CN105137211A - 一种基于wrf模式和相似日强对流指数辨识的雷害预警方法 - Google Patents

Abstract

一种基于WRF模式和相似日强对流指数辨识的雷害预警方法，所述方法应用中尺度WRF模式生成电网雷击故障相关的各类强对流指数，应用历史同期电网雷击故障与各类强对流指数的相关关系诊断，筛选与电网雷击故障显著强相关的强对流指数类别及其在相似日概念下所对应的、量化的门限值，从而得到强对流雷害预警参数化模型并进行校验。本发明通过气象数值模式，可模拟、预报雷害发生前后的天气过程研究，生成各类气象环境参数，能提前对雷电活动及可能遭受雷击的输电线路区域进行预警，对于电网的安全稳定运行有着重要作用；对提高电网雷击故障预警能力具有显著的应用价值。

Description

一种基于WRF模式和相似日强对流指数辨识的雷害预警方法

技术领域

本发明涉及一种基于WRF模式和相似日强对流指数辨识的雷害预警方法，属高压电气设备运行维护检修技术领域。

背景技术

雷电活动是大气中的自然放电现象，严重威胁电网的安全运行。在我国输电线路遭受雷击的概率较高，雷击跳闸故障常有发生。就电力行业而言，雷击跳闸一直处在各类故障事故的第一位。据统计，2014年江西省范围内110～500kV输电线雷击故障占总故障的61.1％，其中110kV输电线路雷击故障占110kV输电线路故障的65.9％、220kV输电线路雷击故障占220kV输电线路故障的47.9％、500kV输电线路雷击故障占500kV输电线路故障的23.0％；2013年江西省范围内110～500kV输电线雷击故障占总故障的38.3％，其中110kV输电线路雷击故障占110kV输电线路故障的40.3％、220kV输电线路雷击故障占220kV输电线路故障的33.3％、500kV输电线路雷击故障占500kV输电线路故障的20.0％。尽管一次系统中高压电器设备的设计标准高、抵御雷害的能力优于低电压电气设备，但仅靠提高一次设备的设计标准来强化雷击灾害的防御能力势必导致极大的资产投入负担，在短时间内很难予以实现，而且由于输电线路分布区域广且暴露在野外，有些杆段处于地形气象条件复杂的地区，容易遭受雷击，雷击已成为影响架空输电线路设备安全稳定运行的重要因素，因此，提前对雷电活动及可能遭受雷击的输电线路区域进行预警，对于电网的安全稳定运行有着重要作用。

雷电活动与气象条件(尤其是中小尺度强对流天气的环流特征)、地形条件密切相关。中小尺度天气过程能够导致雷云的产生，大气强烈放电的物理机理研究中通常包括了对流有效位能、对流抑制能量、抬升凝结高度、沙氏指数等物理参数的计算。通过上述指数，对雷害发生前后的天气过程进行研究，这一基于物理的雷电生成条件的研究对于电网雷害事故的预警技术研发具有重要意义。通过气象数值模式，可模拟、预报雷害发生前后的天气过程研究，生成各类气象环境参数，对提高电网雷击故障预警能力具有显著的应用价值。

发明内容

本发明的目的是，提高区域雷电活动及雷击事故的预先判断期，为电网输电线路防雷减灾措施提供科学参考，本发明公开了一种基于WRF模式和相似日强对流指数辨识的雷害预警方法。

本发明的技术方案是，基于WRF模式和雷害事故同期的强对流指数辨识，进行计及气象物理约束的电网雷害预警方法，利用中尺度气象模式WRF模式(WeatherResearchForecast)生成指定区域和雷击故障历史同期的气象要素预报数据，基于模式结果计算对流有效位能(ConvectiveAvailablePotentialEnergy，CAPE)及对流抑制能量(ConvectiveInhibitionEnergy，CIN)等强对流指数，通过空间相关分析和时序相关分析确定雷击故障与上述强对流指数间的数值模型，从而将WRF模式的技术优势与雷电预警技术相融合，提高雷害预警的遇见期。

本发明应用中尺度WRF模式生成电网雷击故障相关的各类强对流指数，应用历史同期电网雷击故障与各类强对流指数的相关关系诊断，筛选与电网雷击故障显著强相关的强对流指数类别及其在相似日概念下所对应的、量化的门限值，从而得到强对流雷害预警参数化模型并进行校验。

