小时，预报时长为未来7天。在本发明所提供的实施例中，以NCEP的GFS全球模式资料为背景场，采用WRF模式中WRF-ARW核进行电网区域未来72小时，每小时一次的温度预报资料，逐小时精细化常规气象因子预报(包括逐小时温、湿、风、压预报)，统计出该区域内未来3天每日的最高、最低温度预报结果。

气象因子包括气象站点08点和14点实况露点温度、实况气压实况和地面温度，选择提取这些实况因子是因为数值产品存在一定的误差，实况因子有一定的订正作用。

S2，根据生成的温度预报结果和选取的实况气象因子建立最高、最低温度预报方程。

根据生成的温度预报结果使用双线性插值方法获得该区域内任意一点温度预测函数，然后结合选取的实况气象因子，充分考虑选取的实况气象因子对温度预测的影响，建立最高、最低温度预报方程。利用最高、最低温度预报方程，可以预报区域范围内任意点的预测温度值。建立最高、最低温度预报方程具体包括如下步骤：

S21，将WRF模式的最高和最低温度预报结果使用双线性插值方法插值到各气象站点上，得到温度预测函数。

将气象站点经纬度位置落在模式预报区域中，选取气象站点周围最近的4个格点的温度预报资料进行插值，得到模式区域中对应站点位置的温度预报值，由于WRF模式的预报结果分辨率比较高，插值得到的结果也较为精确。

如图2所示，点Q₁₁、Q₁₂、Q₂₁、Q₂₂为已知的数据点，假设已知温度预测函数f是在Q₁₁＝(x₁,y₁)，Q₁₂＝(x₁,y₂)，Q₂₁＝(x₂,y₁)，Q₂₂＝(x₂,y₂)四个点的温度预测值，点P为插值后得到的点，在插值过程中先在x方向进行线性插值得到点R₁和R₂，然后在y方向进行插值，得到P，最终得到插值公式(温度预测函数)为：

$\begin{array}{c}f(x,y)\≈\frac{f\left(Q_{11}\right)}{(x_2-x_1)}(x_2-x)(y_2-y)+\frac{f\left(Q_{21}\right)}{(x_2-x_1)(y_2-y_1)}(x-x_1)(y_2-y)\\ +\frac{f\left(Q_{12}\right)}{(x_2-x_1)(y_2-y_1)}(x_2-x)(y-y_1)+\frac{f\left(Q_{22}\right)}{(x_2-x_1)(y_2-y_1)}(x-x_1)(y-y_1)\end{array}$

S22，分季节把选取实况气象因子获得的温度预报结果与站点历史最高(最低)温度数据相结合，求各因子与预报结果的相关系数。

在不同季节，不同实况气象因子(实况露点温度、实况地面温度、实况气压等)对温度预报结果的作用不同，分季节把选取实况气象因子获得的温度预报结果与气象站点历史最高(最低)温度相结合，求各因子与预报结果的相关系数，该相关系数的值若为正数，则与温度预报结果存在正相关关系；若该相关系数的值为负数，则与温度预报结果存在负相关关系。根据对气象站点历史最高(最低)温度数据的实验分析设定阈值，剔除相关系数绝对值小于阈值的相关度系数对应的实况气象因子，相关系数绝对值小的实况气象因子个数越多则方程容易变得不稳定。在本发明所提供的实施例中，最终选定的实况气象因子包括实况露点温度、实况地面温度和实况气压。

S23，利用逐步回归方法将大于阈值的相关度系数对应的实况气象因子按季节分别建立最高温度和最低温度的预报方程。

在本发明所提供的实施例中，利用逐步回归方法将大于阙值的相关度系数对应的实况气象因子按照春、夏、秋、冬四个季节分别建立最高温度和最低温度的预报方程，每个季节都存在最高温度预报方程和最低温度预报方程两个方程，全年共八个方程，方程形式如下：

$T_{\max \left(\min \right)}^{\mathrm{NWP}}=C+a_1{T}_{08}^{\mathrm{OBS}}+a_2{T}_{14}^{\mathrm{OBS}}+a_3{\mathrm{Td}}_{08}^{\mathrm{OBS}}+a_4{\mathrm{Td}}_{14}^{\mathrm{OBS}}+a_5{P}_{08}^{\mathrm{OBS}}+a_6{P}_{14}^{\mathrm{OBS}}+a_7{T}_{\max \left(\min \right)}^{\mathrm{WRF}}$

