CN108761570B - 一种机坪雷电安全防护系统和方法 - Google Patents

Abstract

本发明提供一种机坪雷电安全防护系统和方法，机坪雷电安全防护系统包括：相互通信的信息采集模块、信息处理模块、雷电预警模块和信息发布模块；信息采集模块用于采集目标机坪的大气电场强度数据信息和雷电定位数据信息；信息处理模块用于根据大气电场强度数据信息、雷电定位数据信息、预先设置的分级预警模型，获取第一雷电预测结果；雷电预警模块用于输出第一雷电预测结果，并显示该第一雷电预测结果对应的雷暴云团数据组和辅助数据，并根据第一雷电预测结果、雷暴云团数据组和辅助数据判断是否生成雷电预警指令，若是则将该雷电预警指令发送至信息发布模块；信息发布模块用于发布雷电预警指令。本发明能够对机坪进行准确且可靠地雷电安全防护。

Description

一种机坪雷电安全防护系统和方法

技术领域

本发明涉及雷电预警技术领域，具体涉及一种机坪雷电安全防护系统和方法。

背景技术

雷电是自然界中的强放电现象，其发生具有不可避免性。雷电是对民航安全运行影响最大的天气现象，会严重威胁机坪人员人身安全，影响航班起降以及机场运行效率。机坪作业人员工作环境暴露，特别是在空旷环境下作业的人员，遭遇雷电天气时若不采取正确有效的防雷措施，就有可能发生雷击身亡事故。2013年8月首都机场公务机坪保洁人员在现场作业时遭遇雷击，经抢救无效宣告死亡。此前几年中，机场工作人员在作业时遭遇雷击的新闻并不罕见，可见机坪作业人员面对雷击灾害的脆弱性很低，尤其是在作业环境较为空旷，暴露性较大的情况下。为保障室外工作人员的安全，需进行及时有效的雷电预报预警。机坪雷电防御的关键在于对雷暴全过程的有效探测和量化预警。

针对机坪作业的雷电防护，目前采用的方法主要包括避雷针、“30/30法则”、气象雷达信息。30/30法则：从看到闪电到听到雷声的时间间隔小于30秒时(意味着雷电进入10公里半径范围)，停止机坪作业，直至10公里内最后一个闪电过去30分钟，恢复作业。气象雷达信息：由于30/30法则过于依赖现场人员的判断，因此在实践中，很多机场会采用气象雷达信息进行量化指导，通行的准则是当雷达回波大于30dbz时，停止机坪作业，另外一种现有技术提供了一种航班飞机停机坪作业防雷击方法，该方法在于地面作业开始前，在飞机尾部最高处以及机头和两侧机翼之外的飞机滑行路线外侧的区域内设置避雷针；在避雷针根部外侧设置塑料箱，内置手机；在塑料箱内设置一个感应雷击泄放电流记录器；开始地面作业等步骤。保护飞机免受雷击损害。保护飞机附近地面作业人员免受潜在的强雷电伤害。细化与提升机场服务质量与劳动保护能力及改善工作环境，不产生新的污染。

然而，“30/30法则”过于依赖现场人员的判断。气象雷达资料只有在降水粒子形成之后才会有较强的回波，但是降水与雷电之间的关系并非简单的相关，误判的几率很高，虽然员工安全得到了一定程度的保障，但因停工时间过长，影响了航空公司的运行。卫星资料的空间尺度很大，可达数千米，但目前能够得到的卫星资料的时空分辨率较粗，在雷电临近预报中的作用还有限，另外的一种航班飞机停机坪作业防雷击方法的技术方案主要依靠安装避雷针进行防护，缺乏执行预案动作的触发条件，同时会对飞机的起降造成安全隐患。并且，雷电对地面作业的危害分为直接雷击和感应雷击两种，避雷针实际原理是“吸引”雷电直接击中避雷针，在此过程中会泄放大量感应雷，而在实践中，户外工作人员多为感应雷所伤，也就是说，现有技术均无法对机坪进行准确且可靠地雷电安全防护。