一种基于WRF模式和相似日强对流指数辨识的雷害预警方法，所述方法的实现步骤如下：

(1)将GFS数据及资料同化数据作为WRF模式输入，通过模式运算，生成气象场格点预报数据；

(2)提取气象场格点预报数据中有用信息，利用CAPE、CIN等指数计算公式得到CAPE和CIN格点分布；

(3)以雷击故障信息为前提，提取WRF生成的各类强对流指数，统计雷击故障历史同期强对流指数量值等级、强对流面积指数、强对流指数的强值中心及其与雷击故障点距离的离线特征量，抽取上述离线特征量中与雷击故障具有时空相关性的数值预报信息，并统计得出信息抽取的门限值；

(4)得出某地雷击故障的气象成因统计规律及其对应的可量化的气象强对流指数集，依据上述两类信息进行参数化建模，得出雷击故障与不同气象强对流指数子集的映射关系，即

L_i＝f(x_1i,x_2i,…，x_ni)

其中，L_i代表某次雷击事故，x_ni代表历史同期强对流指数集中的各项强对流因子；

(5)通过测试样本集的离线方式预报仿真，分析预报模型可靠性、强壮性，依据预报模型失效案例对原强对流指数集的组合因子、组合方式进行调整优化；

(6)进行雷害预警的预报概率分析，概率分析限于两个部分：其一，雷击故障记录中可通过强对流指数解释的部分占总故障记录的比例；其二，离线仿真过程中，预报模型的有效预报次数与总预报发布次数的比例。

所述CAPE计算式为：

$\mathrm{CAPE}=g\underset{Z_f}{\overset{Z_e}{\∫}}\frac{1}{\stackrel{\‾}{T_{\mathrm{ve}}}}(T_{\mathrm{va}}-T_{\mathrm{ve}})\mathrm{dz}$

式中,Z_f为自由对流高度，Z_e为平衡高度,T_ve为环境虚温,T_va为气块虚温，为自由对流高度和平衡高度之间环境的平均虚温；

所述CIN计算公式为：

$\mathrm{CIN}=g\∫\frac{T_e-T_p}{T_B}\mathrm{dz}$

式中，g是重力加速度,T_B是该层的平均温度,T_e、T_p分别表示环境与气块的温度。

本发明的有益效果是，本发明通过气象数值模式，可模拟、预报雷害发生前后的天气过程研究，生成各类气象环境参数，能提前对雷电活动及可能遭受雷击的输电线路区域进行预警，对于电网的安全稳定运行有着重要作用；对提高电网雷击故障预警能力具有显著的应用价值。

附图说明

图1是本发明的算法流程示意图。

具体实施方式

本发明所采用的技术实现步骤包括：

步骤一：WRF模式生成气象场格点预报数据

将GFS数据及资料同化数据作为WRF模式输入，通过模式运算，生成气象场格点预报数据。

步骤二：气象场格点预报数据处理

提取气象场格点预报数据中有用信息，利用CAPE、CIN等指数计算公式得到CAPE和CIN格点分布。

其中，CAPE计算式为：

$\mathrm{CAPE}=g\underset{Z_f}{\overset{Z_e}{\∫}}\frac{1}{\stackrel{\‾}{T_{\mathrm{ve}}}}(T_{\mathrm{va}}-T_{\mathrm{ve}})\mathrm{dz}$

式中,Z_f为自由对流高度，Z_e为平衡高度,T_ve为环境虚温,T_va为气块虚温，为自由对流高度和平衡高度之间环境的平均虚温。

CIN计算公式为：

$\mathrm{CIN}=g\∫\frac{T_e-T_p}{T_B}\mathrm{dz}$

式中，g是重力加速度,T_B是该层的平均温度,T_e、T_p分别表示环境与气块的温度。

CAPE、CIN是本发明采用的主要强对流参数示例。由于大气放电现象和地闪生成机理的影响因素多样，因此本发明所需应用的强对流指数并不局限于以上两类。

步骤三：雷击故障与强对流指数的时空关系分析

输电网雷击故障具有明确的空间位置信息和时间记录，以雷击故障信息为前提，提取WRF生成的各类强对流指数，统计雷击故障历史同期强对流指数量值等级、强对流面积指数、强对流指数的强值中心及其与雷击故障点的距离等离线特征量，抽取上述离线特征量中与雷击故障具有时空相关性的数值预报信息，并统计得出信息抽取的门限值。

