CN109409682B - 跨区域电网覆冰程度的评估方法及系统 - Google Patents

跨区域电网覆冰程度的评估方法及系统 Download PDF

Info

Publication number
CN109409682B
CN109409682B CN201811140709.6A CN201811140709A CN109409682B CN 109409682 B CN109409682 B CN 109409682B CN 201811140709 A CN201811140709 A CN 201811140709A CN 109409682 B CN109409682 B CN 109409682B
Authority
CN
China
Prior art keywords
icing
province
power grid
period
data
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
CN201811140709.6A
Other languages
English (en)
Other versions
CN109409682A (zh
Inventor
陆佳政
邸悦伦
冯涛
杨莉
简洲
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.)
State Grid Corp of China SGCC
State Grid Hunan Electric Power Co Ltd
Disaster Prevention and Mitigation Center of State Grid Hunan Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
State Grid Hunan Electric Power Co Ltd
Disaster Prevention and Mitigation Center of State Grid Hunan 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 State Grid Corp of China SGCC, State Grid Hunan Electric Power Co Ltd, Disaster Prevention and Mitigation Center of State Grid Hunan Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN201811140709.6A priority Critical patent/CN109409682B/zh
Publication of CN109409682A publication Critical patent/CN109409682A/zh
Application granted granted Critical
Publication of CN109409682B publication Critical patent/CN109409682B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Theoretical Computer Science (AREA)
  • Development Economics (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种跨区域电网覆冰程度的评估方法、电网联合抗冰的调度方法及系统，该评估方法包括：分别采集多个省份的覆冰数据，覆冰数据包括各省份具有时间对应关系的覆冰期每日电网覆冰厚度数据、各省份气象站点总数和覆冰期间每日观测到覆冰的气象站点数量；根据覆冰数据，进行跨区域电网覆冰相关性计算，计算得到第一省份和第二省份的覆冰厚度的相关系数以及第一省份和第二省份的冰区面积的相关系数；根据得到的两个相关系数，划分跨区域电网覆冰相关性的强弱区间。本发明可快速评估两省覆冰程度的相关性，可操作性强。

