CN105095668A - 基于亚洲极涡因子的电网覆冰长期预报方法 - Google Patents
基于亚洲极涡因子的电网覆冰长期预报方法 Download PDFInfo
- Publication number
- CN105095668A CN105095668A CN201510507450.4A CN201510507450A CN105095668A CN 105095668 A CN105095668 A CN 105095668A CN 201510507450 A CN201510507450 A CN 201510507450A CN 105095668 A CN105095668 A CN 105095668A
- Authority
- CN
- China
- Prior art keywords
- icing
- asia
- pole
- predictor
- whirlpool
- 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.)
- Granted
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明介绍了一种基于亚洲极涡因子的电网覆冰长期预报方法,包括以下步骤:1.收集历史极涡数据与覆冰资料;2.计算皮尔逊相关系数,得出覆冰预报因子;3.将覆冰预报因子按数值大小划分为多个区间;4.计算各个预报因子的各区间对应的覆冰等级的发生频率;5.根据预测年份的各个预报因子所处区间,得到预测年份在各个预报因子影响下的覆冰等级的发生频率;6.求取预测年份冬季电网覆冰各覆冰等级发生的概率。本发明可操作性强、预报输电线路电网覆冰的准确率高,解决了电网覆冰长期预测的难题。
Description
技术领域
本发明属于输配电技术领域,尤其涉及一种基于亚洲极涡因子的电网覆冰长期预报方法。
背景技术
电网覆冰是严重危害输电线路安全稳定运行的自然灾害之一,严重覆冰会导致输电线路机械和电气性能急剧下降,引起倒塔、断线、导线舞动和覆冰闪络等电网事故,给国民经济带来了巨大的损失。2008年初的南方冰灾,国家电网公司直接经济损失达120多亿元,南方电网公司直接经济损失134亿元,工厂、医院和居民区停电,京广电气化铁路停运,对社会稳定和人民生产与生活构成了严重威胁。而准确的电网覆冰长期预测是电力企业科学规划、经济部署人力、物资应对大范围电网冰冻灾害的前提条件,具有重大意义。
目前国内外的输电线路覆冰预测研究主要考虑输电线路在特定气象条件下覆冰增长的微观过程,如具有代表性的Imai模型、Lenhard模型、Goodwin模型、Chaine模型和Makkonen模型,属于输电线路覆冰增长速率的短期预测,只适合在特定条件下的短期覆冰预测。而气象部门开展的长期气候预测,主要是预测未来一个月或一个季度的气温较往常偏高或偏低、降水偏多或偏少,没有开展电网覆冰长期预测。
极涡是极地高空冷性大型涡旋系统。极涡的位置、强度以及移动直接影响我国的气温和降水变化,是影响冬季电网覆冰的重要因子。
发明内容
本发明要解决的技术问题是:针对目前电网覆冰长期预测现有技术不足,提供一种基于亚洲极涡因子的电网覆冰长期预报方法,可操作性强、预报输电线路电网覆冰的准确率高,解决了电网覆冰长期预测的难题。
本发明的解决方案是:
一种基于亚洲极涡因子的电网覆冰长期预报方法,包括以下步骤:
步骤1:收集历史亚洲极涡参数与覆冰数据:
收集预测年份前m年的亚洲极涡参数,包括历史年份各个月份的亚洲极涡面积指数和强度指数;亚洲极涡参数从气象数据网站收集;
通过气象部门收集历年12月至次年2月的平均覆冰日数,根据平均覆冰日数对覆冰程度进行分级;
步骤2:计算皮尔逊相关系数得出覆冰预报因子;
皮尔逊相关系数用于表征第j月的亚洲极涡参数Y与平均覆冰日数的相关度,的计算公式如下:
其中,yij为亚洲极涡参数Y的值,i为年份序号,j为月份序号,j=1,2,...,11,m为历史年份数量;ai为第i年的平均覆冰日数;
选取相应的皮尔逊相关系数最大的n个亚洲极涡参数,作为覆冰预报因子;亚洲极涡参数Y为亚洲极涡面积指数或强度指数;相应的皮尔逊相关系数越大,表示对冬季电网覆冰预报性越强;
步骤3:分别将n个覆冰预报因子按数值大小划分为多个区间;
步骤4:分别计算n个覆冰预报因子的不同区间对应的各覆冰等级的发生频率;
根据选取的覆冰预报因子的历史数据和对应的覆冰程度分级的情况,分别计算n个覆冰预报因子的不同区间对应的各覆冰等级发生频率,计算公式为:
其中,发生次数是指:覆冰预报因子的值在某一区间内时,覆冰程度属于某一等级的次数;总个数是指覆冰预报因子的值在该区间内时,发生覆冰的总次数;
