CN108564263A - 一种用于飑线环境下输电线路杆塔受灾预测方法 - Google Patents
一种用于飑线环境下输电线路杆塔受灾预测方法 Download PDFInfo
- Publication number
- CN108564263A CN108564263A CN201810281584.2A CN201810281584A CN108564263A CN 108564263 A CN108564263 A CN 108564263A CN 201810281584 A CN201810281584 A CN 201810281584A CN 108564263 A CN108564263 A CN 108564263A
- Authority
- CN
- China
- Prior art keywords
- grid
- disaster
- shaft tower
- stricken
- value
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- General Engineering & Computer Science (AREA)
- Geometry (AREA)
- Evolutionary Computation (AREA)
- Game Theory and Decision Science (AREA)
- Computer Hardware Design (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Alarm Systems (AREA)
Abstract
本发明涉及一种用于飑线环境下输电线路杆塔受灾预测方法,与现有技术相比解决了无法针对输电线路杆塔进行飑线风预测的缺陷。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;插值数据的修正;杆塔受灾预测分析。本发明能够从空间效应、时空交互效应和影响因素的共同作用来预测输电线路飑线灾害情况。
Description
技术领域
本发明涉及大数据预测分析技术领域,具体来说是一种用于飑线环境下输电线路杆塔受灾预测方法。
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,其对输电线路的威胁和破坏非常大。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。据统计,输电线路的风害绝大多数是由飑线风引起的。
飑线风破坏输电线路的主要后果是输电塔的风偏跳闸和杆塔损坏。输电线路的长距离架设,经过的地形地貌不同,气象条件千差万别,不同线路所处区域、同一线路不同线路区段、不同杆塔遭受飑线风破坏的特征也各异。不同线路风偏跳闸和杆塔损坏对电网的风险影响不同,同一线路在确定时间和运行方式下风偏跳闸和杆塔损坏对电网的风险影响也不相同。
因此,如何以输电线路为载体针对飑线风进行预警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无法针对输电线路杆塔进行飑线风预测的缺陷,提供一种用于飑线环境下输电线路杆塔受灾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:
一种用于飑线环境下输电线路杆塔受灾预测方法,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络内的输电线路杆塔上;
插值数据的修正,根据杆塔所在的基础数据对插值数据进行数据修正;
杆塔受灾预测分析,根据修正后的气象因子、相邻影响因素及其他不稳定因素,对飑线风影响范围内的线路杆塔灾害发生情况及程度进行预测。
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:
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,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。
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,
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:
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:
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。
所述的杆塔受灾预测分析包括以下步骤:
分析全体知识K,并将全体知识K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的平均值,θit为杆塔受灾的相对危险度。
所述插值数据的修正包括以下步骤:
将输电线路杆塔所在的基础数据整理并形成全体知识K,
设变量χmap=[χdata,χd(s,t)]表示待测杆塔d周围预测飑线危及的网格范围内的基础数据χdata和预测属性值χd(s,t)组成的随机空间,
根据输电线路杆塔的数据插值结果,用概率分布的形式表示每个杆塔的随机变量χmap,其表达式如下:
其中,fG(χmap)表示基于G的关于χmap的先验概率密度函数,G为由地统计学方法得到的概率分布,μ为克里金插值结果的均值,σ2为预测方差;
设杆塔d在t时刻的被测属性值为χd(s,t),根据广义贝叶斯公式,
其中PG(·)表示基于G构建的概率,Pk(·)表示基于全体知识K的概率;
将fG(χmap)更新为基于全体知识K的fk(χd(s,t)),确定待测杆塔的预测属性后验概率密度和被测属性值,
用数学期望作为杆塔d在t时刻的考虑地形、塔型后修正每个杆塔上的气象预测值,
有益效果
本发明的一种用于飑线环境下输电线路杆塔受灾预测方法,与现有技术相比能够从空间效应、时空交互效应和影响因素的共同作用来预测输电线路飑线灾害情况。
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,在此基础上,分析输电线路飑线灾害的空间效应、时间效应、时空交互效应和影响因素的作用,利用最新的受灾信息作为先验信息提高模型估计的准确度。
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,本发明所述的一种用于飑线环境下输电线路杆塔受灾预测方法,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:
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,
