CN109800905A - 山地环境微地形微气象影响的输电线路覆冰分析方法 - Google Patents
山地环境微地形微气象影响的输电线路覆冰分析方法 Download PDFInfo
- Publication number
- CN109800905A CN109800905A CN201811557231.7A CN201811557231A CN109800905A CN 109800905 A CN109800905 A CN 109800905A CN 201811557231 A CN201811557231 A CN 201811557231A CN 109800905 A CN109800905 A CN 109800905A
- Authority
- CN
- China
- Prior art keywords
- icing
- covering
- microclimate
- mima type
- type microrelief
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
发明提供山地环境微地形微气象影响的输电线路覆冰分析方法。该方法包括调查沿线地形地貌特征、构建微地形覆冰程度判别模型、对覆冰重点区域进行微地形微气象特征研究、建立关联微地形变化的微气象要素模型、获取微气象影响的线路覆冰类型、确定覆冰增长过程中的重要气象因子和构建多因素联合控制的输电线路覆冰预测模型等步骤。该方法有助于准确预测复杂环境中输电线路的覆冰增长过程及覆冰厚度,继而评价输电线路在覆冰过程中的运行状态,提出及时的预警方案及可行的加固决策。
Description
技术领域
本发明涉及电力输配技术领域,特别涉及一种输电线路覆冰分析方法。
背景技术
随着全球气候变化,大风、冰灾等自然灾害呈现上升趋势。电网作为关系国计民生的重要基础设施,极易受到这些灾害的袭击,而冰灾已然成为威胁其安全运行的重要自然灾害。众所周知,冻雨覆冰可能导致绝缘子覆冰闪络、导线舞动乃至断线、杆塔倒塌等,这些将迫使供电中断,造成重大经济损失和社会责任。近年来,随着电网的延伸,线路走廊日益紧张,不可避免地要跨越高山大岭、峡谷、江河等地形地貌、气象条件复杂区域,线路所经区域时常会遭遇气候异常,冰冻事故时有发生,给电网可靠性带来巨大的挑战。如:2008年,我国南方冰灾导致至少800座35kV以上的电站不能正常运行,超过12000座10kV以上的输电塔损坏,特别是220kV、500kV线路输电距离远,线路走廊跨经河流、峡谷、高山林区等微地形和小气候区(微气象区),受损尤为严重;2011年1月,四川省乐山、泸州、宜宾等地频繁雨雪冰冻,输电线路严重覆冰,较为严重的古蔺县200kV东冲线覆冰达到40mm,相继出现跳闸现象;2014年2月,湖北宜昌普降中到大雪,秭归、五峰、宜都等地覆冰严重,部分覆冰厚度超过50mm,电网运行受到严重威胁。随着国家“西电东送”战略的深层推进,会有更多的电力线路跨越地形地貌及气候环境复杂的区域,这些地段的微地形、微气象(两微)可能存在认识不足、调查研究不够,必要的地段未采取加强措施,线路投运后出现“两微”导致的覆冰严重问题,实际覆冰厚度超出设计标准,造成电网安全隐患。山地环境冬季冻雨天气频繁,输电线路易出现覆冰,轻则影响电网的安全稳定运行,重则造成输变电设备严重受损。如此自然条件及地质环境为高压输电线路的安全运行提出了严峻考验,输电线路覆冰的有效预测及可靠预警成为解决该问题的重要基础,对评价输电线路的运行状态具有重要的指导意义。可见,保障“两微”影响的输电线路覆冰运行安全,输电线路可靠的覆冰程度判别、覆冰机理分析及覆冰预测是关键。