其中，a_n(n＝1,2,3,4,5,6,7)为各因子的对预报结果的贡献率，即与预报结果的相关系数。C为常数，为气象站点08点实况地面温度，为气象站点14点实况地面温度，为气象站点08点实况露点温度，为气象站点14点实况露点温度，为气象站点08点实况气压，为气象站点14点实况气压,为WRF模式的温度预报结果插值到气象站点上的最高(最低)温度预报值。

S3，基于气象站实测最高、最低气温资料和温度预报结果统计得到最高、最低温度预报误差；根据温度预报误差对最高、最低温度预报结果进行修正，得到最高、最低温度的最终预报结果。

在预报过程中，获得的温度预报结果与实际测得的温度或多或少会存在一定的误差。基于气象站点实测最高、最低气温资料和温度预报结果进行分析统计，可以得到最高、最低温度预报误差。在本发明所提供的实施例中，每天根据前3天气象站点的最高温度和最低温度观测值计算最高、最低温度预报方程的误差B_K(0,t)，计算公式如下：

$B_k(0,t)=\frac{1}{N}\underset{d=1}{\overset{N}{\mathrm{\Σ}}}(T_k^{\mathrm{NWP}}(d,t)-T_k^{\mathrm{OBS}}(d,t));$

其中，为预报的最高或最低气温，为观测的最高或最低气温，k表示不同的站点，t表示不同预报时数，t＝1、2、3…24，d表示前段时间的预报场，d＝1、2、3，分别表示前一天、前两天和前三天，,N为预报的天数。

得到预报结果与实际检测结果的温度预报误差之后，根据温度预报误差对最高、最低温度预报结果进行修正，得到最高、最低温度的最终预报结果。采用权重订正法将预报方程的预报结果减去温度预报误差得到订正后的电网最高、最低温度预报值计算公式如下：

$T_k^{\mathrm{cc}}(0,t)=T_k^{\mathrm{NWP}}(0,t)-f_k\×B_k(0,t)$

其中，f_k表示误差场的系数，可根据实际情况进行选取，在这里取f_k＝0.7。

S4，根据最高、最低温度的最终预报结果进行电力设备优先级预报并且发布预警信息。

电力设备在实际的使用过程中，应对高、低温的能力有着很大的差异。根据电力设备应对高、低温灾害的能力将电力设备进行分级，按照优先级顺序，对易受高、低温灾害影响的电力设备进行优先、重点预报，以便其及时采取相应的应对措施，减轻极端天气带来的损害。

除此之外，根据不同高、低温温度以及温度持续时间的长短对电力设备的影响，对预警级别进行分类，针对不同的预警级别采取相应的措施。在本发明所提供的实施例中，连续三天最高气温达到35℃即进行高温黄色预警，24小时内最高气温达到37℃进行高温橙色预警，24小时内最高温度升至40℃进行高温红色预警；连续三天以上最低温度≤0℃进行一般(Ⅳ)预警，连续五天以上最低温度≤0℃进行较大级(Ⅲ)预警，连续八天以上最低温度≤0℃进行重大级(Ⅱ)预警，连续十天以上最低温度≤0℃进行特别重大级(Ⅰ)预警。当危害发生时，按照优先级向电力设备发送预报，并发布预警信息，报告危险情况，使其及时采取相应的应对措施，从而最大程度的减低危害所造成的损失。

综上所述，本发明所提供的结合动态修正的电网高低温精细化预警方法，基于局部地区中尺度模式高分辨率的预报结果，充分考虑当地的气候条件和地形特点，结合当地实况气象因子，通过建立温度预报方程来获得温度预报值，并充分考虑温度预报误差，引入动态修正过程对最高、最低温度预报结果进行修正，提高预报的准确度，得到最终预报结果，根据最高、最低温度的最终预报结果进行电力设备优先级预报并且发布预警信息。该方法能有效解决电网系统高温和低温预报分辨率低、预报效果与实测相差较大等问题，在极端高温、低温发生前，能及时有效地采取相应的措施，减轻极端天气带来的损害。