Description

跨区域电网覆冰程度的评估方法及系统
技术领域
本发明涉及电网的防护领域，尤其涉及跨区域电网覆冰程度的评估方法、电网联合抗冰的调度方法及系统。
背景技术
冬季电网覆冰一直是中国南方地区输电线路安全稳定运行的巨大挑战。特别是在一定的气候条件下，大范围覆冰的发生对于线路抗冰决策、紧急处置措施、电网调度管理等都提出了更高的要求，因此，掌握不同地区间电网覆冰程度的关系对于进一步提升电网抗冰能力有重要意义。
目前的电网覆冰预测方法已经可以实现未来三到七天的覆冰程度计算乃至未来整个冬季的覆冰趋势预测，但却没有广泛开展不同地区间的电网覆冰程度评估，特殊气候条件下跨区域电网覆冰的遥相关特征没有得到关注，也没有较好的联合抗冰决策制定依据和制定方法，各地区冬季抗冰工作缺乏联动，抗冰措施和抗冰装备难以实现优势互补，降低了电网抗冰效率。
因此，进行跨区域电网覆冰程度评估和联合抗冰决策方法的研究和分析已经势在必行，这将为灵活部署电网防冰应急处置措施，提高覆冰预测预警工作效率，维护冬季电网安全运行提供重要的支撑。
发明内容
本发明提供了一种跨区域电网覆冰程度的评估方法、电网联合抗冰的调度方法及系统，用以解决目前缺乏不同地区间的电网覆冰程度评估及缺乏联合抗冰决策的技术问题。
为解决上述技术问题，本发明提出的技术方案为：
一种跨区域电网覆冰程度的评估方法，包括以下步骤：
分别采集多个省份的覆冰数据，覆冰数据包括各省份具有时间对应关系的覆冰期每日电网覆冰厚度数据、各省份气象站点总数和覆冰期间每日观测到覆冰的气象站点数量；
根据覆冰数据，进行跨区域电网覆冰相关性计算，计算得到第一省份和第二省份的覆冰厚度的相关系数以及第一省份和第二省份的冰区面积的相关系数；
根据得到的两个相关系数，划分跨区域电网覆冰相关性的强弱区间。
优选地，方法还包括：采集与覆冰厚度数据时间跨度对应的ENSO指数数据；
依据ENSO事件的性质，将ENSO指数数据按照厄尔尼诺时期数据、拉尼娜时期数据和非ENSO时期数据划分为三类，每一类中的数据按照时间顺序排列；
对照ENSO指数所表征的厄尔尼诺时期、拉尼娜时期和非ENSO时期，将待分析地区的覆冰期每日电网覆冰厚度数据、各省份气象站点总数和覆冰期间每日观测到覆冰的气象站点数量分别划分为厄尔尼诺时期数据、拉尼娜时期数据和非ENSO时期数据三类，每一类中的数据按照时间顺序排列。
优选地，与覆冰厚度数据时间跨度对应的ENSO指数数据为覆冰期每星期的ENSO指数。
优选地，进行跨区域电网覆冰相关性计算，包括以下步骤：
计算一：根据第一省份覆冰期每日覆冰厚度数据，计算得到第一省份覆冰厚度平均值；将第一省份覆冰期间每日观测到覆冰的气象站点数量和第一省份气象站点总数相除，得到每日冰区面积百分比，并计算得到冰区面积百分比平均值；
计算二：根据覆冰期每日覆冰厚度数据和覆冰厚度平均值，计算第一省份和第二省份的覆冰厚度的相关系数；
计算三：分别以每日冰区面积百分比和冰区面积百分比平均值代替每日覆冰厚度数据和覆冰厚度平均值，重复计算二，得到第一省份和第二省份的冰区面积的相关系数；
评估：根据第一省份和第二省份的覆冰厚度的相关系数的绝对值以及第一省份和第二省份的冰区面积的相关系数的绝对值，划分跨区域电网覆冰相关性的强弱区间。
优选地，计算一的计算公式为：
Figure BDA0001815736870000021
其中，
Figure BDA0001815736870000022
为第一省份覆冰厚度平均值或冰区面积百分比平均值，xi为第一省份每日覆冰厚度或每日冰区面积百分比，n为该时期数据总量。
优选地，计算二的计算公式为：
Figure BDA0001815736870000023
其中，r为相关系数，xi为第一省份的每日覆冰厚度，
Figure BDA0001815736870000024
为第一省份的覆冰厚度平均值，yi为第二省份的每日覆冰厚度，
Figure BDA0001815736870000025
为第二省份的覆冰厚度平均值，n为第一省份或第二省份的覆冰厚度数据总量。
优选地，划分跨区域电网覆冰相关性的强弱区间，包括以下步骤：
将第一省份和第二省份的覆冰厚度的相关系数的绝对值作为横轴，将第一省份和第二省份的冰区面积的相关系数的绝对值作为纵轴，构建坐标系；