调查高压输电线路沿线的赋存环境、自然条件以及塔线结构特征,分析沿线的微地形微气象有助于准确预测复杂环境中输电线路的覆冰增长过程及覆冰厚度,继而评价输电线路在覆冰过程中的运行状态,提出及时的预警方案及可行的加固决策。
发明内容
本发明的目的是提供山地环境微地形微气象影响的输电线路覆冰分析方法,以解决现有技术中存在的问题。
为实现本发明目的而采用的技术方案是这样的,山地环境微地形微气象影响的输电线路覆冰分析方法,包括以下步骤:
1)构建微地形影响的输电线路覆冰程度判别模型。
2)针对覆冰重点区域进行微地形微气象特征研究。基于空间数据插值法建立关联微地形变化的微气象要素模型。
3)采用逻辑推理运算法获取以微气象要素为主控因素的线路覆冰类型。
4)确定覆冰增长过程中的重要气象因子,提出基于滴谱尺寸参数的碰撞率分区计算方法。
5)构建多因素联合控制的输电线路覆冰预测模型。
进一步,步骤1)具体包括以下步骤:
1.1)根据地勘资料获取待研究高压输电线路沿线的地形地貌和河流网络情况。记录沿线局部区域微地形作为覆冰程度判别模型的特征因子。
1.2)根据特征因子权重,建立覆冰程度判别模型和对比度模型。
1.3)对输电线路的覆冰等级进行评价,并采用Matlab编程构建表征沿线不同区域输电线路的覆冰等级可视化界面。
进一步,微地形包括风口、垭口、山脊、分水岭、峡谷、江河湖泊、迎风坡上部、迎风坡山腰、背风坡上部、迎风坡山脚、背风坡山腰、背风坡山脚、林带及其他较高地物和住宅地段。微地形对输电线路覆冰的影响程度顺序排布为:风口=垭口=山脊=分水岭>峡谷>江河湖泊>迎风坡上部位置>迎风坡山腰>背风坡上部位置>迎风坡山脚>背风坡山腰>背风坡山脚=林带及其他较高地物=住宅地段。
进一步,覆冰等级包括极度覆冰、严重覆冰、中度覆冰和轻度覆冰。
进一步,步骤2)具体包括以下步骤:
2.1)根据覆冰等级评价结果,确定沿线的重要覆冰区域。
2.2)提取重要覆冰区域的微地形微气象特征参数,确定随微地形变化导致气象因子的变化规律。其中,所述气象因子包括风速、温度、相对湿度、气压、降水和蒸发。所述气象因子是根据国家级气象站和/或区域级气象站的系列实时气象数据获得。
2.3)使用Ausplin软件,基于空间数据插值法建立关联微地形变化的微气象要素模型。
进一步,步骤3)中,输电线路的覆冰类型包括雨凇覆冰、雾凇覆冰和混合淞覆冰。
进一步,步骤4)具体包括以下步骤:
4.1)试验获得降水产生的水滴滴谱。
4.2)根据水滴直径对应的不同体积百分比,得到不同工况的水滴尺寸参数。其中,所述水滴尺寸参数包括中值体积直径和体积权重直径。
4.3)根据不同水滴尺寸参数的适用范围分区计算碰撞率。
进一步,步骤5)中,记录不同工况下不同时刻的碰撞率和冻结系数,构建多因素联合控制的输电线路覆冰预测模型,预测输电线路覆冰增长过程及覆冰厚度。
进一步,步骤5)之后,还具有评价输电线路在覆冰过程中的运行状态,提出预警方案和加固决策的相关步骤。
本发明的技术效果是毋庸置疑的:
A.确定了微地形与微气象之间的关联性,并针对性地进行覆冰类型的识别和覆冰增长过程的预测,避免了传统覆冰判断的随机性、模糊性和不准确性;