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:
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:
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,插值数据的修正,根据杆塔所在的基础数据对插值数据进行数据修正。
由于杆塔所能承受的风速、雨量等气象环境数据与杆塔所处的地形环境和杆塔自身特性有着密切关系,而且还受到相邻区域空间信息的影响。例如,某杆塔的周围杆塔受灾情况势必影响该杆塔的受灾情况,更具体地说,如果周围杆塔都倒塌了,即使该杆塔处气象环境良好,该杆塔的倒塌可能性也很大。基于此,为了保证数据分析的准确性,需要对插值结果进行修正,其具体步骤如下:
(1)将输电线路杆塔所在的基础数据(气象数据、地形数据、杆塔信息以及经验知识)整理并形成全体知识K。
设变量χmap=[χdata,χd(s,t)]表示待测杆塔d周围预测飑线危及的网格范围内的基础数据χdata和预测属性值χd(s,t)组成的随机空间,
根据输电线路杆塔的数据插值结果,用概率分布的形式表示每个杆塔的随机变量χmap,其表达式如下:
其中,fG(χmap)表示基于G的关于χmap的先验概率密度函数,G为由地统计学方法得到的概率分布,μ为克里金插值结果的均值,σ2为预测方差。
(2)设杆塔d在t时刻的被测属性值为χd(s,t),根据广义贝叶斯公式,
其中PG(·)表示基于G构建的概率,Pk(·)表示基于全体知识K的概率;
将fG(χmap)更新为基于全体知识K的fk(χd(s,t)),确定待测杆塔的预测属性后验概率密度和被测属性值,
用数学期望作为杆塔d在t时刻的考虑地形、塔型后修正每个杆塔上的气象预测值,
第六步,杆塔受灾预测分析,根据修正后的气象因子、相邻影响因素及其他不稳定因素,对飑线风影响范围内的线路杆塔灾害发生情况及程度进行预测。其具体步骤如下:
(1)分析全体知识K,并将全体知识K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。
A、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;
B、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,Vt为通过正态分布建模代表时间效应中随机变化部分;
C、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。
(2)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的平均值,θit为杆塔受灾的相对危险度。在实际使用中,工作人员按传统方式对杆塔受灾的相对危险度θit进行阈值设定和判断,以此达到输电线路杆塔飑线预测目的。
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)
1.一种用于飑线环境下输电线路杆塔受灾预测方法,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;
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络内的输电线路杆塔上;
15)插值数据的修正,根据杆塔所在的基础数据对插值数据进行数据修正;
16)杆塔受灾预测分析,根据修正后的气象因子、相邻影响因素及其他不稳定因素,对飑线风影响范围内的线路杆塔灾害发生情况及程度进行预测。
2.根据权利要求1所述的一种用于飑线环境下输电线路杆塔受灾预测方法,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,下标D为等压面数值;
23)计算对流有效位能CAPE值,其计算公式如下:
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所述的一种用于飑线环境下输电线路杆塔受灾预测方法,其特征在于,所述高危网格范围的确定包括以下步骤:
31)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;
32)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;
33)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;
34)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。
4.根据权利要求1所述的一种用于飑线环境下输电线路杆塔受灾预测方法,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:
41)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);
42)利用以下插值公式对杆塔d进行气象插值,
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:
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:
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。
5.根据权利要求1所述的一种用于飑线环境下输电线路杆塔受灾预测方法,其特征在于,所述的杆塔受灾预测分析包括以下步骤:
51)分析全体知识K,并将全体知识K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,
511)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;
512)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;
513)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;
52)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的平均值,θit为杆塔受灾的相对危险度。
6.根据权利要求1所述的一种用于飑线环境下输电线路杆塔受灾预测方法,其特征在于,所述插值数据的修正包括以下步骤:
61)将输电线路杆塔所在的基础数据整理并形成全体知识K,
设变量χmap=[χdata,χd(s,t)]表示待测杆塔d周围预测飑线危及的网格范围内的基础数据χdata和预测属性值χd(s,t)组成的随机空间,