步骤5:计算预测年份在各个覆冰预报因子影响下,各覆冰等级的发生频率;
根据预测年份的覆冰预报因子的取值,判断其所属的区间,并取覆冰预报因子该区间对应的覆冰等级发生频率,作为预测年份在此覆冰因子影响下的覆冰发生频率;
依次计算预测年份在在n个覆冰预报因子影响下,各覆冰等级的发生频率;
步骤6:求取并预报预测年份冬季(12月至次年2月)电网覆冰各覆冰等级发生的概率;
将预测年份在n个覆冰预报因子影响下,某一覆冰等级的发生频率进行算术平均,得到预测年份冬季(12月至次年2月)电网覆冰该覆冰等级发生的概率x,计算公式如下:
式中,xi为第i个覆冰预报因子对应的该覆冰等级发生频率,n为覆冰预报因子个数;
依次计算预测年份各个覆冰等级的发生频率,并将计算结果进行预报。
所述步骤1中,根据平均覆冰日数将覆冰程度分别四个覆冰等级,分别为:
0天<平均覆冰日数≤3天,轻度覆冰;
3天<平均覆冰日数≤5天,中度覆冰;
5天<平均覆冰日数<11天,严重覆冰;
平均覆冰日数≥11天,特别严重覆冰。
所述步骤2中,n=4。
所述步骤3中,分别将n个覆冰预报因子根据数值大小和对应的覆冰等级分布情况划分为多个区间,使得同一覆冰预报因子各区间的覆冰等级分布差异最大化。
所述步骤3中,若n个覆冰预报因子分别为不同月份的亚洲极涡面积指数或强度指数,则将n个覆冰预报因子分别划分为2个区间;若n个覆冰预报因子中包含同一月份的亚洲极涡面积指数和强度指数,则将该月份的亚洲极涡面积指数和强度指数划分为4个区间;具体划分方法为:以该月份的亚洲极涡面积指数为x轴,该月份的亚洲极涡强度指数为y轴,建立直角坐标系,直角坐标系的4个象限分别为划分得到的4个区间;直角坐标系的原点根据覆冰等级分布情况确定。
所述步骤1中,m为自1951年至预测年份前一年的年份数量,即收集1951年至预测年份前一年的亚洲极涡参数。气象数据网站没有1951年前的亚洲极涡参数数据,所以选择从1951开始,数据量更大,结果更可靠。
有益效果:
本发明考虑了亚洲区极涡指数及其变化对冬季电网覆冰的影响,建立了基于亚洲极涡面积指数和亚洲极涡强度指数作为覆冰预报因子的电网覆冰预报方法,通过判断预测年份的亚洲极涡面积指数与强度指数的大小与历史特征规律的满足程度,得出冬季电网覆冰发生程度的预报结论。使用该方法可以在11月份预报未来12月至次年2月的冬季电网覆冰程度,故该方法思路新颖、流程清晰、准确率高、实用性强。具有以下优点
1、可提前一个月对未来一个季度(冬季)的电网覆冰各种程度发生概率进行预测;
2、本发明可操作性强;
3、预报输电线路电网覆冰的准确率高;
4、解决了电网覆冰长期预测的难题,根据预测结论,提前对覆冰防治的人力、物资做好科学规划和经济部署,实现电网覆冰的提前应对,减少电网覆冰所造成的损失。
附图说明
图1为本发明流程图。
具体实施方式
以下结合附图和具体实施方式对本发明进行进一步具体说明。
本实施例是在2013年基于亚洲极涡参数对湖南电网冬季覆冰进行预测分析,如图1所述,本方法包括以下步骤:
1.收集历史极涡数据与覆冰资料
收集自1951至2013年以来的亚洲极涡的参数,包括每月的亚洲极涡面积指数和强度指数。通过气象部门收集历年平均覆冰日数,根据平均覆冰日数对覆冰程度进行分级:轻度覆冰,0天<平均覆冰日数≤3天;中度覆冰,3天<平均覆冰日数≤5天;严重覆冰,5天<平均覆冰日数<11天;特别严重覆冰,平均覆冰日数≥11天。
2.计算皮尔逊相关系数,得出覆冰预报因子
利用线性相关分析,计算出历年各个月份亚洲极涡参数与平均覆冰日数的相关系数,发现五月份亚洲极涡面积指数与强度指数、十月份亚洲极涡面积指数和七月份亚洲极涡强度指数3个亚洲极涡参数与平均覆冰日数的相关系数最大,对冬季电网覆冰预报性较强,将其作为覆冰长期预报的预报因子。
3.绘制覆冰程度的分类区域。
根据所选出的覆冰预报因子的历史数据和覆冰程度分级的结果,利用数据分类的分析方法绘制不同预报因子下的覆冰程度的分类区域,如表1覆冰分类区域所示。
如果是一个因子就划分两个区域,两个因子就划分为四个区域。但区域需要根据覆冰程度进行划分(类似于聚类)。
4.计算不同预报因子下的各分类区域覆冰等级的发生频率
通过概率统计,得出不同覆冰分类区域的各覆冰等级的发生频率,如表1所示。
表1覆冰分类区域的各覆冰等级发生频率
表格中“/”表示历史亚洲极涡参数中不存在位于区域4内的五月份亚洲极涡面积指数(x)与强度指数(y),如果预测年份的预报因子位于区域4内,则步骤6进行算术平均时,不考虑该预报因子。
5.计算各预报因子影响下各种程度覆冰的发生率
