CN108549118B - 一种以输电线路杆塔为载体的飑线风行进路径预测方法 - Google Patents

一种以输电线路杆塔为载体的飑线风行进路径预测方法 Download PDF

Info

Publication number
CN108549118B
CN108549118B CN201810281677.5A CN201810281677A CN108549118B CN 108549118 B CN108549118 B CN 108549118B CN 201810281677 A CN201810281677 A CN 201810281677A CN 108549118 B CN108549118 B CN 108549118B
Authority
CN
China
Prior art keywords
grid
tower
line
squall
risk
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
Application number
CN201810281677.5A
Other languages
English (en)
Other versions
CN108549118A (zh
Inventor
夏令志
程登峰
王刘芳
季坤
严波
操松元
程洋
李森林
刘静
刘宇舜
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Electric Power Research Institute of State Grid Anhui Electric Power Co Ltd
Original Assignee
Electric Power Research Institute of State Grid Anhui Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Electric Power Research Institute of State Grid Anhui Electric Power Co Ltd filed Critical Electric Power Research Institute of State Grid Anhui Electric Power Co Ltd
Priority to CN201810281677.5A priority Critical patent/CN108549118B/zh
Publication of CN108549118A publication Critical patent/CN108549118A/zh
Application granted granted Critical
Publication of CN108549118B publication Critical patent/CN108549118B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/10—Devices for predicting weather conditions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Environmental & Geological Engineering (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Algebra (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Atmospheric Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Ecology (AREA)
  • Environmental Sciences (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及一种以输电线路杆塔为载体的飑线风行进路径预测方法，与现有技术相比解决了尚无能够针对飑线风进行预测的缺陷。本发明包括以下步骤：地理信息的划分；气象信息的获取和预处理；高危网格范围的确定；输电线路杆塔的数据插值处理；飑线风预测分析，以线路杆塔为载体分析出飑线风行进路径的粗线路和细线路，并进行连线形成飑线风行进路径的预测。本发明基于飑线风对输电线路杆塔的影响，从空间效应、时空交互效应和影响因素的共同作用来预测飑线风的行进路径。