将坐标系划分为多个表示跨区域电网覆冰相关性的强弱程度的网格区域，根据两个相关系数的绝对值落入的网格区域，划分跨区域电网覆冰程度的强弱区间。
优选地，根据待评估时段的气候特征，选取第一省份和第二省份在厄尔尼诺时期、拉尼娜时期和非ENSO时期中的对应类的覆冰期每日电网覆冰厚度数据、各省份气象站点总数和覆冰期间每日观测到覆冰的气象站点数量，重复计算一、计算二、计算三和评估步骤，进行包含气候条件的跨区域电网覆冰相关性程度评估。
本发明还提供一种基于上述的跨区域电网覆冰程度的评估方法的电网联合抗冰的调度方法，包括以下步骤：将跨区域电网覆冰程度的强弱区间划分为由强到弱依次排列的七个区域；将跨区域的各省份之间的总体覆冰相似程度划分为两个类别；根据七个区域和两个类别，判断当年电网的抗冰决策制定方式、是否建立抗冰联动机制以及是否开展抗冰联合演练。
本发明还提供一种计算机系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述任一方法的步骤。
本发明具有以下有益效果：
1、本发明的跨区域电网覆冰程度的评估方法及系统，考虑各省份同一时间段的覆冰数据，计算两地区覆冰厚度的相关性和冰区面积的相关性，可以较为便捷快速的认识两地区覆冰程度的相关性，并根据该相关性情况作出初步的抗冰决策，思路新颖，流程清晰，可操作性强。
2、在优选方案中，本发明的电网联合抗冰的调度方法，提高了输电线路覆冰防治工作的针对性。根据评估结果，可以确定跨区域电网抗冰调度的制定方向，指导抗冰装备部署和调度，支持跨区域电网抗冰联动和协调，减少电网损失。
除了上面所描述的目的、特征和优点之外，本发明还有其它的目的、特征和优点。下面将参照附图，对本发明作进一步详细的说明。
附图说明
构成本申请的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是本发明优选实施例的跨区域电网覆冰程度的评估方法的流程示意图；
图2是本发明优选实施例1的划分跨区域电网覆冰相关性的强弱区间的示意图；
图3是本发明优选实施例2的电网联合抗冰的调度方法的流程示意图。
具体实施方式
以下结合附图对本发明的实施例进行详细说明，但是本发明可以由权利要求限定和覆盖的多种不同方式实施。
本发明实施例中所称的ENSO是指厄尔尼诺-南方涛动(El
Figure BDA0001815736870000043
-SouthernOscillation)。
参见图1，本发明的跨区域电网覆冰程度的评估方法，包括以下步骤：
分别采集多个省份的覆冰数据，覆冰数据包括各省份具有时间对应关系的覆冰期每日电网覆冰厚度数据、各省份气象站点总数和覆冰期间每日观测到覆冰的气象站点数量；
根据覆冰数据，进行跨区域电网覆冰相关性计算，计算得到第一省份和第二省份的覆冰厚度的相关系数以及第一省份和第二省份的冰区面积的相关系数；
根据得到的两个相关系数，划分跨区域电网覆冰相关性的强弱区间。
通过以上步骤，考虑各省份同一时间段的覆冰数据，计算两地区覆冰厚度的相关性和冰区面积的相关性，可以较为便捷快速的认识两地区覆冰程度的相关性，并根据该相关性情况作出初步的抗冰决策，思路新颖，流程清晰，可操作性强。
实际实施时，以上的方法还能进行以下的扩充或应用，以下实施例中的技术特征都能相互组合，实施例仅作为示例，不作为对技术特征的正常组合限制。
实施例1：
本实施例的跨区域电网覆冰程度的评估方法，包括以下步骤：
分别采集多个省份的覆冰数据，覆冰数据包括各省份具有时间对应关系的覆冰期每日电网覆冰厚度数据、各省份气象站点总数和覆冰期间每日观测到覆冰的气象站点数量。
根据覆冰数据，进行跨区域电网覆冰相关性计算，计算得到第一省份和第二省份的覆冰厚度的相关系数以及第一省份和第二省份的冰区面积的相关系数。具体如下：
计算一：根据第一省份覆冰期每日覆冰厚度数据，计算得到第一省份覆冰厚度平均值；将第一省份覆冰期间每日观测到覆冰的气象站点数量和第一省份气象站点总数相除，得到每日冰区面积百分比，并计算得到冰区面积百分比平均值。计算公式为：
Figure BDA0001815736870000041
其中，
Figure BDA0001815736870000042