根据预测年份的不同预报因子的取值,判断其所处的覆冰程度分类区域,并取相应的覆冰分类区域的覆冰等级发生频率作为此因子预报预测年份的覆冰发生频率,如表2所示。
6.求取预测年份冬季电网覆冰各覆冰等级发生的概率
将不同预报因子影响下覆冰等级的发生频率通过算术平均得出预测年份冬季电网各覆冰等级发生的概率,如表2所示。
表22013年基于亚洲极涡影子的冬季覆冰长期预测
由表2得知,轻度覆冰发生概率为27.29%,中等程度覆冰发生概率为52.90%,严重覆冰程度发生概率为11.99%,特别严重覆冰发生概率为7.83%。2013年冬季平均覆冰天数实际为4.7天,属于中等程度覆冰,实际与预测相符,说明本发明方法可操作性强、预报输电线路电网覆冰的准确率高。
Claims (6)
1.一种基于亚洲极涡因子的电网覆冰长期预报方法,其特征在于,包括以下步骤:
步骤1:收集历史亚洲极涡参数与覆冰数据:
收集预测年份前m年的亚洲极涡参数,包括历史年份各个月份的亚洲极涡面积指数和强度指数;
通过气象部门收集历年12月至次年2月的平均覆冰日数,根据平均覆冰日数对覆冰程度进行分级;
步骤2:计算皮尔逊相关系数得出覆冰预报因子;
皮尔逊相关系数用于表征第j月的亚洲极涡参数Y与平均覆冰日数的相关度,的计算公式如下:
其中,yij为亚洲极涡参数Y的值,i为年份序号,j为月份序号,j=1,2,...,11,m为历史年份数量;ai为第i年的平均覆冰日数;
选取相应的皮尔逊相关系数最大的n个亚洲极涡参数,作为覆冰预报因子;
步骤3:分别将n个覆冰预报因子按数值大小划分为多个区间;
步骤4:分别计算n个覆冰预报因子的不同区间对应的各覆冰等级的发生频率;
根据选取的覆冰预报因子的历史数据和对应的覆冰程度分级的情况,分别计算n个覆冰预报因子的不同区间对应的各覆冰等级发生频率,计算公式为:
其中,发生次数是指:覆冰预报因子的值在某一区间内时,覆冰程度属于某一等级的次数;总个数是指覆冰预报因子的值在该区间内时,发生覆冰的总次数;
步骤5:计算预测年份在各个覆冰预报因子影响下,各覆冰等级的发生频率;
根据预测年份的覆冰预报因子的取值,判断其所属的区间,并取覆冰预报因子该区间对应的覆冰等级发生频率,作为预测年份在此覆冰因子影响下的覆冰发生频率;
依次计算预测年份在在n个覆冰预报因子影响下,各覆冰等级的发生频率;
步骤6:求取并预报预测年份各覆冰等级发生的概率;
将预测年份在n个覆冰预报因子影响下,某一覆冰等级的发生频率进行算术平均,得到预测年份该覆冰等级发生的概率,计算公式如下:
式中,xi为第i个覆冰预报因子对应的该覆冰等级发生频率,n为覆冰预报因子个数;
依次计算预测年份各个覆冰等级的发生频率,并将计算结果进行预报。
2.根据权利要求1所述的基于亚洲极涡因子的电网覆冰长期预报方法,其特征在于,所述步骤1中,根据平均覆冰日数将覆冰程度分别四个覆冰等级,分别为:
0天<平均覆冰日数≤3天,轻度覆冰;
3天<平均覆冰日数≤5天,中度覆冰;
5天<平均覆冰日数<11天,严重覆冰;
平均覆冰日数≥11天,特别严重覆冰。
3.根据权利要求2所述的基于亚洲极涡因子的电网覆冰长期预报方法,其特征在于,所述步骤2中,n=4。
4.根据权利要求3所述的基于亚洲极涡因子的电网覆冰长期预报方法,其特征在于,所述步骤3中,分别将n个覆冰预报因子根据数值大小和对应的覆冰等级分布情况划分为多个区间,使得同一覆冰预报因子各区间的覆冰等级分布差异最大化。
5.根据权利要求4所述的基于亚洲极涡因子的电网覆冰长期预报方法,其特征在于,所述步骤3中,若n个覆冰预报因子分别为不同月份的亚洲极涡面积指数或强度指数,则将n个覆冰预报因子分别划分为2个区间;若n个覆冰预报因子中包含同一月份的亚洲极涡面积指数和强度指数,则将该月份的亚洲极涡面积指数和强度指数划分为4个区间;具体划分方法为:以该月份的亚洲极涡面积指数为x轴,该月份的亚洲极涡强度指数为y轴,建立直角坐标系,直角坐标系的4个象限分别为划分得到的4个区间;直角坐标系的原点根据覆冰等级分布情况确定。
6.根据权利要求1~5中任一项所述的基于亚洲极涡因子的电网覆冰长期预报方法,其特征在于,所述步骤1中,m为自1951年至预测年份前一年的年份数量,即收集1951年至预测年份前一年的亚洲极涡参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510507450.4A CN105095668B (zh) | 2015-08-18 | 2015-08-18 | 基于亚洲极涡因子的电网覆冰长期预报方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510507450.4A CN105095668B (zh) | 2015-08-18 | 2015-08-18 | 基于亚洲极涡因子的电网覆冰长期预报方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105095668A true CN105095668A (zh) | 2015-11-25 |