Description

一种以输电线路杆塔为载体的飑线风行进路径预测方法
技术领域
本发明涉及大数据分析技术领域，具体来说是一种以输电线路杆塔为载体的飑线风行进路径预测方法。
背景技术
飑线是一种范围小有强风并伴随着雷暴大雨或冰雹等对流性天气的快速移动的中小尺度天气系统，飑线风沿高度方向的分布与普通的近地风不同，前者呈现出中间大、两头小的葫芦状分布。飑线风风速从地表开始迅速急剧增大，在距离地面大约60m高度处达到最大，然后随着高度的增加又迅速减小。由于目前500kV输电线路的导地线大约位于20--60m的高处，该高度也是飑线风的风速急剧增加直至达到最大的高度，因此飑线风是对高压输电线路威胁最大的一种强风暴，其对输电线路的威胁和破坏非常大。
由于气象预测的复杂性，目前尚无基于气象条件而进行的飑线风预测。正是基于飑线风与输电线路杆塔略为近似的高度，飑线风对输电线路杆塔的破坏也最为直接。
因此，如何基于输电线路杆塔而进行飑线风的预测已经成为急需解决的技术问题。
发明内容
本发明的目的是为了解决现有技术中尚无能够针对飑线风进行预测的缺陷，提供一种以输电线路杆塔为载体的飑线风行进路径预测方法来解决上述问题。
为了实现上述目的，本发明的技术方案如下：
一种以输电线路杆塔为载体的飑线风行进路径预测方法，包括以下步骤：
地理信息的划分，基于电力地理信息系统根据经纬度对地面区域进行自定义划分，将地面区域划分为网格状，并保存网格数据、线路信息、网格内包含的输电线路杆塔信息；
气象信息的获取和预处理，利用来自WRF预报获得的预报数值计算K指数和对流有效位能CAPE值；
高危网格范围的确定，基于K指数和对流有效位能CAPE值确定高危大区，将高危大区与地面网络进行对应关联，确定高危网格范围；
输电线路杆塔的数据插值处理，通过克里金插值法将气象要素数据插值在高危网格内的输电线路杆塔上；
飑线风预测分析，以线路杆塔为载体分析出飑线风行进路径的粗线路和细线路，并进行连线形成飑线风行进路径的预测。
所述气象信息的获取和预处理包括以下步骤：
从WRF预报获取包括温度、湿度、气压、降雨、风速和风向在内的预报数值；
计算K指数，其计算公式如下：
K＝(T850-T500)+Td850-(T700-Td700)，
其中，K为大气静力稳定度的定量指标，K值越大，表示大气静力越不稳定，其产生飑线的概率越高，T为温度，TD为露点，下标D为等压面数值；
计算对流有效位能CAPE值，其计算公式如下：
Figure BDA0001614823720000021
其中，Zf为自由对流高度；Zn为平衡高度，浮力为零；Tv,parcel为气块的虚温；Tv,env为环境的虚温；g为标准重力。
所述高危网格范围的确定包括以下步骤：
获取K指数，根据K指数确定K值大于30的K大值中心分布图；
获取对流有效位能CAPE值，设定对流有效位能CAPE值大于1000J/Kg以上为不稳定的大值大气状态，确定CAPE的大值中心分布图；
设t时刻K大值中心或CAPE大值中心坐标为(Xt,yt),含有输电线路的各个网格中心i坐标为(xi,yi)，计算含有线路的各个网格中心到大值区中心的距离Lit，其计算公式如下：
Lit＝R*arccos(sinyi*sinyt+cosyi*cosyt*cos(xt-xi))，
其中，R为地球半径；
将Lit设定为预计出现飑线危及网格范围的阈值范围，设飑线水平尺度的最大长度或最大宽度为L0,当Lit≤L0受飑线影响较大，有事故风险，定义为高危网格，Lit＞L0受飑线影响较小，无事故风险。
所述输电线路杆塔的数据插值处理包括以下步骤：
设位于高危网格范围内时空位置(s0,t0)待插值杆塔d的估计值为
Figure BDA0001614823720000031
s0为网格中杆塔d的经纬度，t0为时间；
设与待插值杆塔d相距为
Figure BDA0001614823720000032
的相邻网格中心点数为L(hs,ht)，T设为1+n小时，n＝0,1,2,…,23，
其中，hs为空间距离，ht为时间间隔，每个网格中心点的任一气象数据观测值为Zd(si,ti)；
利用以下插值公式对杆塔d进行气象插值，
Figure BDA0001614823720000033
其中，αi为杆塔d临近网格中心点任一气象预报值Zd(si,ti)的加权系数；
根据杆塔d邻近网格中心点数为L(hs,ht)，每个网格中心点的任一气象数据预报值为Zd(si,ti)，通过如下变差函数计算时空变异值rd(hs,ht)，即相距为(hs,ht)的任两个网格中心点之间的半方差：