发明内容

针对现有技术中的问题，本发明提供一种机坪雷电安全防护系统和方法，能够对机坪进行准确且可靠地雷电安全防护。

为解决上述技术问题，本发明提供以下技术方案：

第一方面，本发明提供一种机坪雷电安全防护系统，所述机坪雷电安全防护系统包括相互通信的信息采集模块、信息处理模块、雷电预警模块和信息发布模块；

所述信息采集模块用于采集目标机坪的大气电场强度数据信息和雷电定位数据信息，并将采集的所述大气电场强度数据信息和雷电定位数据信息实时发送至所述信息处理模块；

所述信息处理模块用于根据所述大气电场强度数据信息、雷电定位数据信息、预先设置的分级预警模型，获取第一雷电预测结果，并将该第一雷电预测结果发送至所述雷电预警模块；

所述雷电预警模块用于输出所述第一雷电预测结果，并显示该第一雷电预测结果对应的雷暴云团数据组和辅助数据，以及，根据所述第一雷电预测结果、对应的雷暴云团数据组和辅助数据，判断是否生成雷电预警指令，若是，则将该雷电预警指令发送至所述信息发布模块；

所述信息发布模块用于发布所述雷电预警指令。

进一步地，所述雷电预警模块还用于在生成雷电预警指令后，周期性根据所述第一雷电预测结果、对应的雷暴云团数据组和辅助数据，判断是否生成复工指令，若否，则将所述复工指令发送至所述信息发布模块；

相对应的，所述信息发布模块还用于发布所述复工指令。

进一步地，所述信息采集模块包括设置在所述目标机坪中各处的多个探测站，且各探测站均与所述信息处理模块通信；

所述探测站用于采集各自的探测范围内的大气电场强度数据信息和雷电定位数据信息；

全部的所述探测站的探测范围的总和完全覆盖所述目标机坪。

进一步地，所述探测站包括均与所述信息处理模块通信的闪电探测仪和大气电场仪；

所述闪电探测仪用于采集对应的第一探测范围内的雷电定位数据信息，且全部的所述探测站中的所述闪电探测仪的第一探测范围完全覆盖所述目标机坪；

所述大气电场仪用于采集对应的第二探测范围内的大气电场强度数据信息，且全部的所述探测站中的所述大气电场仪的第二探测范围完全覆盖所述目标机坪。

进一步地，所述分级预警模型包括：雷电预警子模型和分级预警标准；

所述雷电预警子模型为包含有卷积层的深度神经网络模型，且该深度神经网络模型的训练集为时间特征数据和空间特征数据；

所述分级预警标准根据所述目标机坪的区域划分结果、所述目标机坪内全部人员的撤离时间和返回时间来确定。

进一步地，所述信息处理模块包括：相互通信的数据输入单元和云计算平台；

所述数据接收单元用于接收所述大气电场强度数据信息和雷电定位数据信息；

所述云计算平台中存储有所述分级预警模型，且所述云计算平台用于根据所述大气电场强度数据信息和雷电定位数据信息生成时间特征数据和空间特征数据，并将所述时间特征数据和空间特征数据作为训练集对所述雷电预警子模型进行训练，得到初始雷电预测结果，以及根据所述分级预警标准和所述初始雷电预测结果，获取第一雷电预测结果，并将该第一雷电预测结果发送至所述雷电预警模块。

进一步地，所述雷暴云团数据组包括：雷电数量、雷暴云团与所述目标机坪之间的距离、雷暴云团的移动速度和大气场强。

进一步地，所述雷电预警模块包括：相互通信的数据显示单元和数据判断单元；

所述数据显示单元用于输出所述第一雷电预测结果，并显示该第一雷电预测结果对应的雷电数量、雷暴云团与所述目标机坪之间的距离、雷暴云团的移动速度、大气场强和辅助数据；

所述数据判断单元用于判断所述雷电数量、雷暴云团与所述目标机坪之间的距离、雷暴云团的移动速度、大气场强和辅助数据中是否存在任一项不符合其对应的安全标准，若是，则生成雷电预警指令，并将所述雷电预警指令发送至所述信息发布模块。