为第一省份覆冰厚度平均值或冰区面积百分比平均值，xi为第一省份每日覆冰厚度或每日冰区面积百分比，n为该时期数据总量(本实施例中为覆冰数据的数据总量，当本公式应用于实施例2和3时，该时期为在厄尔尼诺时期、拉尼娜时期和非ENSO时期中的对应类的覆冰数据的数据总量)。
计算二：根据覆冰期每日覆冰厚度数据和覆冰厚度平均值，计算第一省份和第二省份的覆冰厚度的相关系数r 1。计算公式为：
Figure BDA0001815736870000051
其中，r为相关系数，xi为第一省份的每日覆冰厚度，
Figure BDA0001815736870000052
为第一省份的覆冰厚度平均值，yi为第二省份的每日覆冰厚度，
Figure BDA0001815736870000053
为第二省份的覆冰厚度平均值，n为第一省份或第二省份的覆冰厚度数据总量。
计算三：分别以每日冰区面积百分比和冰区面积百分比平均值代替每日覆冰厚度数据和覆冰厚度平均值，重复计算二，得到第一省份和第二省份的冰区面积的相关系数r2；
评估：根据第一省份和第二省份的覆冰厚度的相关系数r 1的绝对值以及第一省份和第二省份的冰区面积的相关系数r2的绝对值，划分跨区域电网覆冰相关性的强弱区间。
根据得到的两个相关系数，划分跨区域电网覆冰相关性的强弱区间。划分跨区域电网覆冰相关性的强弱区间，包括以下步骤：
参见图2，将第一省份和第二省份的覆冰厚度的相关系数的绝对值作为横轴，将第一省份和第二省份的冰区面积的相关系数的绝对值作为纵轴，构建坐标系；将坐标系划分为多个表示跨区域电网覆冰相关性的强弱程度的网格区域，根据两个相关系数的绝对值落入的网格区域，划分跨区域电网覆冰程度的强弱区间。
本实施例还提供一种基于上述的跨区域电网覆冰程度的评估方法的电网联合抗冰的调度方法，包括以下步骤：参见图2，将跨区域电网覆冰程度的强弱区间划分为由强到弱依次排列的七个区域：①区域表示“相关性程度极强”，②区域表示“相关性程度很强”，③区域表示“相关性程度较强”，④区域表示“相关性程度一般”，⑤区域表示“相关性程度较弱”，⑥区域表示“相关性程度很弱”，⑦区域表示“相关性程度极弱”；将跨区域的各省份之间的总体覆冰相似程度，即两省平均覆冰日数划分为两个类别：两省总体覆冰程度接近和两省总体覆冰程度差异较大；根据七个区域和两个类别，判断当年电网的抗冰决策制定方式、是否建立抗冰联动机制以及是否开展抗冰联合演练。按照下表1对电网联合抗冰进行调度：
表1跨区域电网联合抗冰决策初步制定
Figure BDA0001815736870000054
Figure BDA0001815736870000061
实施例2：
参见图3，本实施例与实施例1的步骤和计算公式基本相同，在此不再赘述，二者不同之处在于：采集数据时，还采集与覆冰厚度数据时间跨度对应的ENSO指数数据，即覆冰期每周的ENSO指数。
依据ENSO事件的性质，将ENSO指数数据按照厄尔尼诺时期数据、拉尼娜时期数据和非ENSO时期数据划分为三类，每一类中的数据按照时间顺序排列。
对照ENSO指数所表征的厄尔尼诺时期、拉尼娜时期和非ENSO时期，将待分析地区的覆冰期每日电网覆冰厚度数据、各省份气象站点总数和覆冰期间每日观测到覆冰的气象站点数量分别划分为厄尔尼诺时期数据、拉尼娜时期数据和非ENSO时期数据三类，每一类中的数据按照时间顺序排列。
与覆冰厚度数据时间跨度对应的ENSO指数数据为覆冰期每星期的ENSO指数。
根据待评估时段(即需要跨区域电网覆冰相关性程度评估的时间段，可以依据月份、季节、节气或者任意指定的时间段来划分)的气候特征，选取第一省份和第二省份在厄尔尼诺时期、拉尼娜时期和非ENSO时期中的对应类的覆冰期每日电网覆冰厚度数据、各省份气象站点总数和覆冰期间每日观测到覆冰的气象站点数量，重复计算一、计算二、计算三和评估步骤，进行包含气候条件的跨区域电网覆冰相关性程度评估。
实施例3：
本实施例是实施例2的应用例。本实施例的跨区域电网覆冰程度的评估方法，包括以下步骤：