B.可清晰地反映输电线路在微地形微气象影响下的覆冰状态,覆冰机理明确,且覆冰预测可靠;
C.对线路覆冰运行评估、预警及在线监测系统的开发提供新的研究思路,为电网安全运行及电力建设可持续发展产生显著的经济效益。
附图说明
图1为方法流程图;
图2为实施例输电线路沿线的地形地貌及局部地形特征图;
图3为实施例输电线路覆冰程度判别的可视化界面;
图4为滴谱近似尺寸参数的碰撞率比较;
图5为实施例覆冰计算可视化界面;
图6为不同类型的输电线路覆冰预测模型及变化趋势;
图7为实施例输电线路的覆冰预测;
图8为实施例输电线路的实际覆冰状态。
具体实施方式
下面结合实施例对本发明作进一步说明,但不应该理解为本发明上述主题范围仅限于下述实施例。在不脱离本发明上述技术思想的情况下,根据本领域普通技术知识和惯用手段,做出各种替换和变更,均应包括在本发明的保护范围内。
实施例1:
微气象是指邻近地面小范围地区的薄层空气的大气现象和大气动力学过程。微地形是相对较小的局部范围内地势高低起伏的变化形态,主要包括:迎风坡、风口、垭口、峡谷、分水岭、山脊、湖泊、江河、背风坡、林带、地物和住宅地段等范围相对较小的地形。由于微地形对当地的微气象具有决定性的影响,所以通过对微地形的把握可以了解该地区的微气象,如光照、气温、降雨量、风力和湿度等直接影响输电线路覆冰的气象因素。
参见图2,500kV张隆一、二线输电线路位于重庆武隆县,线路东西走向,平均海拔1386.5m,地形为高山处于垭口山谷,常年大雾笼罩,微气象变化明显,常年主导西南风,与线路走向夹角约40°,冬季以雨雪冰冻天气为主,是设计覆冰为20mm的重冰区。每年1月-2月,由于重庆地区持续强降温,受冷湿空气影响和高海拔微气象作用,持续降雪,覆冰厚度达到15mm-20mm左右,临近设计覆冰厚度,且随着武隆地区的气温回升,雨雪冰冻情况有所好转,线路导地线、绝缘子、金具上的覆冰开始脱落,线路故障频繁。主要在于当期故障出现时,线路周边并无覆冰在线监测装置和气象观测站,未能进行覆冰厚度预测,对线路运行状态的改变也不能及时反馈,降低了线路覆冰的安全预警及加固决策的有效性。鉴于500kV张隆线线路走廊复杂,细致的微地形微气象调研是准确评价线路覆冰程度、覆冰类型及覆冰准确预测的基础,是山地环境中输电线路覆冰运行状态评估的重要依据。因此,开展山地环境微地形微气象影响的输电线路覆冰预测的研究尤为重要。
参见图1,本实施例公开一种山地环境微地形微气象影响的输电线路覆冰分析方法,包括以下步骤:
1)构建微地形影响的输电线路覆冰程度判别模型:
1.1)根据地勘资料获取待研究高压输电线路沿线的地形地貌和河流网络情况。记录沿线局部区域微地形作为覆冰程度判别模型的特征因子。
输电线路沿线地形地貌和河流网络等典型特征如图2a所示,根据地勘资料获得线路杆塔的经度和纬度,形成kml语法格式(Keyhole Markup Language,标记语言)的台账文件,导入到Google-Earth软件中就可展示输电线路沿线的地形地貌、河流网络等情况,记录杆塔所经的风口、垭口、山脊、分水岭、峡谷、江河湖泊、迎风坡上部、迎风坡山腰、背风坡上部、迎风坡山脚、背风坡山腰、背风坡山脚、林带及其他较高地物、住宅地段等微地形,作为覆冰程度判别模型的重要影响因子。参见图2b,可通过“显示高度配置文件”展示杆塔之间的局部地形地貌,可获得杆塔之间任意一点位置的海拔高度、平均坡度等参数,这些参数可为局部区域微地形导致微气象变化的分析提供相应的参数。