根据输电线路杆塔的数据插值结果,用概率分布的形式表示每个杆塔的随机变量χmap,其表达式如下:
其中,fG(χmap)表示基于G的关于χmap的先验概率密度函数,G为由地统计学方法得到的概率分布,μ为克里金插值结果的均值,σ2为预测方差;
62)设杆塔d在t时刻的被测属性值为χd(s,t),根据广义贝叶斯公式,
其中PG(·)表示基于G构建的概率,Pk(·)表示基于全体知识K的概率;
将fG(χmap)更新为基于全体知识K的fk(χd(s,t)),确定待测杆塔的预测属性后验概率密度和被测属性值,
用数学期望作为杆塔d在t时刻的考虑地形、塔型后修正每个杆塔上的气象预测值,
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810281584.2A CN108564263B (zh) | 2018-04-02 | 2018-04-02 | 一种用于飑线环境下输电线路杆塔受灾预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810281584.2A CN108564263B (zh) | 2018-04-02 | 2018-04-02 | 一种用于飑线环境下输电线路杆塔受灾预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108564263A true CN108564263A (zh) | 2018-09-21 |
CN108564263B CN108564263B (zh) | 2021-10-15 |
Family
ID=63533731
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810281584.2A Expired - Fee Related CN108564263B (zh) | 2018-04-02 | 2018-04-02 | 一种用于飑线环境下输电线路杆塔受灾预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108564263B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109784720A (zh) * | 2019-01-15 | 2019-05-21 | 南京邮电大学 | 一种台风灾害下基于时空网格关联的配电网风险评估方法 |
CN109840347A (zh) * | 2018-12-13 | 2019-06-04 | 重庆顺泰铁塔制造有限公司 | 地区日均降雨计算方法 |
CN110246119A (zh) * | 2019-05-09 | 2019-09-17 | 华北电力大学 | 基于sar影像的输电杆塔水灾故障隐患的识别方法 |
CN111126672A (zh) * | 2019-12-02 | 2020-05-08 | 国网浙江省电力有限公司电力科学研究院 | 一种基于分类决策树的高压架空输电线路台风灾害预测方法 |
CN112580870A (zh) * | 2020-12-17 | 2021-03-30 | 广东电网有限责任公司电力科学研究院 | 一种受灾杆塔确定方法及装置 |
CN113139760A (zh) * | 2021-05-27 | 2021-07-20 | 四创科技有限公司 | 基于风雨大数据的台风风险综合评估方法及系统 |
CN113176420A (zh) * | 2021-02-08 | 2021-07-27 | 国网北京市电力公司 | 一种针对电网杆塔点的风速预报订正系统 |
CN114049053A (zh) * | 2022-01-12 | 2022-02-15 | 国网江西省电力有限公司电力科学研究院 | 一种洪涝下配电网杆塔风险分布分析方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005156273A (ja) * | 2003-11-25 | 2005-06-16 | Michiyo Sugai | 地震動予測方法及びその評価方法 |
CN104268791A (zh) * | 2014-08-21 | 2015-01-07 | 国家电网公司华中分部 | 山地赋存环境中500kV高压输电线路的健康评估方法 |
CN104850734A (zh) * | 2015-04-21 | 2015-08-19 | 武大吉奥信息技术有限公司 | 一种基于时空分布特征的空气质量指数预测方法 |
CN106570621A (zh) * | 2016-11-02 | 2017-04-19 | 广西电网有限责任公司电力科学研究院 | 针对电力输配电系统的台风风险预警方法 |
-
2018
- 2018-04-02 CN CN201810281584.2A patent/CN108564263B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005156273A (ja) * | 2003-11-25 | 2005-06-16 | Michiyo Sugai | 地震動予測方法及びその評価方法 |
CN104268791A (zh) * | 2014-08-21 | 2015-01-07 | 国家电网公司华中分部 | 山地赋存环境中500kV高压输电线路的健康评估方法 |
CN104850734A (zh) * | 2015-04-21 | 2015-08-19 | 武大吉奥信息技术有限公司 | 一种基于时空分布特征的空气质量指数预测方法 |
CN106570621A (zh) * | 2016-11-02 | 2017-04-19 | 广西电网有限责任公司电力科学研究院 | 针对电力输配电系统的台风风险预警方法 |
Non-Patent Citations (4)
Title |
---|
张玲: "环境不稳定度参数在强对流天气数值模拟和诊断分析中的运用", 《中国优秀硕士学位论文全文数据库》 * |
张硕: "考虑地表覆盖的气温遥感活算及对空间插值数裾的改进", 《中国优秀硕士学位论文全文数据库》 * |
王丽娜: "气象要素空间插值算法的研究及其应用", 《中国优秀硕士学位论文全文数据库》 * |
王海涛等: "基于数值天气预报的输电线路风偏闪络预警方法", 《电力系统保护与控制》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109840347A (zh) * | 2018-12-13 | 2019-06-04 | 重庆顺泰铁塔制造有限公司 | 地区日均降雨计算方法 |
CN109784720A (zh) * | 2019-01-15 | 2019-05-21 | 南京邮电大学 | 一种台风灾害下基于时空网格关联的配电网风险评估方法 |