(1)数据采集。分别采集江西省和重庆市过去50年的覆冰数据，包括两地具有时间对应关系的覆冰期每日电网覆冰厚度、该省份气象站点总数、覆冰期间每日观测到覆冰的气象站点数量。采集与覆冰厚度数据时间跨度对应的ONI指数(海洋NINO指数，一种ENSO指数)数据，即覆冰期每星期的ONI指数。考虑到2015年为厄尔尼诺年，因此进行厄尔尼诺条件下的跨区域电网覆冰相关性程度评估；
(2.1)ENSO指数数据划分。依据ENSO事件的性质，将ONI指数数据按照厄尔尼诺(以下简称E)时期数据、拉尼娜(以下简称L)时期数据、非ENSO(以下简称N)时期数据划分为三类，每一类中的数据仍然按照时间顺序排列；
(2.2)覆冰数据划分。对照ONI指数所表征的E时期、L时期、N时期，将待分析地区的覆冰厚度数据和每日观测到覆冰的气象站点数量分别划分为E时期数据、L时期数据、N时期数据三类，每一类中的数据仍然按照时间顺序排列；
(3)平均值计算。选取步骤(2.2)中得到的江西省E时期覆冰期每日覆冰厚度数据，按照公式(1)，计算得到其覆冰厚度平均值5.1mm。将步骤(2.2)中得到的江西省E时期覆冰期间每日观测到覆冰的气象站点数量和该省份气象站点总数相除，得到每日冰区面积百分比数据，再按照公式(1)，计算得到其冰区面积百分比平均值36％。
分别以步骤(2.2)中得到的重庆市E时期每日覆冰厚度数据和E时期覆冰期间每日观测到覆冰的气象站点数量及其气象站点总数代替江西省E时期对应数据，重复步骤(3)，得到重庆市E时期覆冰厚度平均值4.3mm和冰区面积百分比平均值59％；
(4)跨区域电网覆冰相关性计算。选取步骤(2.2)中得到的江西省和重庆市E时期覆冰期每日覆冰厚度数据，以及步骤(3)中得到的江西省和重庆市E时期覆冰厚度平均值，按照公式(2)，计算得到两地覆冰厚度的相关系数0.92。
分别以每日冰区面积百分比数据和步骤(3)中得到的冰区面积百分比平均值数据代替每日覆冰厚度数据和覆冰厚度平均值，重复步骤(4)，得到两地冰区面积的相关系数0.67；
(5)跨区域电网覆冰相关性程度评估。按照步骤(4)中两地覆冰厚度相关系数和冰区面积百分比相关系数，根据图2的评估方法，进行跨区域电网覆冰相关性程度评估，认为江西和重庆两地电网覆冰相关性程度较强；
(6)跨区域电网联合抗冰决策初步制定。按照步骤(5)得到的电网覆冰相关性程度评估结果和2015年冬季江西重庆两地电网覆冰总体预测情况，根据表1初步制定跨区域电网联合抗冰的调度为“当年电网抗冰决策有必要相互参考，相互补充，可以开展抗冰联合演练，可以建立抗冰联动机制”。
实施例4：
本实施例提供一种计算机系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述任一实施例的步骤。
综上所述，本发明提高了输电线路覆冰防治工作的针对性。可以根据历史覆冰数据，快速对跨区域的覆冰程度进行评估，根据评估结果，可以确定跨区域电网抗冰调度的制定方向，指导抗冰装备部署和调度，支持跨区域电网抗冰联动和协调，减少电网损失。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种跨区域电网覆冰程度的评估方法，其特征在于，包括以下步骤：
分别采集多个省份的覆冰数据，所述覆冰数据包括各省份具有时间对应关系的覆冰期每日电网覆冰厚度数据、各省份气象站点总数和覆冰期间每日观测到覆冰的气象站点数量；
根据所述覆冰数据，进行跨区域电网覆冰相关性计算，计算得到第一省份和第二省份的覆冰厚度的相关系数以及第一省份和第二省份的冰区面积的相关系数；
根据得到的两个相关系数，划分跨区域电网覆冰相关性的强弱区间。
2.根据权利要求1所述的跨区域电网覆冰程度的评估方法，其特征在于，所述方法还包括：采集与覆冰厚度数据时间跨度对应的ENSO指数数据；
依据ENSO事件的性质，将ENSO指数数据按照厄尔尼诺时期数据、拉尼娜时期数据和非ENSO时期数据划分为三类，每一类中的数据按照时间顺序排列；
对照ENSO指数所表征的厄尔尼诺时期、拉尼娜时期和非ENSO时期，将待分析地区的覆冰期每日电网覆冰厚度数据、各省份气象站点总数和覆冰期间每日观测到覆冰的气象站点数量分别划分为厄尔尼诺时期数据、拉尼娜时期数据和非ENSO时期数据三类，每一类中的数据按照时间顺序排列。
3.根据权利要求2所述的跨区域电网覆冰程度的评估方法，其特征在于，所述与覆冰厚度数据时间跨度对应的ENSO指数数据为覆冰期每星期的ENSO指数。