1.2)根据特征因子权重,建立覆冰程度判别模型和对比度模型。已有的研究成果认为迎风坡风口、垭口、山脊和分水岭处的电力线路覆冰最严重,而背风坡山脚、林带及其他地物和住宅地段等地带的电力线路不易覆冰,影响因子的影响程度可描述为:风口=垭口=山脊=分水岭>峡谷>江河湖泊>迎风坡上部>迎风坡山腰>背风坡上部>迎风坡山脚>背风坡山腰>背风坡山脚=林带及其他较高地物=住宅地段。根据各种微地形影响导线覆冰程度的不同,建立特定的覆冰等级判别函数,用以判别各条电力线路的覆冰等级。用符号xi(i=1,2,3,…,14)标记影响电力线路覆冰的14种微地形,yi=y(xi)表示地形地貌xi区域内影响输电线路覆冰程度的权重系数。
地形地貌对覆冰影响程度的大小排序可为:
y1=y2=y3=y4>y5>y6>y7>y8>y9>y10>y11>y12=y13=y14 (2)
各种地形地貌对输电线路的覆冰影响程度如表1所示。
表1
由覆冰线路对应最小线长可建立线路覆冰等级的数学判别模型,如公式(3)所示。当满足第一个不等式时,则为极度覆冰线路;当满足第二个不等式时,则为严重覆冰线路;当满足第三个不等式时,则为中度覆冰线路;当满足第四个不等式时,则为轻度覆冰线路。
式中,hi为穿越地形地貌xi的线路长度,km;h为任意2个变电站间或需要研究的线路总长,km;y(xi)=min(yi),i=1,2,…,n;
如上的覆冰判别模型可对是山地环境中不同地形地貌影响的输电线路覆冰程度进行判别,有利于将不同覆冰等级的线路从电网中区分出来。为了区分相同覆冰等级的输电线路覆冰程度,建立覆冰对比度模型如公式(4),阐明同一覆冰等级的线路覆冰程度,对比度越大,说明该类地形地貌决定线路覆冰程度的影响越明显;对比度越小,说明该类地形地貌决定线路覆冰程度的影响相对较小。
式中,m为覆冰对比度。
1.3)对输电线路的覆冰等级进行评价,并采用Matlab(Matrix Laboratory,矩阵实验室)编程构建如图3所示的表征沿线不同区域输电线路的覆冰等级可视化界面。其中,覆冰等级包括极度覆冰、严重覆冰、中度覆冰和轻度覆冰。
2)针对覆冰重点区域进行微地形微气象特征研究。基于空间数据插值法建立关联微地形变化的微气象要素模型。
2.1)根据覆冰等级评价结果,确定沿线的重要覆冰区域。
2.2)提取重要覆冰区域的微地形微气象特征参数,确定随微地形变化导致气象因子的变化规律。分析重要覆冰区域微地形的经度、纬度、海拔高度、河网信息、坡向、坡度、坡度变率、坡向变率、起伏度、粗糙度、表面照明度等变化规律,确定随微地形变化导致气象因子如风速、温度、相对湿度、气压、降水、蒸发等的变化规律,建立基于微地形变化的微气象分析模型,形成微气象要素场。其中,所述气象因子包括风速、温度、相对湿度、气压、降水和蒸发。所述气象因子是根据国家级气象站和/或区域级气象站的系列实时气象数据获得。国家级气象站的观测数据准确,但存在观测点少,空间分辨率为40km~50km。区域级气象站的观测点多,空间分辨率为15km~20km,但观测精准度相对较低。针对如上两种数据的来源,为了验证气象数据源的准确性,可对比中国T639模式的气象要素输出场,选择精度高的气象观测站实时数据。所述的气象要素是以气象站所在的位置,也即气象站的经度、纬度及海拔高度,得出该位置的风速、温度、相对湿度、气压、降水、蒸发等的实时监测数据,统计分析气象要素场随着微地形改变的变化规律。
