CN107944188A - 基于气象站实测数据的台风近地面风眼半径辨识方法 - Google Patents
基于气象站实测数据的台风近地面风眼半径辨识方法 Download PDFInfo
- Publication number
- CN107944188A CN107944188A CN201711330007.XA CN201711330007A CN107944188A CN 107944188 A CN107944188 A CN 107944188A CN 201711330007 A CN201711330007 A CN 201711330007A CN 107944188 A CN107944188 A CN 107944188A
- Authority
- CN
- China
- Prior art keywords
- mrow
- typhoon
- wind
- weather station
- eye
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Wind Motors (AREA)
Abstract
本发明提出一种基于气象站实测数据的台风近地面风眼半径辨识方法。针对传统的台风静态模型与动态模型计算结果与近地面风场实际变化情况偏差较大且计算耗时的问题，本发明将强台风期间地面自动气象站实测极大风速作为数据源，依靠自动气象站与台风中心距离设计权重，经加权快速计算风眼半径。本发明能够有效还原强台风期间近地面台风风眼区域的动态变化，有利于电网调度运行部门快速锁定风眼覆盖区域内的输电线路并进行灾损评估。
Description
技术领域
本发明是一种基于气象站实测数据的台风近地面风眼半径辨识方法。
背景技术
台风是一种可以给电网造成巨大结构性破坏的自然灾害。受强台风影响，美国墨西哥湾地区电网、东部地区电网及我国东南沿海地区电网是全世界最容易遭受台风侵袭破坏的电网。对于强台风环境下的某个地区电网，台风的极高风速与大范围降雨可轻易导致电网中的电气设备元件永久失效。对台风而言，台风风眼是台风风力最强的区域，台风风速在风眼边缘达到最大值，因此台风风眼的结构破坏力最强，对电网危害也最为明显。在电网众多元件设备中，输电杆塔及架空线是最易被台风破坏的电气元件。从我国东南沿海电网历史台风灾损统计结果来看，绝大多数的输电线路倒塔均发生在风眼区域内。由于输电杆塔与架空线仅在地表数十米高度处，因此对台风的近地面风场尤其是最具破坏力的近地面风眼进行建模就显得极为重要。
目前常见的台风风眼建模方式分为以下几种：(1)静态风场模型。在气象学研究中，热带气旋风场的物理模型可以较为合理的分析台风灾害的关键物理特征—热带气旋风场分布，具体包括计算台风的移行风速分量与环流风速分量。目前，典型经验模型主要有宫崎正卫模型、上野武夫模型、Jelesnianki模型、陈孔沫模型等。(2)二维或三维动态风场模型。这类台风模型多以复杂的偏微分方程组形式表达。
以上两类模型在强台风环境下的电网灾损评估中进行应用存在以下缺点：
(1)对静态模型而言，这些模型参数辨识过度依赖于7级风圈及10级风圈数据。而由气象部门提供的7级风圈及10级风圈数据本身与实际偏差较大，这也导致此类模型无法准确辨识出台风最具破坏力的风眼半径大小。
(2)对动态模型而言，虽然对动态模型考虑了空气动力学方程，相比静态模型更能体现台风多个维度的空气动力学特性，然而此类模型中需要提前设定的参数较多，模型很难精确建模。此外，动态模型的空气动力学方程组计算极为复杂。对于在线时间级别(15-30分钟)的强台风环境下电网灾害实时评估而言，模型难以快速给出结果，这也限制了这类模型的在线应用。
(3)静态模型与动态模型所计算的台风风场往往为地面以上数百米甚至数公里高度的风场。这样的风场模型折算到地面后往往误差较大，无法直接应用于输电线路与铁塔的灾损评估。
考虑到输电网电气元件均在地表数十米高度这一关键特征，为有效评估台风对输电线路的破坏，电网调度运行部门需要借助气象部门提供数据对台风的近地面风场——尤其是风速最大、对电网元件最具破坏力的风眼半径进行有效辨识。而如何有效利用台风期间自动气象站的风速数据变化快速得出不同时间段的台风风眼变化特征，将是关键所在。
发明内容
基于以上问题，本发明的目的在于提供一种基于气象站实测数据的台风近地面风眼半径辨识方法，该方法可有效辨识出强台风在近地面(海拔100以下)最具破坏力的风眼半径大小，能够应用于强台风环境下输电网中输电塔与输电线路的安全风险评估，或者应用于强台风环境下其它可能存在结构性破坏的建筑、桥梁结构等安全评估领域。
本发明的目的是这样实现的：一种基于气象站实测数据的台风近地面风眼半径辨识方法，包括以下步骤：
步骤一：在台风中心距陆地最近距离小于100公里时，启动风眼半径辨识功能；
步骤二：对台风半径150公里内的地面气象站进行筛选，以用于台风近地面风眼辨识，所筛选出的地面自动气象站i应同时满足以下四个特征：
a)、地面自动气象站i与台风中心距离Li在所有地面气象站中排前30％；
b)、地面自动气象站i海拔应低于100米；
c)、地面自动气象站i应位于内地，以避免海风影响；
d)、地面自动气象站i的实测极大风速应大于10m/s；
步骤三：设按步骤二所筛选出的n个地面气象站构成集合Ωmea，
t时段对某个地面自动气象站i∈Ωmea，计算该地面气象站对应权重ρi为：
式中：Li,t是t时段地面自动气象站距台风中心的直线距离，t时段所有权重满足由式(1)得出地面气象站离台风中心距离越近，则其权值越重；