Figure BDA0001614823720000034
Zd(si+hs,ti+ht)为与网格中心点(si,ti)相距为(hs,ht)的网格中心点任一气象数据预报值；
则插值公式中权重α通过如下方程组求得：
Figure BDA0001614823720000041
rd(hs0,ht0)为与待插值杆塔d相距为h＝(hs,ht)的相邻网格中心中任一网格中心点与待插值杆塔d直接的半方差。μ为拉格朗日乘子。
所述飑线风预测分析包括以下步骤：
计算t时刻所有高危网格的危险系数Lit'，其中，高危网格的危险系数Lit'计算公式如下：
Lit'＝Lit-L0；
飑线风行进路径的粗分析，将t时刻高危网格的危险系数Lit'从大至小进行排列，对高危网格的危险系数Lit'从大至小的序列进行路径连线，形成飑线风t时刻行进路径的粗线路；
飑线风行进路径的细分析，以线路杆塔为载体对高危网格内的飑线风行进路径进行细分析，形成高危网格内的飑线风行进路径的细线路。
所述的飑线风行进路径的细分析包括以下步骤：
对高危网格内的杆塔d进行分析，设定其分为共同稳定变化部分和时空交互作用导致的局部不稳定部分；
设输电线路杆塔飑线预受灾的网格i在t时刻的数据为Ait，其包括共同稳定变化部分Bit和时空交互作用导致的局部不稳定部分Cit，其表达式如下：
Ait＝Bi∪Ci
Bit＝Oi+b0t*+Vt
Cit＝b1it*+ζit
其中，Bit为稳定变化部分，为网格i区域在共同的时间趋势基础上稳定的空间格局，其邻近矩阵N×N，N为网格个数，对角线上的值为0，网格有公共边的值为1，反之为0；
设Bit包括预测值在预灾网格i内各自的稳定空间格局Oi和各网格共同的时间变化趋势b0t*+Vt，
b0t*,t*＝|t-tmean|,b0t*表示共同时间趋势中线性组成部分，b0为杆塔受灾情况随时间变化系数，通过线性拟合得到，tmean为预测时间段均值，Vt为通过正态分布建模，代表时间效应中随机变化部分；
设Cit时空交互作用部分为除共同稳定的时空趋势之外由时空交互作用导致的剩余部分，包括从共同的时间趋势分离出来的网格i自身的时间变化趋势b1it*和不包含在模型中但对预测数据产生影响的随机误差项ζit，
b1i为网格i中杆塔受灾风险随时间变化偏离飑线灾害总体变化趋势参数，时间邻接矩阵T×T(T为小时数)，对角线上的值为0，相邻时间为1，反之为0；
设飑线在第i个网格第t个时间点上造成线路杆塔受灾的例数为yit，认定yit服从泊松分布，
yit～Poisson(Eit,θit)，
其中，Eit是第t个时间点第i个网格上的杆塔受灾期望数，θit是杆塔受灾的相对危险度；
则
θit＝exp(α+βxit+Ait)，
其中：α为在预测受飑线影响的网格区域内整体杆塔受灾平均相对风险度的对数值，βxit为对杆塔灾害产生影响的相关风险因素，通过时空权重矩阵表达，xit为第i个网格第t个时间点上造成杆塔受灾的所有杆塔上预测值
Figure BDA0001614823720000051
的平均值，θit为杆塔受灾的相对危险度；
对当然高危网络范围内的杆塔受灾相对危险度θit依据从大至小进行排序，将杆塔受灾相对危险度θit从大至小的序列进行路径连线，形成飑线风行进路径的细线路；
在飑线风行进路径的粗线路的基础上加载飑线风行进路径的细线路，形成飑线风行进预测路径。
还包括飑线风的定时预测方法，飑线风的定时预测方法为在给定预测时间范围内，对每个时刻的所有高危网格的危险系数求算术平均值Lt'，并按照时间顺序进行路径连线，形成飑线风24小时内整体走向。
有益效果
本发明的一种以输电线路杆塔为载体的飑线风行进路径预测方法，与现有技术相比基于飑线风对输电线路杆塔的影响，从空间效应、时空交互效应和影响因素的共同作用来预测飑线风的行进路径。
本发明根据气象预报获得可能发生飑线的区域，利用时空克里金插值方法将杆塔邻域中网格点的气象数据插值到具体的电线杆塔上，实现每个电线杆塔上的时空气象预报，从而根据输电线路杆塔的受灾预警大小来预测飑线风的行进路径。
附图说明
图1为本发明的方法顺序图。
具体实施方式
为使对本发明的结构特征及所达成的功效有更进一步的了解与认识，用以较佳的实施例及附图配合详细的说明，说明如下：
如图1所示，本发明一种以输电线路杆塔为载体的飑线风行进路径预测方法，包括以下步骤：