步骤四：基于相似日强对流辨识的雷击故障预警建模

基于步骤三，得出某地雷击故障的气象成因统计规律及其对应的可量化的气象强对流指数集，依据上述两类信息进行参数化建模，得出雷击故障与不同气象强对流指数子集的映射关系，即

L_i＝f(x_1i,x_2i,…,x_ni)

其中，L_i代表某次雷击事故，x_ni代表历史同期强对流指数集中的各项强对流因子。

步骤五：预报检验与相似日参数模型优化

通过测试样本集的离线方式预报仿真，分析预报模型可靠性、强壮性，依据预报模型失效案例对原强对流指数集的组合因子、组合方式进行调整优化。

步骤六：预报概率分析

雷害预警的预报概率分析限于两个部分：其一，雷击故障记录中可通过强对流指数解释的部分占总故障记录的比例；其二，离线仿真过程中，预报模型的有效预报次数与总预报发布次数的比例。这一部分描述了本发明的适用性与局限性问题。

Claims (3)

1.一种基于WRF模式和相似日强对流指数辨识的雷害预警方法，其特征在于，所述方法应用中尺度WRF模式生成电网雷击故障相关的各类强对流指数，应用历史同期电网雷击故障与各类强对流指数的相关关系诊断，筛选与电网雷击故障显著强相关的强对流指数类别及其在相似日概念下所对应的、量化的门限值，从而得到强对流雷害预警参数化模型并进行校验；

所述方法提出了数值模式生成的强对流指数与电网雷击故障的相似日离线选配。

2.根据权利要求1所述的一种基于WRF模式和相似日强对流指数辨识的雷害预警方法，其特征在于，所述方法的实现步骤如下：

(1)将GFS数据及资料同化数据作为WRF模式输入，通过模式运算，生成气象场格点预报数据；

(2)提取气象场格点预报数据中有用信息，利用CAPE、CIN等指数计算公式得到CAPE和CIN格点分布；

(3)以雷击故障信息为前提，提取WRF生成的各类强对流指数，统计雷击故障历史同期强对流指数量值等级、强对流面积指数、强对流指数的强值中心及其与雷击故障点距离的离线特征量，抽取上述离线特征量中与雷击故障具有时空相关性的数值预报信息，并统计得出信息抽取的门限值；

(4)得出某地雷击故障的气象成因统计规律及其对应的可量化的气象强对流指数集，依据上述两类信息进行参数化建模，得出雷击故障与不同气象强对流指数子集的映射关系，即

L_i＝f(x_1i,x_2i,…,x_ni)

其中，L_i代表某次雷击事故，x_ni代表历史同期强对流指数集中的各项强对流因子；

(5)通过测试样本集的离线方式预报仿真，分析预报模型可靠性、强壮性，依据预报模型失效案例对原强对流指数集的组合因子、组合方式进行调整优化；

(6)进行雷害预警的预报概率分析，概率分析限于两个部分：其一，雷击故障记录中可通过强对流指数解释的部分占总故障记录的比例；其二，离线仿真过程中，预报模型的有效预报次数与总预报发布次数的比例。

3.根据权利要求2所述的一种基于WRF模式和相似日强对流指数辨识的雷害预警方法，其特征在于，所述CAPE计算式为：

$\mathrm{CAPE}=g\underset{Z_f}{\overset{Z_e}{\∫}}\frac{1}{\stackrel{\‾}{T_{\mathrm{ve}}}}(T_{\mathrm{va}}-T_{\mathrm{ve}})\mathrm{dz}$

式中,Z_f为自由对流高度，Z_e为平衡高度,T_ve为环境虚温,T_va为气块虚温，为自由对流高度和平衡高度之间环境的平均虚温；

所述CIN计算公式为：

$\mathrm{CIN}=g\∫\frac{T_e-T_p}{T_B}\mathrm{dz}$

式中，g是重力加速度,T_B是该层的平均温度,T_e、T_p分别表示环境与气块的温度。