步骤四：已知t时段由气象预报部门所提供的风眼风速参数为Veye,t，则在该时段，根据Ωmea集合内的n个地面气象站实测极大风速得到台风的近地面风眼半径为：
式中：Vi,t为t时段内地面气象站i的量测极大风速。
本发明的有益效果及优点如下：
(1)台风近地面风场的风眼辨识数据来自于同样处于近地面高度的地面自动气象站。该数据源有效保证了台风近地面风场风眼半径辨识的准确性；
(2)根据所辨识的风眼半径，可快速锁定风眼范围内输电网元件(主要包括输电塔及架空线路)，为电网调度人员提供充分的线路预警信息，提前做好线路一旦发生断线后电网发生不同危险运行工况的准备，减少社会与经济损失；
(3)风眼计算过程只需要利用省气象局提供台风路过范围内的自动气象站的实时量测数据以及风眼最大风速数据，节省了电网为台风这类小概率高风险事件专门安装大量气象测量装置与数据传输装置的成本，可明显提高社会经济效益；
(4)风眼计算方法极为简洁。只要获取地面自动气象站数据即可快速得到风眼半径，避免了传统台风风场计算方法中复杂耗时的迭代或偏微分方程计算过程，适用于电网在线时间级(15-30分钟)的风险评估；
附图说明
图1为本发明的控制流程图；
图2为利用地面自动气象站辨识台风风眼半径的机理展示图；
图3为莫兰蒂台风通过F省电网及受影响区域示意图；
图4莫兰蒂台风过境F省X市期间的台风风眼半径辨识过程图；
图5莫兰蒂台风过境地面自动气象站实测极大风速图。
具体实施方式
下面结合附图举例对本发明作进一步说明。
实施例1：
一种基于气象站实测数据的台风近地面风眼半径辨识方法，包括以下步骤：
步骤一：在台风中心距陆地最近距离小于100公里时，启动风眼半径辨识功能；
步骤二：对台风半径150公里内的地面气象站进行筛选，以用于台风近地面风眼辨识。所筛选出的地面自动气象站i应同时满足以下四个特征：
a)、地面自动气象站i与台风中心距离Li在所有地面气象站中排前30％；
b)、地面自动气象站i海拔应低于100米；
c)、地面自动气象站i应位于内地，以避免海风影响；
d)、地面自动气象站i的实测极大风速应大于10m/s。
步骤三：设按步骤二所筛选出的n个地面气象站构成集合Ωmea，t＝1小时间隔，对某个地面自动气象站i∈Ωmea，计算该地面气象站对应权重ρi为：
式中：Li,t是t时段地面自动气象站距台风中心的直线距离。t时段所有权重满足由式(1)可见地面气象站离台风中心距离越近，则其权值越重。
步骤四：已知t＝1小时间隔，由气象预报部门所提供的风眼风速参数为Veye,t，则在该时段，根据Ωmea集合内的n个地面气象站实测风速得到台风的近地面风眼半径为：
式中：Vi,t为t时段内地面气象站i的量测极大风速。
实施例2
采用真实的台风对电网输电铁塔造成破坏的例子以验证本方法的有效性。2016年超强台风莫兰蒂(编号1614)对我国沿海F省电网造成了极为严重的破坏。图3为莫兰蒂台风通过F省电网及受影响区域示意图，图中同时标注了地面自动气象站的地理位置。
由图3可见，莫兰蒂台风在凌晨1:00接近F省X市，其10级风圈半径为80公里，包含了F省电网大范围区域。此时，共有87个地面自动站与台风中心比较接近。气象站量测风速在3:00时迅速增强。等到6:00莫兰蒂台风已基本离开X市时，共有8基500kV铁塔及16基220kV铁塔受到台风严重破坏。
台风过境期间气象部门所提供的台风信息见表1。
表1气象部门提供的台风信息
由表1可见，气象部门所提供的7级与10级风圈数据从1:00至6:00没有变化。采取传统的依赖7级风圈和10级风圈辨识风眼半径方法并采用Brostom模型，则可辨识得从1:00至6:00所有时段的风眼半径均为52公里。然而此结果存在以下两个问题：
(1)所评估的风眼半径偏大。从图3可见，倒塔区域仅集中在台风中心20公里区域内；
(2)从1:00至6:00风眼半径不变，这与台风的复杂动态时空变化情况不符。
采用本专利所提方法。在1:00时台风中心距离陆地已较近，此时启动风眼半径辨识功能。经筛选有15个地面自动气象站数据用于辨识近地面风眼。15个气象站中有代表性的4个自动站F2269，F2186，F2171及F5617地理位置见图4。F2269，F2186，F2171及F5617实际量测极大风速见图5。依本专利所提方法辨识出的各时段台风风眼半径见表2。
表2本专利所提方法辨识出的各时段台风风眼半径
由表2可见，依本专利所提方法辨识的风眼半径值明显小于传统方法计算结果。由图5可见，随着台风中心逐渐接近陆地，各自动气象站极大风速值开始增大。当台风中心在2:00到达2号点时，F2186与台风中心距离较大。此情况下，F2186的极大风速尚未达到最大值。在3:00时，F2186被风眼覆盖，此时F2186的极大风速达到最大。与此同时，虽然F5617的极大风速变化与F2186相似，但是F5617与台风中心距离过大，这导致F5617极大风速值却比F2186明显偏低。在4:00时，随着台风中心远离F2186与F5617，F2186与F5617的极大风速开始衰减。与F2186与F5617有所区别，F2269风速在4:00达到最大值。这是因为在3:00时台风中心与F2269间距离仍较大。在4:00时，F2269距台风中心距离明显低于F2186与F5617，这导致F2269的极大风速在4:00时快速增长。
由图4及以上分析可见，依本方法辨识的风眼半径有效覆盖了倒塔区域。本方法辨识的风眼半径与地面自动气象站实测极大风速变化高度切合，可有效还原强台风环境下不同时段真实的近地面台风风场变化。此外，由表2可见不同时段所辨识的台风风眼半径有所区别。特别是风眼半径在5:00之后开始增加。这主要是因为风眼处风速在5:00之后开始衰减(见表1)。因此，依本方法所辨识的近地面风眼半径可随时段动态变化，进一步体现出本方法的有效性。