第一步，地理信息的划分。基于电力地理信息系统(GIS)根据经纬度对地面区域进行自定义划分，其可以根据经纬度对所在省(市)按自定义的精度要求或时间预报能力等间距地进行划分，将地面区域划分为网格状。如将所在省(市)按经度、纬度暂划分为0.01°×0.01°(约为1km×1km)的网格。
保存网格数据、网格内包含的输电线路杆塔信息至数据库。网格数据包括网格编号、网格的经纬度、网格值，网格值包含线路信息、杆塔信息。线路信息包括线路编号、线路名、线路长度、线路类型、线路gis信息、是否最新、杆塔数、电压。输电线路杆塔信息包括杆塔编号、线路编号、杆塔名、排序、杆塔型号、基础类型、塔型、导线绝缘子串代号、杆塔高度、设计档距/m(转角)、水平档距/m、间隔棒、坐标信息、设计冰厚、设计风速、是否连接、是否最新。
第二步，气象信息的获取和预处理。利用来自WRF预报获得的预报数值计算K指数和对流有效位能CAPE值，预报数值包括温度、湿度、气压、降雨、风速和风向等。
K指数是确定大气静力稳定度的一个综合性的定量指标，既考虑了垂直温度梯度，又考虑了底层的水汽以及间接地表示了湿层的厚度。因此K值愈大，表示层结愈不稳定。通常情况下，K<20表示无雷雨；20<K<25表示孤立雷雨；30<K<35表示成片雷雨；K值大于30才能会发生飑线风现象，引起大暴雨。
CAPE值为评估大气不稳定度的一项指标CAPE值的增大表示上升气流强度的加强及对流的发展。通常对流可用位能值大于1000J/Kg以上视为不稳定的大气状态，在某些极端例子中对流可用位能可达5000J/Kg以上。
气象信息的获取和预处理包括以下步骤：
(1)从WRF预报获取包括温度、湿度、气压、降雨、风速和风向在内的预报数值。
(2)计算K指数，其计算公式如下：
K＝(T850-T500)+Td850-(T700-Td700)，
其中，K为大气静力稳定度的定量指标，K值越大，表示大气静力越不稳定，其产生飑线的概率越高，T为温度，TD为露点，下标D为等压面数值。
(3)计算对流有效位能CAPE值，其计算公式如下：
Figure BDA0001614823720000081
其中，Zf为自由对流高度；Zn为平衡高度，浮力为零；Tv,parcel为气块的虚温；Tv,env为环境的虚温；g为标准重力。
第三步，高危网格范围的确定。基于K指数和对流有效位能CAPE值确定高危大区，将高危大区与地面网络进行对应关联，确定高危网格范围。由于气象数据计算量极其庞大，通过高危网格范围的确定，可以最大地减少涉及的计算数据范围，减少了计算量，提高了生成效率。其具体步骤如下：
(1)获取K指数，根据K指数确定K值大于30的K大值中心分布图，即为K值高危中心。
(2)获取对流有效位能CAPE值，设定对流有效位能CAPE值大于1000J/Kg以上为不稳定的大值大气状态，确定CAPE的大值中心分布图，即为CAPE值高危中心。
(3)设t时刻K大值中心或CAPE大值中心坐标为(xt,yt),含有输电线路的各个网格中心i坐标为(xi,yi)，计算含有线路的各个网格中心到大值区中心的距离Lit，其计算公式如下：
Lit＝R*arccos(sinyi*sinyt+cosyi*cosyt*cos(xt-xi))
其中，R为地球半径。
(4)将Lit设定为预计出现飑线危及网格范围的阈值范围，设飑线水平尺度的最大长度或最大宽度为L0；当Lit≤L0受飑线影响较大，表示此网格有事故风险，为高危网格；Lit＞L0受飑线影响较小，表示此网格无事故风险，以此确定出高危网格。
第四步，输电线路杆塔的数据插值处理。通过克里金插值法将气象要素数据插值在高危网络内的输电线路杆塔上。因为是针对于输电线路杆塔进行的受灾预测，所以需要了解具体到每个杆塔上的气象数据，在此融合空间效应(网格)、以达成时空交互效应，以便更准确地预测输电线路杆塔飑线受灾情况。其具体步骤如下：
(1)设位于时空位置(s0,t0)待插值杆塔d的估计值为
Figure BDA0001614823720000091
s0为网格中杆塔d的经纬度，t0为时间；
设与待插值杆塔d相距为
Figure BDA0001614823720000092
的相邻网格中心点数为L(hs,ht)，T可以根据需要设为1+n小时(其中n＝0,1,2,…,23)，
其中，hs为空间距离，ht为时间间隔每个网格中心点的任一气象数据观测值为Zd(si,ti)；
(2)利用以下插值公式对杆塔d进行气象插值，
Figure BDA0001614823720000093