CN109784720B (zh) * | 2019-01-15 | 2021-07-02 | 南京邮电大学 | 一种台风灾害下基于时空网格关联的配电网风险评估方法 |
CN110246119A (zh) * | 2019-05-09 | 2019-09-17 | 华北电力大学 | 基于sar影像的输电杆塔水灾故障隐患的识别方法 |
CN111126672A (zh) * | 2019-12-02 | 2020-05-08 | 国网浙江省电力有限公司电力科学研究院 | 一种基于分类决策树的高压架空输电线路台风灾害预测方法 |
CN112580870A (zh) * | 2020-12-17 | 2021-03-30 | 广东电网有限责任公司电力科学研究院 | 一种受灾杆塔确定方法及装置 |
CN113176420A (zh) * | 2021-02-08 | 2021-07-27 | 国网北京市电力公司 | 一种针对电网杆塔点的风速预报订正系统 |
CN113176420B (zh) * | 2021-02-08 | 2024-03-12 | 国网北京市电力公司 | 一种针对电网杆塔点的风速预报订正系统 |
CN113139760A (zh) * | 2021-05-27 | 2021-07-20 | 四创科技有限公司 | 基于风雨大数据的台风风险综合评估方法及系统 |
CN113139760B (zh) * | 2021-05-27 | 2022-07-08 | 四创科技有限公司 | 基于风雨大数据的台风风险综合评估方法及系统 |
CN114049053A (zh) * | 2022-01-12 | 2022-02-15 | 国网江西省电力有限公司电力科学研究院 | 一种洪涝下配电网杆塔风险分布分析方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN108564263B (zh) | 2021-10-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108564263A (zh) | 一种用于飑线环境下输电线路杆塔受灾预测方法 | |
CN108960599B (zh) | 基于反演算法的输电线路暴雨灾害精细化预测方法及系统 | |
Jaagus et al. | Long-term storminess and sea level variations on the Estonian coast of the Baltic Sea in relation to large-scale atmospheric circulation | |
CN103018604A (zh) | 一种电网设施雷击风险的评估方法及其装置 | |
CN105023283A (zh) | 基于冬候鸟迁徙路径及生境的电网鸟害图绘制方法及系统 | |
Kulkarni et al. | Evaluation of wind extremes and wind potential under changing climate for Indian offshore using ensemble of 10 GCMs | |
KR101646587B1 (ko) | 북서태평양 태풍 활동성에 대한 하이브리드 계절 예측 방법 | |
CN107958312B (zh) | 基于反演算法的输电线路舞动预测方法、系统及存储介质 | |
Liu et al. | Numerical study on factors influencing typhoon-induced storm surge distribution in Zhanjiang Harbor | |
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 | |
CN109359882B (zh) | 一种台风灾害下输电线路跳闸风险评估方法 | |
CN113139760A (zh) | 基于风雨大数据的台风风险综合评估方法及系统 | |
JP4880440B2 (ja) | 着雪予測方法および着雪予測プログラム | |
Zhang et al. | Cluster analysis of post-landfall tracks of landfalling tropical cyclones over China | |
Kawatani et al. | Simulation of the Baiu front in a high resolution AGCM | |
CN108549118A (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 | |
CN107316109A (zh) | 架空线路冬季近地面风速预测方法、系统及装置 | |
Figurski et al. | The impact of initial and boundary conditions on severe weather event simulations using a high-resolution WRF model. Case study of the derecho event in Poland on 11 August 2017 | |
CN113326624A (zh) | 一种沙漠地区大气边界层高度的预测方法及系统 | |
Han et al. | Spatiotemporal changes in the urban heat island intensity of distinct local climate zones: Case study of Zhongshan District, Dalian, China | |
CN110866693B (zh) | 一种基于gis模型的架空输电线路覆冰风险评估方法 | |
CN108427834A (zh) | 基于中尺度模式的工程台风精细化数值模拟系统及方法 | |
CN108764563A (zh) | 一种输电线路飑线风预警方法 | |
CN115511192A (zh) | 一种基于闪电资料同化的降水预报方法及系统 | |
Kozak et al. | Variation of precipitation gradient in mountain areas based on the example of the Western Beskids in the Polish Carpathians |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20211015 |