Claims (1)
1.一种基于气象站实测数据的台风近地面风眼半径辨识方法，其特征在于，包括以下步骤：
步骤一：在台风中心距陆地最近距离小于100公里时，启动风眼半径辨识功能；
步骤二：对台风半径150公里内的地面气象站进行筛选，以用于台风近地面风眼辨识，所筛选出的地面自动气象站i应同时满足以下四个特征：
a)、地面自动气象站i与台风中心距离Li在所有地面气象站中排前30％；
b)、地面自动气象站i海拔应低于100米；
c)、地面自动气象站i应位于内地，以避免海风影响；
d)、地面自动气象站i的实测极大风速应大于10m/s；
步骤三：设按步骤二所筛选出的n个地面气象站构成集合Ωmea，
t时段对某个地面自动气象站i∈Ωmea，计算该地面气象站对应权重ρi为：
<mrow>
<msub>
<mi>&rho;</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msub>
<mo>=</mo>
<mfrac>
<msub>
<mi>L</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msub>
<mrow>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</msubsup>
<msub>
<mi>L</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msub>
</mrow>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
式中：Li,t是t时段地面自动气象站距台风中心的直线距离，t时段所有权重满足由式(1)得出地面气象站离台风中心距离越近，则其权值越重；
步骤四：已知t时段由气象预报部门所提供的风眼风速参数为Veye,t，则在该时段，根据Ωmea集合内的n个地面气象站实测极大风速得到台风的近地面风眼半径为：
<mrow>
<msubsup>
<mi>R</mi>
<mrow>
<mi>e</mi>
<mi>y</mi>
<mi>e</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mi>d</mi>
<mi>e</mi>
<mi>n</mi>
<mo>)</mo>
</mrow>
</msubsup>
<mo>=</mo>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</msubsup>
<msub>
<mi>&rho;</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msub>
<mfrac>
<mrow>
<msub>
<mi>V</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msub>
<msub>
<mi>L</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msub>
</mrow>
<msub>
<mi>V</mi>
<mrow>
<mi>e</mi>
<mi>y</mi>
<mi>e</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msub>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
</mrow>
式中：Vi,t为t时段内地面气象站i的量测极大风速。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711330007.XA CN107944188A (zh) | 2017-12-13 | 2017-12-13 | 基于气象站实测数据的台风近地面风眼半径辨识方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711330007.XA CN107944188A (zh) | 2017-12-13 | 2017-12-13 | 基于气象站实测数据的台风近地面风眼半径辨识方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107944188A true CN107944188A (zh) | 2018-04-20 |
Family
ID=61943058
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711330007.XA Pending CN107944188A (zh) | 2017-12-13 | 2017-12-13 | 基于气象站实测数据的台风近地面风眼半径辨识方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107944188A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109359896A (zh) * | 2018-12-10 | 2019-02-19 | 国网福建省电力有限公司 | 一种基于svm的电网线路故障风险预警方法 |