其中，αi为杆塔d临近网格中心点任一气象预报值Zd(si,ti)的加权系数；
根据杆塔d邻近网格中心点数为L(hs,ht)，每个网格中心点的任一气象数据预报值为Zd(si,ti)，通过如下变差函数计算时空变异值rd(hs,ht)，即相距为(hs,ht)的任两个网格中心点之间的半方差：
Figure BDA0001614823720000094
Zd(si+hs,ti+ht)为与网格中心点(si,ti)相距为(hs,ht)的网格中心点任一气象数据预报值；
则插值公式中权重α通过如下方程组求得：
Figure BDA0001614823720000095
rd(hs0,ht0)为与待插值杆塔d相距为h＝(hs,ht)的相邻网格中心中任一网格中心点与待插值杆塔d直接的半方差。μ为拉格朗日乘子。
第五步，飑线风预测分析。以线路杆塔为载体分析出飑线风行进路径的粗线路和细线路，并进行连线形成飑线风行进路径的预测。
(1)计算t时刻所有高危网格的危险系数Lit'，其中，高危网格的危险系数Lit'计算公式如下：
Lit'＝Lit-L0。
(2)飑线风行进路径的粗分析，将t时刻高危网格的危险系数Lit'从大至小进行排列，对高危网格的危险系数Lit'从大至小的序列进行路径连线，形成飑线风t时刻行进路径的粗线路。
在实际应用中，还可以将飑线风行进路径的预测设定固定的时间预测飑线移动情况。在给定预测时间范围内(如考察24小时内每小时的飑线风移动路径)，对每个时刻的所有高危网格的危险系数求算术平均值Lt'，并按照时间顺序进行路径连线，形成飑线风24小时内整体走向。
(3)飑线风行进路径的细分析，以线路杆塔为载体对高危网格内的飑线风行进路径进行细分析，形成高危网格内的飑线风行进路径的细线路。飑线风行进路径的细分析包括以下步骤：
A、对高危网格内的杆塔d进行分析，设定其分为共同稳定变化部分和时空交互作用导致的局部不稳定部分；
B、设输电线路杆塔飑线预受灾的网格i在t时刻的数据为Ait，其包括共同稳定变化部分Bit和时空交互作用导致的局部不稳定部分Cit，其表达式如下：
Ait＝Bi∪Ci
Bit＝Oi+b0t*+Vt
Cit＝b1it*+ζit
其中，Bit为稳定变化部分，为网格i区域在共同的时间趋势基础上稳定的空间格局，其邻近矩阵N×N，N为网格个数，对角线上的值为0，网格有公共边的值为1，反之为0；
C、设Bit包括预测值在预灾网格i内各自的稳定空间格局Oi和各网格共同的时间变化趋势b0t*+Vt，
b0t*,t*＝|t-tmean|,b0t*表示共同时间趋势中线性组成部分，b0为杆塔受灾情况随时间变化系数，通过线性拟合得到，tmean为预测时间段均值，Vt为通过正态分布建模，代表时间效应中随机变化部分；
D、设Cit时空交互作用部分为除共同稳定的时空趋势之外由时空交互作用导致的剩余部分，包括从共同的时间趋势分离出来的网格i自身的时间变化趋势b1it*和不包含在模型中但对预测数据产生影响的随机误差项ζit，
b1i为网格i中杆塔受灾风险随时间变化偏离飑线灾害总体变化趋势参数，时间邻接矩阵T×T(T为小时数)，对角线上的值为0，相邻时间为1，反之为0；
E、设飑线在第i个网格第t个时间点上造成线路杆塔受灾的例数为yit，认定yit服从泊松分布，
yit～Poisson(Eit,θit)，
其中，Eit是第t个时间点第i个网格上的杆塔受灾期望数，θit是杆塔受灾的相对危险度；
则
θit＝exp(α+βxit+Ait)，
其中：α为在预测受飑线影响的网格区域内整体杆塔受灾平均相对风险度的对数值，βxit为对杆塔灾害产生影响的相关风险因素，通过时空权重矩阵表达，xit为第i个网格第t个时间点上造成杆塔受灾的所有杆塔上预测值
Figure BDA0001614823720000111
的平均值，θit为杆塔受灾的相对危险度；
F、对当然高危网络范围内的杆塔受灾相对危险度θit依据从大至小进行排序，将杆塔受灾相对危险度θit从大至小的序列进行路径连线，形成飑线风行进路径的细线路；
G、在飑线风行进路径的粗线路的基础上加载飑线风行进路径的细线路，形成飑线风行进预测路径。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是本发明的原理，在不脱离本发明精神和范围的前提下本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明的范围内。本发明要求的保护范围由所附的权利要求书及其等同物界定。