第二方面，本发明提供一种应用所述的机坪雷电安全防护系统实现的机坪雷电安全防护方法，所述机坪雷电安全防护方法包括：

所述信息采集模块采集目标机坪的大气电场强度数据信息和雷电定位数据信息，并将采集的所述大气电场强度数据信息和雷电定位数据信息实时发送至所述信息处理模块；

所述信息处理模块根据所述大气电场强度数据信息、雷电定位数据信息、预先设置的分级预警模型，获取第一雷电预测结果，并将该第一雷电预测结果发送至所述雷电预警模块；

所述雷电预警模块输出所述第一雷电预测结果，并显示该第一雷电预测结果对应的雷暴云团数据组和辅助数据，以及，根据所述第一雷电预测结果、对应的雷暴云团数据组和辅助数据，判断是否下发雷电预警指令，若是，则将该雷电预警指令发送至所述信息发布模块；

所述信息发布模块发布所述雷电预警指令。

进一步地，所述机坪雷电安全防护方法还包括：

所述雷电预警模块在生成雷电预警指令后，周期性根据所述第一雷电预测结果、对应的雷暴云团数据组和辅助数据，判断是否生成复工指令，若否，则将所述复工指令发送至所述信息发布模块；

所述信息发布模块还用于发布所述复工指令。

由上述技术方案可知，本发明提供的机坪雷电安全防护系，包括相互通信的信息采集模块、信息处理模块、雷电预警模块和信息发布模块；信息采集模块用于采集目标机坪的大气电场强度数据信息和雷电定位数据信息；信息处理模块用于根据大气电场强度数据信息、雷电定位数据信息、预先设置的分级预警模型，获取第一雷电预测结果；雷电预警模块用于输出第一雷电预测结果，并显示该第一雷电预测结果对应的雷暴云团数据组和辅助数据，并根据第一雷电预测结果、雷暴云团数据组和辅助数据判断是否生成雷电预警指令，若是则将该雷电预警指令发送至信息发布模块；信息发布模块用于发布雷电预警指令，能够对机坪进行准确且可靠地雷电安全防护，通过布设雷电探测仪器和人工智能算法构建覆盖防护目标周边区域的雷电监测预警网，实现对机坪雷电的高精度探测和精细化预警，利用高精度探测和精细化预警信息，制定机坪分级预警标准、综合研究判断体系和相应的应急处置卡。解决了现有方案中应急预案执行时间窗不合理的问题。既提升了机坪作业的安全性，也克服了雷电防护手段不足带来的效率损失。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例一中的机坪雷电安全防护系统的结构示意图；

图2是的应用实例中的机坪雷电安全防护系统的运行逻辑示意图；

图3是本发明的应用实例中的目标区域的规划示意图；

图4是本发明的应用实例中的雷电预警运行流程示意图；

图5是本发明实施例二中的机坪雷电安全防护方法的第一种流程示意图；

图6是本发明实施例二中的机坪雷电安全防护方法的第二种流程示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明的实施例一提供一种机坪雷电安全防护系统的具体实施方式，参见图1，所述机坪雷电安全防护系统具体包括如下内容：

所述机坪雷电安全防护系统中设有相互通信的信息采集模块10、信息处理模块20、雷电预警模块30和信息发布模块40。

所述信息采集模块10，用于采集目标机坪的大气电场强度数据信息和雷电定位数据信息，并将采集的所述大气电场强度数据信息和雷电定位数据信息实时发送至所述信息处理模块20。