| CN111014006A (zh) * | 2019-12-02 | 2020-04-17 | 中南林业科技大学 | 一种用于人造板材生产中的物料分选装置 |
| CN112036046A (zh) * | 2020-09-08 | 2020-12-04 | 哈尔滨工业大学 | 基于地面自动气象站数据的台风有偏风眼半径计算方法 |
| CN114910980A (zh) * | 2022-06-08 | 2022-08-16 | 中国气象局上海台风研究所(上海市气象科学研究所) | 基于主观路径强度预报和参数化风场模型的热带气旋大风风圈预报方法 |
-
2017
- 2017-12-13 CN CN201711330007.XA patent/CN107944188A/zh active Pending
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109359896A (zh) * | 2018-12-10 | 2019-02-19 | 国网福建省电力有限公司 | 一种基于svm的电网线路故障风险预警方法 |
| CN111014006A (zh) * | 2019-12-02 | 2020-04-17 | 中南林业科技大学 | 一种用于人造板材生产中的物料分选装置 |
| CN112036046A (zh) * | 2020-09-08 | 2020-12-04 | 哈尔滨工业大学 | 基于地面自动气象站数据的台风有偏风眼半径计算方法 |
| CN112036046B (zh) * | 2020-09-08 | 2022-09-06 | 哈尔滨工业大学 | 基于地面自动气象站数据的台风有偏风眼半径计算方法 |
| CN114910980A (zh) * | 2022-06-08 | 2022-08-16 | 中国气象局上海台风研究所(上海市气象科学研究所) | 基于主观路径强度预报和参数化风场模型的热带气旋大风风圈预报方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107944188A (zh) | 基于气象站实测数据的台风近地面风眼半径辨识方法 | |
| CN105095589B (zh) | 一种山区电网风区分布图绘制方法 | |
| CN102629294B (zh) | 台风引发输电线路故障的概率评估方法 | |
| CN107229825A (zh) | 一种面向灾害风险评估的热带气旋全路径模拟方法 | |
| CN107169645B (zh) | 一种计及暴雨灾害影响的输电线路故障概率在线评估方法 | |
| CN103678865B (zh) | 一种冻雨引发输电线路故障的故障概率在线评估方法 | |
| CN111612315A (zh) | 一种新型电网灾害性大风预警方法 | |
| CN104182594A (zh) | 一种电力系统风区图的绘制方法 | |
| CN106611245A (zh) | 一种基于gis的电网台风灾害风险评估方法 | |
| CN105278004B (zh) | 一种电网输电线路区段的气象情况分析方法 | |
| CN111929698A (zh) | 一种输电线路走廊区域内的树障隐患识别方法 | |
| CN108090285A (zh) | 一种适用于复杂地形输电线路风灾监测的微气象观测布点方法 | |
| CN108595872A (zh) | 一种电网在线安全稳定分析方法 | |
| CN109359882B (zh) | 一种台风灾害下输电线路跳闸风险评估方法 | |
| CN107657336A (zh) | 一种基于微气象和微地形的输配电设备台风预警系统 | |
| CN106296462A (zh) | 一种基于双测风塔数据的既有风电场粗糙度值确定方法 | |
| Martin et al. | Analysis and modelling of time series of surface wind speed and direction | |
| CN107403004B (zh) | 一种基于地形数据的遥测雨量站点可疑数值检验方法 | |
| CN106295896B (zh) | 结合遥感地形信息的中微尺度电网风害预警方法 | |
| CN115115138A (zh) | 一种近海风暴潮增水预测方法 | |
| CN113821895A (zh) | 输电线路覆冰厚度预测模型的构建方法、装置及存储介质 | |
| CN115204712B (zh) | 一种海上和沿海风电场选址评估方法 | |
| CN108198090B (zh) | 一种电网输配电设施台风监测布点方法 | |
| Ahmed et al. | Collapse and pull–down analysis of high voltage electricity transmission towers subjected to cyclonic wind | |
| Zong et al. | Evaluation and analysis of RegCM3 simulated summer rainfall over the Huaihe River basin of China |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180420 |
|
| WD01 | Invention patent application deemed withdrawn after publication |