Claims (6)

1.一种以输电线路杆塔为载体的飑线风行进路径预测方法，其特征在于，包括以下步骤：
11)地理信息的划分，基于电力地理信息系统根据经纬度对地面区域进行自定义划分，将地面区域划分为网格状，并保存网格数据、线路信息、网格内包含的输电线路杆塔信息；
12)气象信息的获取和预处理，利用来自WRF预报获得的预报数值计算K指数和对流有效位能CAPE值；
13)高危网格范围的确定，基于K指数和对流有效位能CAPE值确定高危大区，将高危大区与地面网络进行对应关联，确定高危网格范围；所述高危网格范围的确定包括以下步骤：
131)获取K指数，根据K指数确定K值大于30的K大值中心分布图；
132)获取对流有效位能CAPE值，设定对流有效位能CAPE值大于1000J/Kg以上为不稳定的大值大气状态，确定CAPE的大值中心分布图；
133)设t时刻K大值中心或CAPE大值中心坐标为(xt,yt),含有输电线路的各个网格中心i坐标为(xi,yi)，计算含有线路的各个网格中心到大值区中心的距离Lit，其计算公式如下：
Lit＝R*arccos(sinyi*sinyt+cosyi*cosyt*cos(xt-xi))，
其中，R为地球半径；
134)将Lit设定为预计出现飑线危及网格范围的阈值范围，设飑线水平尺度的最大长度或最大宽度为L0,当Lit≤L0受飑线影响较大，有事故风险，定义为高危网格，Lit＞L0受飑线影响较小，无事故风险；
14)输电线路杆塔的数据插值处理，通过克里金插值法将气象要素数据插值在高危网格内的输电线路杆塔上；
15)飑线风预测分析，以线路杆塔为载体分析出飑线风行进路径的粗线路和细线路，并进行连线形成飑线风行进路径的预测。
2.根据权利要求1所述的一种以输电线路杆塔为载体的飑线风行进路径预测方法，其特征在于，所述气象信息的获取和预处理包括以下步骤：
21)从WRF预报获取包括温度、湿度、气压、降雨、风速和风向在内的预报数值；
22)计算K指数，其计算公式如下：
K＝(T850-T500)+Td850-(T700-Td700)，
其中，K为大气静力稳定度的定量指标，K值越大，表示大气静力越不稳定，其产生飑线的概率越高，T为温度，Td为露点；
23)计算对流有效位能CAPE值，其计算公式如下：
Figure FDA0002542746970000021
其中，Zf为自由对流高度；Zn为平衡高度，浮力为零；Tv,parcel为气块的虚温；Tv,env为环境的虚温；g为标准重力。
3.根据权利要求1所述的一种以输电线路杆塔为载体的飑线风行进路径预测方法，其特征在于，所述输电线路杆塔的数据插值处理包括以下步骤：
31)设位于高危网格范围内时空位置(s0,t0)待插值杆塔d的估计值为
Figure FDA0002542746970000022
s0为网格中杆塔d的经纬度，t0为时间；
设与待插值杆塔d相距为
Figure FDA0002542746970000023
的相邻网格中心点数为L(hs,ht)，T设为1+n小时，n＝0,1,2,…,23，
其中，hs为空间距离，ht为时间间隔，每个网格中心点的任一气象数据观测值为Zd(si,ti)；
32)利用以下插值公式对杆塔d进行气象插值，
Figure FDA0002542746970000031
其中，αi为杆塔d临近网格中心点任一气象预报值Zd(si,ti)的加权系数；
根据杆塔d邻近网格中心点数为L(hs,ht)，每个网格中心点的任一气象数据预报值为Zd(si,ti)，通过如下变差函数计算时空变异值rd(hs,ht)，即相距为(hs,ht)的任两个网格中心点之间的半方差：
Figure FDA0002542746970000032
Zd(si+hs,ti+ht)为与网格中心点(si,ti)相距为(hs,ht)的网格中心点任一气象数据预报值；
则插值公式中权重α通过如下方程组求得：
Figure FDA0002542746970000033
rd(hs0,ht0)为与待插值杆塔d相距为h＝(hs,ht)的相邻网格中心中任一网格中心点与待插值杆塔d直接的半方差，μ为拉格朗日乘子。
4.根据权利要求1所述的一种以输电线路杆塔为载体的飑线风行进路径预测方法，其特征在于，所述飑线风预测分析包括以下步骤：