在信息采集模块10中，所述信息采集模块10中包含设置在所述目标机坪中各处的多个探测站，且各探测站均与所述信息处理模块20通信；所述探测站用于采集各自的探测范围内的大气电场强度数据信息和雷电定位数据信息；全部的所述探测站的探测范围的总和完全覆盖所述目标机坪。

所述信息处理模块20，用于根据所述大气电场强度数据信息、雷电定位数据信息、预先设置的分级预警模型，获取第一雷电预测结果，并将该第一雷电预测结果发送至所述雷电预警模块30。

在所述信息处理模块20中，所述信息处理模块20中设有相互通信的数据输入单元和云计算平台；所述数据接收单元用于接收所述大气电场强度数据信息和雷电定位数据信息；所述云计算平台中存储有所述分级预警模型，且所述云计算平台用于根据所述大气电场强度数据信息和雷电定位数据信息生成时间特征数据和空间特征数据，并将所述时间特征数据和空间特征数据作为训练集对所述雷电预警子模型进行训练，得到初始雷电预测结果，以及根据所述分级预警标准和所述初始雷电预测结果，获取第一雷电预测结果，并将该第一雷电预测结果发送至所述雷电预警模块30。

可以理解的是，所述分级预警模型中具体包括：雷电预警子模型和分级预警标准；所述雷电预警子模型为包含有卷积层的深度神经网络模型，且该深度神经网络模型的训练集为时间特征数据和空间特征数据；所述分级预警标准根据所述目标机坪的区域划分结果、所述目标机坪内全部人员的撤离时间和返回时间来确定。

在一种具体举例中，所述雷电预警子模型可以为一种包含有卷积层的长短期记忆网络LSTM模型是基于普通的RNN的一个基础模型LSTM(Long Short Term Memory)改进而来的，由于LSTM具有含有循环结构的循环体，它对于前面的信息特征具有保留记忆功能，故它可以很好地根据前面的时序特征进行预测。但是我们的数据中含有空间数据信息，直接构建LSTM网络的话，我们可能失去空间数据的空间特征。于是，我们在LSTM神经网络中加入了卷积结构，此时我们就得到了我们需要的模型带有卷积结构的LSTM深度神经网络，这样我们的空间信息就可以很好地被提取出来。此时，我们得到的带有卷积结构的LSTM深度神经网络同时具备记忆功能和空间信息特征提取功能，进一步地提高了雷电预警模型的精度和准确性。雷电预警系统将所述时间特征数据和空间特征数据组成数据集，并将所述数据集按照预设比值分划为训练集和测试集；应用所述训练集对预设的包含有卷积层的长短期记忆网络LSTM模型进行数据训练，得到用于表明雷电预测结果的目标权重参数；以及，根据所述训练集对所述目标权重参数进行效果评估，若所述效果评估的结果符合预设要求，则根据该目标权重参数进行雷电预警。

所述雷电预警模块30，用于输出所述第一雷电预测结果，并显示该第一雷电预测结果对应的雷暴云团数据组和辅助数据，以及，根据所述第一雷电预测结果、对应的雷暴云团数据组和辅助数据，判断是否生成雷电预警指令，若是，则将该雷电预警指令发送至所述信息发布模块40。

可以理解的是，所述雷电预警模块30可以显示在控制中心的显示屏中，具体可以显示在其中的一个显示窗口中。

所述信息发布模块40，用于发布所述雷电预警指令。

在一种具体实施方式中，所述雷电预警模块30还用于在生成雷电预警指令后，周期性根据所述第一雷电预测结果、对应的雷暴云团数据组和辅助数据，判断是否生成复工指令，若否，则将所述复工指令发送至所述信息发布模块40，相对应的，所述信息发布模块40还用于发布所述复工指令。