CN105095668B CN105095668B (zh) | 2016-07-13 |
Family
ID=54576086
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510507450.4A Active CN105095668B (zh) | 2015-08-18 | 2015-08-18 | 基于亚洲极涡因子的电网覆冰长期预报方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105095668B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106056258A (zh) * | 2016-07-14 | 2016-10-26 | 国网湖南省电力公司 | 基于极涡‑副高因子对的电网冬季覆冰气候预测方法 |
CN106202939A (zh) * | 2016-07-14 | 2016-12-07 | 国网湖南省电力公司 | 一种enso时期覆冰关键要素变化特征分析方法 |
CN106202949A (zh) * | 2016-07-15 | 2016-12-07 | 国网湖南省电力公司 | 一种enso时期覆冰响应程度分析方法 |
CN110503340A (zh) * | 2019-08-27 | 2019-11-26 | 国网湖南省电力有限公司 | 一种融冰线路排序的蚁群算法及系统 |
CN112070408A (zh) * | 2020-09-14 | 2020-12-11 | 唐山学院 | 基于大数据和深度学习的烧结矿成分预报模型 |
CN112114384A (zh) * | 2020-08-27 | 2020-12-22 | 中国南方电网有限责任公司超高压输电公司检修试验中心 | 一种输电线覆冰发生概率预报方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101672667A (zh) * | 2008-09-10 | 2010-03-17 | 华东电力试验研究院有限公司 | 输电线路导线覆冰预报方法 |
CN102721986A (zh) * | 2012-06-01 | 2012-10-10 | 湖南省电力公司科学研究院 | 基于副热带高压因子的电网覆冰长期预报方法 |
CN102749664A (zh) * | 2012-08-08 | 2012-10-24 | 湖南省电力公司科学研究院 | 电网覆冰程度预测方法 |
JP2014045610A (ja) * | 2012-08-28 | 2014-03-13 | Chugoku Electric Power Co Inc:The | 送電線着氷雪監視システム及び送電線着氷雪監視装置 |
-
2015
- 2015-08-18 CN CN201510507450.4A patent/CN105095668B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101672667A (zh) * | 2008-09-10 | 2010-03-17 | 华东电力试验研究院有限公司 | 输电线路导线覆冰预报方法 |
CN102721986A (zh) * | 2012-06-01 | 2012-10-10 | 湖南省电力公司科学研究院 | 基于副热带高压因子的电网覆冰长期预报方法 |
CN102749664A (zh) * | 2012-08-08 | 2012-10-24 | 湖南省电力公司科学研究院 | 电网覆冰程度预测方法 |
JP2014045610A (ja) * | 2012-08-28 | 2014-03-13 | Chugoku Electric Power Co Inc:The | 送電線着氷雪監視システム及び送電線着氷雪監視装置 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106056258A (zh) * | 2016-07-14 | 2016-10-26 | 国网湖南省电力公司 | 基于极涡‑副高因子对的电网冬季覆冰气候预测方法 |