41)计算t时刻所有高危网格的危险系数Lit'，其中，高危网格的危险系数Lit'计算公式如下：
Lit'＝Lit-L0；
42)飑线风行进路径的粗分析，将t时刻高危网格的危险系数Lit'从大至小进行排列，对高危网格的危险系数Lit'从大至小的序列进行路径连线，形成飑线风t时刻行进路径的粗线路；
43)飑线风行进路径的细分析，以线路杆塔为载体对高危网格内的飑线风行进路径进行细分析，形成高危网格内的飑线风行进路径的细线路。
5.根据权利要求4所述的一种以输电线路杆塔为载体的飑线风行进路径预测方法，其特征在于，所述的飑线风行进路径的细分析包括以下步骤：
51)对高危网格内的杆塔d进行分析，设定其分为共同稳定变化部分和时空交互作用导致的局部不稳定部分；
52)设输电线路杆塔飑线预受灾的网格i在t时刻的数据为Ait，其包括共同稳定变化部分Bit和时空交互作用导致的局部不稳定部分Cit，其表达式如下：
Ait＝Bit∪Cit
Bit＝Oi+b0t*+Vt
Cit＝b1it*+ζit
其中，Bit为稳定变化部分，为网格i区域在共同的时间趋势基础上稳定的空间格局，其邻近矩阵N×N，N为网格个数，对角线上的值为0，网格有公共边的值为1，反之为0；
53)设Bit包括预测值在预灾网格i内各自的稳定空间格局Oi和各网格共同的时间变化趋势b0t*+Vt，
t*＝|t-tmean|,b0t*表示共同时间趋势中线性组成部分，b0为杆塔受灾情况随时间变化系数，通过线性拟合得到，tmean为预测时间段均值，Vt为通过正态分布建模，代表时间效应中随机变化部分；
54)设Cit时空交互作用部分为除共同稳定的时空趋势之外由时空交互作用导致的剩余部分，包括从共同的时间趋势分离出来的网格i自身的时间变化趋势b1it*和不包含在模型中但对预测数据产生影响的随机误差项ζit，
b1i为网格i中杆塔受灾风险随时间变化偏离飑线灾害总体变化趋势参数，时间邻接矩阵T×T，T为小时数，对角线上的值为0，相邻时间为1，反之为0；
55)设飑线在第i个网格第t个时间点上造成线路杆塔受灾的例数为yit，认定yit服从泊松分布，
yit～Poisson(Eit,θit)，
其中，Eit是第t个时间点第i个网格上的杆塔受灾期望数，θit是杆塔受灾的相对危险度；
则
θit＝exp(α+βxit+Ait)，
其中：α为在预测受飑线影响的网格区域内整体杆塔受灾平均相对风险度的对数值，βxit为对杆塔灾害产生影响的相关风险因素，通过时空权重矩阵表达，xit为第i个网格第t个时间点上造成杆塔受灾的所有杆塔上预测值
Figure FDA0002542746970000051
的平均值，θit为杆塔受灾的相对危险度；
56)对当然高危网络范围内的杆塔受灾相对危险度θit依据从大至小进行排序，将杆塔受灾相对危险度θit从大至小的序列进行路径连线，形成飑线风行进路径的细线路；
57)在飑线风行进路径的粗线路的基础上加载飑线风行进路径的细线路，形成飑线风行进预测路径。
6.根据权利要求4所述的一种以输电线路杆塔为载体的飑线风行进路径预测方法，其特征在于，还包括飑线风的定时预测方法，飑线风的定时预测方法为在给定预测时间范围内，对每个时刻的所有高危网格的危险系数求算术平均值
Figure FDA0002542746970000061
并按照时间顺序进行路径连线，形成飑线风24小时内整体走向。
CN201810281677.5A 2018-04-02 2018-04-02 一种以输电线路杆塔为载体的飑线风行进路径预测方法 Active CN108549118B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810281677.5A CN108549118B (zh) 2018-04-02 2018-04-02 一种以输电线路杆塔为载体的飑线风行进路径预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810281677.5A CN108549118B (zh) 2018-04-02 2018-04-02 一种以输电线路杆塔为载体的飑线风行进路径预测方法