从上述描述可知，本发明的实施例提供的机坪雷电安全防护系统，能够对机坪进行准确且可靠地雷电安全防护，解决了现有方案中应急预案执行时间窗不合理的问题，既提升了机坪作业的安全性，也克服了雷电防护手段不足带来的效率损失。

在一种具体实施方式中，本发明还提供所述机坪雷电安全防护系统中的信息采集模块10的具体实施方式，所述信息采集模块10具体包括如下内容：

所述信息采集模块10包括设置在所述目标机坪中各处的多个探测站，且各探测站均与所述信息处理模块20通信；所述探测站用于采集各自的探测范围内的大气电场强度数据信息和雷电定位数据信息；全部的所述探测站的探测范围的总和完全覆盖所述目标机坪。

可以理解的是，所述探测站包括均与所述信息处理模块20通信的闪电探测仪和大气电场仪；所述闪电探测仪用于采集对应的第一探测范围内的雷电定位数据信息，且全部的所述探测站中的所述闪电探测仪的第一探测范围完全覆盖所述目标机坪；所述大气电场仪用于采集对应的第二探测范围内的大气电场强度数据信息，且全部的所述探测站中的所述大气电场仪的第二探测范围完全覆盖所述目标机坪。

从上述描述可知，本发明的实施例提供的机坪雷电安全防护系统，能够高效且准确地采集目标机坪的大气电场强度数据信息和雷电定位数据信息，为后续对机坪进行雷电安全防护提高了准确且可靠的数据基础。

在一种具体实施方式中，本发明还提供所述机坪雷电安全防护系统中的信息处理模块20的具体实施方式，所述信息处理模块20具体包括如下内容：

相互通信的数据输入单元和云计算平台；所述数据接收单元用于接收所述大气电场强度数据信息和雷电定位数据信息；所述云计算平台中存储有所述分级预警模型，且所述云计算平台用于根据所述大气电场强度数据信息和雷电定位数据信息生成时间特征数据和空间特征数据，并将所述时间特征数据和空间特征数据作为训练集对所述雷电预警子模型进行训练，得到初始雷电预测结果，以及根据所述分级预警标准和所述初始雷电预测结果，获取第一雷电预测结果，并将该第一雷电预测结果发送至所述雷电预警模块30。

从上述描述可知，本发明的实施例提供的机坪雷电安全防护系统，能够快速且准确地根据所述大气电场强度数据信息、雷电定位数据信息、预先设置的分级预警模型，获取第一雷电预测结果。

另外，可以理解的是，所述雷暴云团数据组中至少可以包括：雷电数量、雷暴云团与所述目标机坪之间的距离、雷暴云团的移动速度和大气场强。且辅助数据为工作人员获取的外部数据，该外部数据可以为机坪当前温度、湿度及空气情况等数据。

相对应的，在一种具体实施方式中，本发明还提供所述机坪雷电安全防护系统中的雷电预警模块30的具体实施方式，所述雷电预警模块30具体包括如下内容：

相互通信的数据显示单元和数据判断单元；所述数据显示单元用于输出所述第一雷电预测结果，并显示该第一雷电预测结果对应的雷电数量、雷暴云团与所述目标机坪之间的距离、雷暴云团的移动速度、大气场强和辅助数据；所述数据判断单元用于判断所述雷电数量、雷暴云团与所述目标机坪之间的距离、雷暴云团的移动速度、大气场强和辅助数据中是否存在任一项不符合其对应的安全标准，若是，则生成雷电预警指令，并将所述雷电预警指令发送至所述信息发布模块40。

从上述描述可知，本发明的实施例提供的机坪雷电安全防护系统，能够快速且准确地根据所述第一雷电预测结果、对应的雷暴云团数据组和辅助数据，判断是否生成雷电预警指令，进而有效解决了现有方案中应急预案执行时间窗不合理的问题。既提升了机坪作业的安全性，也克服了雷电防护手段不足带来的效率损失。