2.3)使用专业气候数据空间插值软件Anusplin建立关联微地形变化的微气象要素模型。所述微气象要素模型是采用空间数据插值方法建立气象要素场与微地形的关联性。建模时只需要将空间分布作为观测数据的函数,而不需要其先验知识和物理过程,能提高插值的准确度,为了提高分析模型的精确度及可操作性,可基于Ausplin软件建立关联微地形的微气象分析模型。Ausplin可实现气象因子在空间的插值分析。由于原始数据是以站点、日期、温度、降水等变量为列,不便于插值处理,可采用SPSS(Statistical Product andService Solutions,统计产品与服务解决方案软件)统计软件转化气象变量固定的文件,将每个气象文件中均以站点和日期为列,使得变量唯一。数据不含表头,从第一行起就必须与splinacmd文件中的format吻合。具体操作如下:
①SPSS打开TXT数据文件,菜单中点击“数据”,将个案重组为变量,其中站点名作为标识变量,年月日作为索引变量,点击下一步直至完成,即可实现数据重组;
②SPSS打开txt站点信息文件(包含气象站的纬度、经度及海拔高度),回到步骤①的数据文件界面,在菜单中点击“数据”,合并文件及添加变量,选择刚刚打开的站点信息文件,勾选匹配关键变量的个案,将站点名作为关键变量,活动集为基于变量的表,即可完成按照气象站名字进行站点信息的匹配和添加;
③将包含了经度、纬度和海拔高度的站点数据另存为固定ASCⅡ格式.dat,注意不是制表符分隔的.dat,其数据可供Splina读取;
④下载STRM90m分辨率的原始高程数据(未经投影),在ArcGIS中对DEM文件进行镶嵌、投影、充采样,最终利用toolbox的Coversion工具From Raster to ASCⅡ转化为txt文件,可供Lapgrd读取;
⑤进行Splinacmd操作,写字板中编辑另存为.cmd格式的文件;
⑥进行Lapgrdcmd操作。
最终可形成关联微地形的微气象分析模型,实现多因子影响的气象要素空间插值,其插值函数为:
Y1i=f(X1i)+aTX2i+ei (5)
式中,i=1,…,N,N为整数;Y1i为任一点i的气象要素值;f(·)为关于X1i的插值函数;X1i为任一点i的经度和纬度;X2i为任一点i的海拔高度;a为X2i的系数矩阵,aT为转置矩阵;ei为随机误差;其中插值函数f(·)和系数矩阵a可通过最小二乘法估计来获得:
式中,Jm(f)是函数f(·)的粗糙度测度函数,定义为函数f(·)的m阶偏导数;m为样条次数,一般取值大于2;ρ为正的光滑系数。
基于形成的微气象分析模型进行气象要素场计算,与数值输出场或实际监测的气象数据进行对比,分析气象分析模型的可靠性。若计算值与监测值误差较大,则重新调整Ausplin的样条次数,以获得最佳微气象分析模型。
3)采用逻辑推理运算法获取以微气象要素为主控因素的线路覆冰类型。输电线路的覆冰类型包括雨凇覆冰、雾凇覆冰和混合淞覆冰。
基于微气象分析模型,获得任意一点的气象要素,采用规则匹配的方式,提出覆冰类型的推理逻辑表达式:
Z=g(X,K) (7)
式中,Z为输出集,代表覆冰类型:雨凇、雾凇及混合淞;X为输入集,代表的是气象要素:温度(T)、相对湿度(Rh)、风速(Ws)及降水(W)等;K为规则库的知识规则集,即K=f(T,Rh,Ws,W);g(·)为推理运算函数。
当则Z=雨凇,即达到雨凇形成条件。
当则Z=粒状雾凇,即达到粒状雾凇形成条件。