Publications (2)

Publication Number Publication Date
CN108549118A CN108549118A (zh) 2018-09-18
CN108549118B true CN108549118B (zh) 2020-10-02

Family

ID=63513755

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810281677.5A Active CN108549118B (zh) 2018-04-02 2018-04-02 一种以输电线路杆塔为载体的飑线风行进路径预测方法

Country Status (1)

Country Link
CN (1) CN108549118B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110988883B (zh) * 2019-12-18 2022-08-02 南京信息工程大学 雷达回波图像中飑线特征的智能识别预警方法
CN114492044B (zh) * 2022-01-27 2023-05-16 国网经济技术研究院有限公司 架空输电线路飑线风荷载计算方法、系统、介质和设备

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000292552A (ja) * 1999-04-02 2000-10-20 Nippon Denro Kk 送電用鉄塔を利用した気象観測方法
CN102903018A (zh) * 2012-09-29 2013-01-30 上海市电力公司 一种基于gis的输电线路风速预警信息处理方法
CN103500278A (zh) * 2013-09-30 2014-01-08 福建四创软件有限公司 基于最短路径算法的路径相似台风分析方法
CN104112167A (zh) * 2014-06-06 2014-10-22 国家电网公司 可发电风资源分布的获取方法
CN107194494A (zh) * 2017-04-20 2017-09-22 国网浙江省电力公司电力科学研究院 一种电网台风监测站布点方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000292552A (ja) * 1999-04-02 2000-10-20 Nippon Denro Kk 送電用鉄塔を利用した気象観測方法
CN102903018A (zh) * 2012-09-29 2013-01-30 上海市电力公司 一种基于gis的输电线路风速预警信息处理方法
CN103500278A (zh) * 2013-09-30 2014-01-08 福建四创软件有限公司 基于最短路径算法的路径相似台风分析方法
CN104112167A (zh) * 2014-06-06 2014-10-22 国家电网公司 可发电风资源分布的获取方法
CN107194494A (zh) * 2017-04-20 2017-09-22 国网浙江省电力公司电力科学研究院 一种电网台风监测站布点方法

Also Published As

Publication number Publication date
CN108549118A (zh) 2018-09-18

Similar Documents

Publication Publication Date Title
CN108564263B (zh) 一种用于飑线环境下输电线路杆塔受灾预测方法
Zhang et al. The Pacific meridional mode and the occurrence of tropical cyclones in the western North Pacific
Fierro et al. Application of a lightning data assimilation technique in the WRF-ARW model at cloud-resolving scales for the tornado outbreak of 24 May 2011
Sheffield et al. North American climate in CMIP5 experiments. Part I: Evaluation of historical simulations of continental and regional climatology
Ohba et al. Impacts of climate change on heavy wet snowfall in Japan
Carvalho et al. Characterizing the Indian Ocean sea level changes and potential coastal flooding impacts under global warming
Han et al. Strengthened relationship between eastern ENSO and summer precipitation over northeastern China
KR101814039B1 (ko) 윈드프로파일러 자료를 이용한 calmet의 바람장 생성 시스템 및 방법
Zeng et al. Diurnal variations of low-level winds and precipitation response to large-scale circulations during a heavy rainfall event
CN108549118B (zh) 一种以输电线路杆塔为载体的飑线风行进路径预测方法
Zhang et al. The mechanism and predictability of an elevated convection initiation event in a weak-lifting environment in central-eastern China
Zhang et al. General features of extreme rainfall events produced by MCSs over East China during 2016–17
Nygaard et al. A new snow and ice load map for mechanical design of power lines in Great Britain
Lemburg et al. Sahel rainfall–tropical easterly jet relationship on synoptic to intraseasonal time scales
CN112711919A (zh) 基于中小尺度模式耦合的导线覆冰预报方法及系统
Gharaylou et al. Prediction of lightning activity using WRF-ELEC model: Impact of initial and boundary conditions
JP4880440B2 (ja) 着雪予測方法および着雪予測プログラム
Ohba et al. Dynamic and thermodynamic contributions of ENSO to winter precipitation in Japan: frequency and precipitation of synoptic weather patterns
Ngailo et al. Assessing Weather Research and Forecasting (WRF) Model parameterization schemes skill to simulate extreme rainfall events over Dar es Salaam on 21 December 2011
Sun et al. Mesoscale factors contributing to the extreme rainstorm on 20 July 2021 in Zhengzhou, China, as revealed by rapid update 4DVar analysis
Wu et al. Strong coupling in diurnal variations of clouds, radiation, winds, and precipitation during the East Asian summer monsoon
CN107316109B (zh) 架空线路冬季近地面风速预测方法、系统及装置
CN113313342A (zh) 多种自然灾害引发电网设备故障概率分析方法和系统
CN109583095B (zh) 基于混合统计动力模型的西北太平洋台风延伸期预报方法
Yesubabu et al. Impact of variational assimilation technique on simulation of a heavy rainfall event over Pune, India

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
GR01 Patent grant
GR01 Patent grant