为进一步的说明本方案，本发明还提供一种机坪雷电安全防护系统的具体应用实例，参见图2，所述机坪雷电安全防护系统具体包括如下内容：

(1)通过布设闪电探测仪站和大气电场仪站，构建覆盖整个应用地区的信息采集网络，利用云计算平台进行大数据分析，实现对雷电灾害的精准监测和预警(雷电定位精度达到300米，预警时限高于30分钟，预警准确率高于90％)。

(2)根据机坪的地理位置规划目标区域、监测区域。根据机坪作业业务特点，确定户外工作人员全部撤入“避雷安全区域”需要的时间以及从停工避灾状态到恢复正常工作需要的时间。根据以上信息制定机坪分级预警标准。

(3)如图3所示，将目标区域、监测区域、停工时间、复工时间等分级预警标准输入雷电预警模型。模型结合云计算平台解决计算性能瓶颈，突破数据量级限制。使用神经网络、统计分析等计算技术进行模型建立。模型具有学习能力，依托评分工程方法论，充分利用电场、定位、气象等多种预测因素，构建自适应的雷电预警模型，突破性地解决主动式雷电灾害防御技术难题。

(4)如图4所示，预测模型在云计算平台持续运行，每隔一分钟进行一次风险预测，确定当前的预警级别。当预警级别变动时通过通知订阅系统平台将信息发送给相关人员。

(5)在预警模型发布预警信息之后，值班人员对预警信息进行评估，结合雷电监测预警网的可视化展示信息，确认雷暴中心的位置、距离及移动发展情况。同时，结合当前的外部因素，按照预先制定的策略规则确定发布预警的级别和时间点。机坪作业人员根据预警级别执行相应的应急处置卡，详见下表1和表2。

表1

表2

影响防护区域是否会发生雷暴过程的因素很多，经过数据处理之后选取了以下能够直观理解的预测因素作为策略规则依据：雷电数量、雷暴距本场距离、雷暴移动速度和大气电场。

(6)停工依据：

收到「雷电红色预警」后，值班人员结合当前的外部因素确定是否执行红色预警的应急预案。

当下面任意一个条件满足时立即执行红色预警的应急预案(是否停工应可参考：雷暴团移动速度、趋势、电场强度、单位时间雷电数量由MCC值班员给出建议，值班经理根据运行实况需求视情决定处置)。

例如：

「周边20km、15分钟内雷击数」≥10个；

「雷暴距本场距离」≤3km。

(7)复工依据：

在停工阶段，当预设条件满足时建议进入复工阶段。

例如：15分钟大气电场绝对值<3kv/m。

本应用实例通过精准的雷电预警实现了机坪停工时间窗口管理，改变了以往雷电天气机坪作业缺乏量化指导依据的现状，所提出的机坪雷电预警分级模型及应急预案，这对雷电防护体系至关重要，关系到人员的协调和物资的调动，是关联雷电预警信息与生产活动的重要环节。需根据安全生产需求，制定雷电预警相关的分级应急预案，能够对机坪进行准确且可靠地雷电安全防护，通过布设雷电探测仪器和人工智能算法构建覆盖防护目标周边区域的雷电监测预警网，实现对机坪雷电的高精度探测和精细化预警，利用高精度探测和精细化预警信息，制定机坪分级预警标准、综合研究判断体系和相应的应急处置卡。解决了现有方案中应急预案执行时间窗不合理的问题。既提升了机坪作业的安全性，也克服了雷电防护手段不足带来的效率损失。

本发明的实施例二提供一种应用所述机坪雷电安全防护系统实现的机坪雷电安全防护方法的具体实施方式，参见图5，所述机坪雷电安全防护方法具体包括如下内容：

步骤100：所述信息采集模块10采集目标机坪的大气电场强度数据信息和雷电定位数据信息，并将采集的所述大气电场强度数据信息和雷电定位数据信息实时发送至所述信息处理模块20。