以上对本发明所提供的结合动态修正的电网高低温精细化预警方法进行了详细的说明。对本领域的一般技术人员而言，在不背离本发明实质精神的前提下对它所做的任何显而易见的改动，都将构成对本发明专利权的侵犯，将承担相应的法律责任。

Claims (6)

1.一种结合动态修正的电网高低温精细化预警方法，其特征在于包括如下步骤：

S1，对当地天气进行预报，生成最高、最低温度预报结果，并提取影响当地温度预报结果的实况气象因子；

S2，根据生成的温度预报结果和选取的实况气象因子建立最高、最低温度预报方程；

S3，基于实测最高、最低气温资料和温度预报结果统计得到最高、最低温度预报误差；根据温度预报误差对最高、最低温度预报结果进行修正，得到最高、最低温度的最终预报结果；

S4，根据最高、最低温度的最终预报结果进行电力设备优先级预报并发布预警信息。

2.如权利要求1所述的电网高低温精细化预警方法，其特征在于：

在步骤S1中，根据当地的气候条件和地形特点选择相应的模式参数化方案对当地天气进行预报。

3.如权利要求1所述的电网高低温精细化预警方法，其特征在于在步骤S2中，所述建立最高、最低温度预报方程具体包括如下步骤：

S21，将中尺度天气预报模式的最高和最低温度预报结果使用双线性插值方法插值到各气象站点上，得到温度预测函数；

S22，分季节把选取实况气象因子获得的温度预报结果与站点历史最高、最低温度数据相结合，求各因子与预报结果的相关系数；

S23，利用逐步回归方法将大于阈值的相关度系数对应的实况气象因子按季节分别建立最高温度和最低温度的预报方程。

4.如权利要求3所述的电网高低温精细化预警方法，其特征在于：

在步骤S23中，每个季节都存在最高温度预报方程和最低温度预报方程，全年共八个方程，所述预报方程形式为： $T_{\max \left(\min \right)}^{\mathrm{NWP}}=C+a_1{T}_{08}^{\mathrm{OBS}}+a_2{T}_{14}^{\mathrm{OBS}}+a_3{\mathrm{Td}}_{08}^{\mathrm{OBS}}+a_4{\mathrm{Td}}_{14}^{\mathrm{OBS}}+a_5{P}_{08}^{\mathrm{OBS}}+a_6{P}_{14}^{\mathrm{OBS}}+a_7{T}_{\max \left(\min \right)}^{\mathrm{WRF}};$ 其中，a_n(n＝1,2,3,4,5,6,7)为各因子与预报结果的相关系数；C为常数，为气象站点08点实况地面温度，为气象站点14点实况地面温度，为气象站点08点实况露点温度，为气象站点14点实况露点温度，为气象站点08点实况气压，为气象站点14点实况气压,为中尺度天气预报模式的温度预报结果插值到气象站点上的最高或最低温度预报值。

5.如权利要求1所述的电网高低温精细化预警方法，其特征在于：

在步骤S3中，统计得到的最高、最低温度预报误差的计算公式为：

$B_k(0,t)=\frac{1}{N}\underset{d=1}{\overset{N}{\mathrm{\Σ}}}(T_k^{\mathrm{NWP}}(d,t)-T_k^{\mathrm{OBS}}(d,t));$

其中，为预报的最高或最低气温，为观测的最高或最低气温，k表示不同的气象站点，t表示不同预报时数，d表示前段时间的预报场，N为预报的天数。

6.如权利要求1所述的电网高低温精细化预警方法，其特征在于：

在步骤S3中，所述根据温度预报误差对最高、最低温度预报结果进行修正，是采用权重订正法将预报方程的温度预报结果减去温度预报误差得到订正后的电网最高、最低温度预报值计算公式如下：

$T_k^{\mathrm{cc}}(0,t)=T_k^{\mathrm{NWP}}(0,t)-f_k\×B_k(0,t);$

其中，为温度预报结果，B_k(0，t)为温度预报误差，f_k表示误差场的系数。