当则Z=混合淞或雪淞,即达到混合淞或雪淞的形成条件。
根据以上的推理运算过程,即可确定以微气象要素为主控因素的覆冰类型。
4)确定覆冰增长过程中的重要气象因子,提出基于滴谱尺寸参数的碰撞率分区计算方法。
4.1)试验获得降水产生的水滴滴谱。通过结冰风洞VTT的云汽溶胶和降水分光计(CAPS)来获得水滴尺寸分布,如表2所示的水滴谱。
表2
4.2)根据水滴直径对应的不同体积百分比,得到不同工况的水滴尺寸参数。其中,所述水滴尺寸参数包括中值体积直径和体积权重直径。
当前常见的滴谱近似表征的尺寸参数为中值体积直径(MVD),为了更准确地描述滴谱分布,本实施例提出一种简单易行的水滴尺寸参数即体积权重直径(VWD),表达式如公式(8)所示。
式中,xi表示第i个容器中的水滴体积百分比,di是对应第i个容器的中值体积直径(MVD)。
基于试验获得的滴谱,根据水滴直径对应的不同体积百分比,可以得到不同工况的MVD及VWD。根据公式(9)就可以得到不同水滴尺寸参数在不同工况下的碰撞率。
式中,K=ρwd2v/9μD;Re为液滴运动的雷诺数,Re=ρadv/μ;D为导线直径,m;d为液滴直径,m;ρw为液滴密度,kg/m3;ρa为空气密度kg/m3;v为气流运动速度,m/s;μ为空气的绝对粘度。
根据公式(9)计算得到的碰撞率变化曲线如图4a所示,表明不论采用哪种水滴尺寸参数,同一工况下的碰撞率变化趋势基本一致。但水滴直径对应的体积百分比不同,碰撞率的数值有差异,如第3种工况对应体积百分比较大的水滴直径较小,则较小水滴直径占的比重大,根据公式(9)可知,整体的碰撞率就小;第2种工况对应体积百分比较大的水滴直径相对较大,则较大水滴直径占的比重大,则整体的碰撞率就大,如上表明碰撞率与水滴直径大小及水滴直径对应的体积百分比均有关。
图4a还对比了风速30m/s组合不同导线直径的碰撞率,表明:当导线直径相同时,风速越大,碰撞率也越大;风速相同时,导线直径由10mm变化为20mm、30mm和50mm时,同一风速下的导线直径越小,碰撞率越大。如表3所示,当导线直径过大且风速较小时,碰撞率可能过小,基于MVD的碰撞率不能真实表征实际碰撞率。
表3
表4列出了不同工况下三种水滴尺寸参数对应的碰撞率误差,可知前者与实际滴谱碰撞率的相对误差变化范围为60%-1%,而后者的相对误差波动范围为20%-1%,说明基于VWD的碰撞率计算更稳定。
表4
根据MVD及VWD的定义可知,前者考虑的是对应体积百分比为50%的水滴直径,而后者考虑的是不同体积百分比的加权水滴直径,描述了滴谱的精细化分布,则基于VWD的计算碰撞率与实际滴谱碰撞率更接近。
4.3)根据不同水滴尺寸参数的适用范围分区计算碰撞率。
图4b为基于不同滴谱近似尺寸参数表征的碰撞率散点图,阐明了当碰撞率较小时,如小于0.5,采用VWD近似滴谱的碰撞率与实际滴谱碰撞率接近;而碰撞率较大时,如大于0.5时,则基于MVD的碰撞率计算更准确;当碰撞率接近于0时,也即导线直径很大,风速较小时,两者的碰撞率计算误差均较大,最好采用滴谱碰撞率。实际覆冰预测中,可根据不同水滴尺寸参数的适用范围来分区计算碰撞率,再进行覆冰预测,建立了碰撞率的分区计算模型。
5)构建多因素联合控制的输电线路覆冰预测模型。记录不同工况下不同时刻的碰撞率和冻结系数,构建多因素联合控制的输电线路覆冰预测模型,预测输电线路覆冰增长过程及覆冰厚度。