4.根据权利要求2至3中任一项所述的跨区域电网覆冰程度的评估方法，其特征在于，所述进行跨区域电网覆冰相关性计算，包括以下步骤：
计算一：根据第一省份覆冰期每日覆冰厚度数据，计算得到第一省份覆冰厚度平均值；将第一省份覆冰期间每日观测到覆冰的气象站点数量和第一省份气象站点总数相除，得到每日冰区面积百分比，并计算得到冰区面积百分比平均值；
计算二：根据覆冰期每日覆冰厚度数据和覆冰厚度平均值，计算第一省份和第二省份的覆冰厚度的相关系数；
计算三：分别以每日冰区面积百分比和冰区面积百分比平均值代替每日覆冰厚度数据和覆冰厚度平均值，重复计算二，得到第一省份和第二省份的冰区面积的相关系数；
评估：根据第一省份和第二省份的覆冰厚度的相关系数的绝对值以及第一省份和第二省份的冰区面积的相关系数的绝对值，划分跨区域电网覆冰相关性的强弱区间。
5.根据权利要求4所述的跨区域电网覆冰程度的评估方法，其特征在于，所述计算一的计算公式为：
Figure FDA0003307828550000021
其中，
Figure FDA0003307828550000022
为第一省份覆冰厚度平均值或冰区面积百分比平均值，xi为第一省份每日覆冰厚度或每日冰区面积百分比，n为对应时期的每日覆冰厚度或每日冰区面积百分比的数据总个数，所述时期为ENSO指数数据中的厄尔尼诺时期数据、拉尼娜时期数据和非ENSO时期数据三者之一。
6.根据权利要求5所述的跨区域电网覆冰程度的评估方法，其特征在于，所述计算二的计算公式为：
Figure FDA0003307828550000023
其中，r为相关系数，xi为第一省份的每日覆冰厚度，
Figure FDA0003307828550000024
为第一省份的覆冰厚度平均值，yi为第二省份的每日覆冰厚度，
Figure FDA0003307828550000025
为第二省份的覆冰厚度平均值，n为第一省份或第二省份的每日覆冰厚度的数据总个数。
7.根据权利要求5所述的跨区域电网覆冰程度的评估方法，其特征在于，所述划分跨区域电网覆冰相关性的强弱区间，包括以下步骤：
将第一省份和第二省份的覆冰厚度的相关系数的绝对值作为横轴，将第一省份和第二省份的冰区面积的相关系数的绝对值作为纵轴，构建坐标系；
将坐标系划分为多个表示跨区域电网覆冰相关性的强弱程度的网格区域，根据所述两个相关系数的绝对值落入的网格区域，划分跨区域电网覆冰程度的强弱区间。
8.根据权利要求5所述的跨区域电网覆冰程度的评估方法，其特征在于，根据待评估时段的气候特征，选取第一省份和第二省份在厄尔尼诺时期、拉尼娜时期和非ENSO时期中的对应类的覆冰期每日电网覆冰厚度数据、各省份气象站点总数和覆冰期间每日观测到覆冰的气象站点数量，重复计算一、计算二、计算三和评估步骤，进行包含气候条件的跨区域电网覆冰相关性程度评估。
9.一种基于权利要求1至8中任一项所述的跨区域电网覆冰程度的评估方法的电网联合抗冰的调度方法，其特征在于，包括以下步骤：将跨区域电网覆冰程度的强弱区间划分为由强到弱依次排列的七个区域；将跨区域的各省份之间的总体覆冰相似程度划分为两个类别；根据所述七个区域和两个类别，判断当年电网的抗冰决策制定方式、是否建立抗冰联动机制以及是否开展抗冰联合演练。
10.一种计算机系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述权利要求1至8任一所述方法的步骤。
CN201811140709.6A 2018-09-28 2018-09-28 跨区域电网覆冰程度的评估方法及系统 Active CN109409682B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811140709.6A CN109409682B (zh) 2018-09-28 2018-09-28 跨区域电网覆冰程度的评估方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811140709.6A CN109409682B (zh) 2018-09-28 2018-09-28 跨区域电网覆冰程度的评估方法及系统