步骤300：所述信息处理模块20根据所述大气电场强度数据信息、雷电定位数据信息、预先设置的分级预警模型，获取第一雷电预测结果，并将该第一雷电预测结果发送至所述雷电预警模块30。

步骤300：所述雷电预警模块30输出所述第一雷电预测结果，并显示该第一雷电预测结果对应的雷暴云团数据组和辅助数据，以及，根据所述第一雷电预测结果、对应的雷暴云团数据组和辅助数据，判断是否下发雷电预警指令，若是，则将该雷电预警指令发送至所述信息发布模块40。

步骤400：所述信息发布模块40发布所述雷电预警指令。

在一种具体实施方式中，参见图6，所述机坪雷电安全防护方法还具体包括如下内容：

步骤500：所述雷电预警模块30在生成雷电预警指令后，周期性根据所述第一雷电预测结果、对应的雷暴云团数据组和辅助数据，判断是否生成复工指令，若否，则将所述复工指令发送至所述信息发布模块40。

步骤600：所述信息发布模块40还用于发布所述复工指令。

从上述描述可知，本发明的实施例提供的机坪雷电安全防护方法，能够对机坪进行准确且可靠地雷电安全防护，通过布设雷电探测仪器和人工智能算法构建覆盖防护目标周边区域的雷电监测预警网，实现对机坪雷电的高精度探测和精细化预警，利用高精度探测和精细化预警信息，制定机坪分级预警标准、综合研究判断体系和相应的应急处置卡。解决了现有方案中应急预案执行时间窗不合理的问题。既提升了机坪作业的安全性，也克服了雷电防护手段不足带来的效率损失。

在本发明的描述中，需要说明的是，术语“上”、“下”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。

还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上实施例仅用于说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (8)

1.一种机坪雷电安全防护系统，其特征在于，所述机坪雷电安全防护系统包括相互通信的信息采集模块、信息处理模块、雷电预警模块和信息发布模块；

所述信息采集模块用于采集目标机坪的大气电场强度数据信息和雷电定位数据信息，并将采集的所述大气电场强度数据信息和雷电定位数据信息实时发送至所述信息处理模块；

所述信息处理模块用于根据所述大气电场强度数据信息、雷电定位数据信息、预先设置的分级预警模型，获取第一雷电预测结果，并将该第一雷电预测结果发送至所述雷电预警模块，所述分级预警模型包括：雷电预警子模型和分级预警标准；所述雷电预警子模型为包含有卷积层的深度神经网络模型，且该深度神经网络模型的训练集为时间特征数据和空间特征数据；所述分级预警标准根据所述目标机坪的区域划分结果、所述目标机坪内全部人员的撤离时间和返回时间来确定；

所述雷电预警模块用于输出所述第一雷电预测结果，并显示该第一雷电预测结果对应的雷暴云团数据组和辅助数据，以及，根据所述第一雷电预测结果、对应的雷暴云团数据组和辅助数据，判断是否生成雷电预警指令，若是，则将该雷电预警指令发送至所述信息发布模块，所述雷暴云团数据组包括：雷电数量、雷暴云团与所述目标机坪之间的距离、雷暴云团的移动速度和大气场强；

所述信息发布模块用于发布所述雷电预警指令。

2.根据权利要求1所述的机坪雷电安全防护系统，其特征在于，所述雷电预警模块还用于在生成雷电预警指令后，周期性根据所述第一雷电预测结果、对应的雷暴云团数据组和辅助数据，判断是否生成复工指令，若否，则将所述复工指令发送至所述信息发布模块；