CN106202939A (zh) * | 2016-07-14 | 2016-12-07 | 国网湖南省电力公司 | 一种enso时期覆冰关键要素变化特征分析方法 |
CN106056258B (zh) * | 2016-07-14 | 2018-04-03 | 国网湖南省电力公司 | 基于极涡‑副高因子对的电网冬季覆冰气候预测方法 |
CN106202949A (zh) * | 2016-07-15 | 2016-12-07 | 国网湖南省电力公司 | 一种enso时期覆冰响应程度分析方法 |
CN110503340A (zh) * | 2019-08-27 | 2019-11-26 | 国网湖南省电力有限公司 | 一种融冰线路排序的蚁群算法及系统 |
CN112114384A (zh) * | 2020-08-27 | 2020-12-22 | 中国南方电网有限责任公司超高压输电公司检修试验中心 | 一种输电线覆冰发生概率预报方法 |
CN112070408A (zh) * | 2020-09-14 | 2020-12-11 | 唐山学院 | 基于大数据和深度学习的烧结矿成分预报模型 |
Also Published As
Publication number | Publication date |
---|---|
CN105095668B (zh) | 2016-07-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105095668B (zh) | 基于亚洲极涡因子的电网覆冰长期预报方法 | |
CN102590651B (zh) | 基于雷电实测数据的输电线路故障概率评估方法 | |
CN102749664B (zh) | 电网覆冰程度预测方法 | |
CN103207340B (zh) | 一种输电线路雷电绕击跳闸在线预警方法 | |
CN105184668A (zh) | 一种基于聚类分析的输电线路山火风险区域划分方法 | |
CN105068149B (zh) | 一种基于多信息综合的输变电设备雷电监测和预报方法 | |
CN104123682A (zh) | 一种基于气象影响因素的配网故障风险评估方法 | |
CN105279612A (zh) | 一种基于泊松分布的输电线路跳闸风险评估方法 | |
CN102721986B (zh) | 基于副热带高压因子的电网覆冰长期预报方法 | |
CN104766143B (zh) | 基于支持向量分类的输电线路覆冰等级长期预测方法 | |
CN104849776A (zh) | 一种结合动态修正的电网高低温精细化预警方法 | |
CN104376371A (zh) | 一种基于拓扑的配网分层负荷预测方法 | |
CN105067904A (zh) | 一种基于历史雷电定位数据和电网跳闸数据的雷电预警数据评估方法 | |
CN105069027A (zh) | 使指标得到简化的输电杆塔塔材实际强度计算方法 | |
CN102706304A (zh) | 一种输电线路导线覆冰厚度的预测方法 | |
CN102508321B (zh) | 电网覆冰预报方法 | |
Bai et al. | Short-term prediction of distribution network faults based on support vector machine | |
CN105004932A (zh) | 一种基于实时雷电定位数据相关性分析的雷电预警数据修正方法 | |
CN104850919A (zh) | 一种输电线路山火数值预测方法 | |
CN106159940A (zh) | 基于电网负荷特性分析的pmu最优布点方法 | |
CN103473461B (zh) | 基于数据特征提取的风功率预测误差估计方法 | |
CN105096003A (zh) | 基于最短路径算法和0/1决策的输电线路融冰决策方法 | |
CN103279646A (zh) | 一种预测覆冰输电导线张力的计算方法 | |
CN105160420A (zh) | 一种架空线路风荷载停运概率的预测方法 | |
Xie et al. | Extensions of power system early-warning defense schemes by integrating wide area meteorological information |
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 |