Publications (2)

Publication Number Publication Date
CN109409682A CN109409682A (zh) 2019-03-01
CN109409682B true CN109409682B (zh) 2022-03-08

Family

ID=65466513

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811140709.6A Active CN109409682B (zh) 2018-09-28 2018-09-28 跨区域电网覆冰程度的评估方法及系统

Country Status (1)

Country Link
CN (1) CN109409682B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110222316B (zh) * 2019-06-12 2023-04-07 国网湖南省电力有限公司 基于核密度估计的山火与enso相关程度的分析方法及系统
CN112116132B (zh) * 2020-08-27 2023-08-01 中国南方电网有限责任公司超高压输电公司检修试验中心 一种复杂山地环境下导线覆冰厚度的预测方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103455708A (zh) * 2013-07-24 2013-12-18 安徽省电力科学研究院 基于卫星及气象信息的输电线路灾害监测与风险评估平台
CN104462837A (zh) * 2014-12-17 2015-03-25 国家电网公司 由综合故障率和经济性评估确定输电线路加强方案的方法
CN105184384A (zh) * 2015-07-21 2015-12-23 国家电网公司 一种影响雾日的环流特征量因子分析及雾日预测模型
CN105956934A (zh) * 2016-05-05 2016-09-21 国网湖南省电力公司防灾减灾中心 基于模糊综合评价法的电网山火及覆冰灾害安全评价方法
CN106056258A (zh) * 2016-07-14 2016-10-26 国网湖南省电力公司 基于极涡‑副高因子对的电网冬季覆冰气候预测方法
CN106096105A (zh) * 2016-06-02 2016-11-09 浙江大学 输电线路风偏瞬态响应计算方法
CN106202949A (zh) * 2016-07-15 2016-12-07 国网湖南省电力公司 一种enso时期覆冰响应程度分析方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011046869A2 (en) * 2009-10-12 2011-04-21 Abbott Patrick D Targeted equipment monitoring system and method for optimizing equipment reliability