相对应的，所述信息发布模块还用于发布所述复工指令。

3.根据权利要求1所述的机坪雷电安全防护系统，其特征在于，所述信息采集模块包括设置在所述目标机坪中各处的多个探测站，且各探测站均与所述信息处理模块通信；

所述探测站用于采集各自的探测范围内的大气电场强度数据信息和雷电定位数据信息；

全部的所述探测站的探测范围的总和完全覆盖所述目标机坪。

4.根据权利要求3所述的机坪雷电安全防护系统，其特征在于，所述探测站包括均与所述信息处理模块通信的闪电探测仪和大气电场仪；

所述闪电探测仪用于采集对应的第一探测范围内的雷电定位数据信息，且全部的所述探测站中的所述闪电探测仪的第一探测范围完全覆盖所述目标机坪；

所述大气电场仪用于采集对应的第二探测范围内的大气电场强度数据信息，且全部的所述探测站中的所述大气电场仪的第二探测范围完全覆盖所述目标机坪。

5.根据权利要求1所述的机坪雷电安全防护系统，其特征在于，所述信息处理模块包括：相互通信的数据输入单元和云计算平台；

所述数据接收单元用于接收所述大气电场强度数据信息和雷电定位数据信息；

所述云计算平台中存储有所述分级预警模型，且所述云计算平台用于根据所述大气电场强度数据信息和雷电定位数据信息生成时间特征数据和空间特征数据，并将所述时间特征数据和空间特征数据作为训练集对所述雷电预警子模型进行训练，得到初始雷电预测结果，以及根据所述分级预警标准和所述初始雷电预测结果，获取第一雷电预测结果，并将该第一雷电预测结果发送至所述雷电预警模块。

6.根据权利要求1所述的机坪雷电安全防护系统，其特征在于，所述雷电预警模块包括：相互通信的数据显示单元和数据判断单元；

所述数据显示单元用于输出所述第一雷电预测结果，并显示该第一雷电预测结果对应的雷电数量、雷暴云团与所述目标机坪之间的距离、雷暴云团的移动速度、大气场强和辅助数据；

所述数据判断单元用于判断所述雷电数量、雷暴云团与所述目标机坪之间的距离、雷暴云团的移动速度、大气场强和辅助数据中是否存在任一项不符合其对应的安全标准，若是，则生成雷电预警指令，并将所述雷电预警指令发送至所述信息发布模块。

7.一种应用权利要求1至6任一项所述的机坪雷电安全防护系统实现的机坪雷电安全防护方法，其特征在于，所述机坪雷电安全防护方法包括：

所述信息采集模块采集目标机坪的大气电场强度数据信息和雷电定位数据信息，并将采集的所述大气电场强度数据信息和雷电定位数据信息实时发送至所述信息处理模块；

所述信息处理模块根据所述大气电场强度数据信息、雷电定位数据信息、预先设置的分级预警模型，获取第一雷电预测结果，并将该第一雷电预测结果发送至所述雷电预警模块，所述分级预警模型包括：雷电预警子模型和分级预警标准；所述雷电预警子模型为包含有卷积层的深度神经网络模型，且该深度神经网络模型的训练集为时间特征数据和空间特征数据；所述分级预警标准根据所述目标机坪的区域划分结果、所述目标机坪内全部人员的撤离时间和返回时间来确定；

所述雷电预警模块输出所述第一雷电预测结果，并显示该第一雷电预测结果对应的雷暴云团数据组和辅助数据，以及，根据所述第一雷电预测结果、对应的雷暴云团数据组和辅助数据，判断是否下发雷电预警指令，若是，则将该雷电预警指令发送至所述信息发布模块，所述雷暴云团数据组包括：雷电数量、雷暴云团与所述目标机坪之间的距离、雷暴云团的移动速度和大气场强；

所述信息发布模块发布所述雷电预警指令。

8.根据权利要求7所述的机坪雷电安全防护方法，其特征在于，所述机坪雷电安全防护方法还包括：

所述雷电预警模块在生成雷电预警指令后，周期性根据所述第一雷电预测结果、对应的雷暴云团数据组和辅助数据，判断是否生成复工指令，若否，则将所述复工指令发送至所述信息发布模块；

所述信息发布模块还用于发布所述复工指令。

Images