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103455708A (zh) * 2013-07-24 2013-12-18 安徽省电力科学研究院 基于卫星及气象信息的输电线路灾害监测与风险评估平台
CN104462837A (zh) * 2014-12-17 2015-03-25 国家电网公司 由综合故障率和经济性评估确定输电线路加强方案的方法
CN105184384A (zh) * 2015-07-21 2015-12-23 国家电网公司 一种影响雾日的环流特征量因子分析及雾日预测模型
CN105956934A (zh) * 2016-05-05 2016-09-21 国网湖南省电力公司防灾减灾中心 基于模糊综合评价法的电网山火及覆冰灾害安全评价方法
CN106096105A (zh) * 2016-06-02 2016-11-09 浙江大学 输电线路风偏瞬态响应计算方法
CN106056258A (zh) * 2016-07-14 2016-10-26 国网湖南省电力公司 基于极涡‑副高因子对的电网冬季覆冰气候预测方法
CN106202949A (zh) * 2016-07-15 2016-12-07 国网湖南省电力公司 一种enso时期覆冰响应程度分析方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
"基于短期覆冰预测的电网覆冰灾害风险评估方法";晏鸣宇 等;《电力系统自动化》;20161110;第40卷(第21期);第168-175页 *
"基于遥感与GIS的青藏高原典型电网工程生态环境敏感性分析";曾业隆 等;《中国环境科学》;20170820(第8期);第3096-3106页 *

Also Published As

Publication number Publication date
CN109409682A (zh) 2019-03-01

Similar Documents

Publication Publication Date Title
Coomes et al. Mortality and tree‐size distributions in natural mixed‐age forests
Yalcintas et al. An energy benchmarking model based on artificial neural network method utilizing US Commercial Buildings Energy Consumption Survey (CBECS) database
CN102073791A (zh) 用于光伏电站设计的地区太阳能资源丰富程度评估系统
CN105279608A (zh) 基于序关系法-熵权法的县域电网评估方法
CN104573947A (zh) 区域智能配电网低压台区综合评价方法
CN103606115A (zh) 一种节能型电网的评定方法
CN109409682B (zh) 跨区域电网覆冰程度的评估方法及系统
CN104809658A (zh) 一种低压配网台区线损的快速分析方法
CN113128758B (zh) 基于近海浮标海浪观测数据构建的最大浪高预报系统
CN103617447B (zh) 智能变电站的评价系统及评价方法
CN110705824A (zh) 一种基于聚类分析和关联分析的电压暂降分析方法
CN111582568A (zh) 基于电力数据的春节期间企业复工预测方法
CN104036364A (zh) 一种配电网网络结构水平评价方法
CN111062588A (zh) 基于层次分析的区域电网设备强降雨灾害影响评估方法
CN104036434A (zh) 一种配电网负荷供应能力评价方法
CN115587662A (zh) 一种核电厂周边海域海洋生物分布预测方法
CN111293681A (zh) 一种基于RankBoost的光伏场站出力波动性量化评价方法
CN114336615A (zh) 一种基于输电环境大数据分析的电力资源调度智能管理系统
CN116340437A (zh) 一种面向大规模多源异构数据的多聚类方法
Dhunny et al. Statistical modelling of wind speed data for Mauritius
CN113379005B (zh) 一种电网电力设备能源智能管理系统及方法
Zhao et al. Regulation factors driving vegetation changes in China during the past 20 years
CN104915681A (zh) 兼顾电压暂降监测信息及其关联因素的变电站聚类方法
CN110414776B (zh) 分行业用电特性快速响应分析系统
CN112183809A (zh) 一种基于时空推演法的电力负荷特性指标测算方法

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