覆冰预测模型中的两个重要参数为碰撞率和冻结系数,而这两个系数均与微气象因子相关。模型建立中,考虑微气象因子对空气密度ρa和动力粘度μ的影响,并引起覆冰增长过程中碰撞率及冻结系数的变化。
式中,p为气压,kPa;Ta为温度,℃;R为相对湿度;T为绝对温度,K。
式中,h为对流换热系数,Ts为覆冰表面平衡态的温度,T为环境温度,Le为在Ts温度时的蒸发或升华潜热,ca为空气比热,p为气压,e(Ts)为温度为T时的覆冰表面的饱和水气压,e(T)为温度为Ts时的覆冰表面的饱和水气压,ε为冰层外表面的发射率,σR为Stefan-Boltzman常量,Lf为冰的融化潜热,ci为冰的比热,cw为水的比热,rc为圆柱导体表面局部粘性加热恢复系数。
由于微气象关联的覆冰类型主要有雨凇、雾凇和混合淞,计算单位时间内的覆冰质量:
式中,α1i表示第i个时间步内的水滴碰撞率,α3i表示第i个时间步内的冻结系数,wi表示第i个时间步内的液态水含量,Ui表示第i个时间步内的风速,Di表示第i个时间步内的覆冰圆柱体直径。
基于的已知覆冰质量,覆冰厚度预测模型的建立还需要覆冰增长过程中的覆冰密度。则覆冰干增长过程中的密度函数为公式(13),湿增长过程中的密度函数为公式(14)。在此基础上,可以计算时间步长dt内的覆冰厚度db及下一时间t+dt的导线直径D(t+dt),通过公式(15)即可求出任意时刻的覆冰厚度。当覆冰类型为混合淞时,则可以叠加雨凇和雾凇的覆冰厚度,根据公式(16)即可得到混合凇的覆冰厚度ΔD为雨凇覆冰厚度ΔD1与雾凇覆冰厚度ΔD2之和。
ρi=917(1-α3)+840α3 (13)
式中,ρi为覆冰密度;α3为冻结系数。
式中,ρi为覆冰密度;ka为空气的传热系数,ka=0.0244W/(m·℃);ρa为空气密度;ρd为水滴密度;D为覆冰圆柱体直径,m;di为覆冰厚度,m;a为空气的热扩散率,a=1.88×10-5m2/s;w为液态水含量,即每一立方米气流中所含水滴数量,g/m3;U为风速度,m/s;Lf为冰的融化潜热,一般取值为3.35*105J/kg;T为环境温度,K;υ为空气的运动粘度,υ=1.328×10- 5m2/s;Rd为水滴半径,m。
式中,ρi为覆冰密度;L为计算导线的长度;D(t)为对应t时刻的覆冰导线直径;dm为对应t时刻的覆冰质量。
ΔD=ΔD1+ΔD2 (16)
式中,ΔD为雨凇覆冰厚度;ΔD1为雨凇覆冰厚度;ΔD2为雾凇覆冰厚度。
图5给出了覆冰增长过程的可视化界面,可以记录不同工况下不同时刻的碰撞率、冻结系数及覆冰厚度。图5a考虑了多因素联合控制的碰撞率随风速的变化规律,随着风速的增大,碰撞率增大,其中实际滴谱的分布近似表征是采用MVD或VWD,进行碰撞率的分区计算。5b给出了碰撞率随水滴直径的变化规律,此时碰撞率的变化范围较大,采用碰撞率的分区计算方法。图5c给出了覆冰类型为雾凇的覆冰厚度预测曲线,由于雾凇覆冰机制主要为干增长,冻结率等于1.0,基于公式(13)及公式(15)计算覆冰厚度。图中给出了覆冰厚度随导线直径的变化规律,空气中液态水含量w=0.3g/m3,风速U=5m/s,温度T=-2℃,覆冰时间为1小时,滴谱为实测参数,根据碰撞率特点采用不同的水滴尺寸参数进行分区计算。计算结果显示覆冰厚度随导线直径先增大,在导线直径为40mm左右出现极大值,之后覆冰厚度随导线直径的增大而减小。图5d给出了覆冰类型为雨凇的覆冰厚度预测曲线,雨凇的覆冰机制为湿增长,基于公式(14)及公式(15)计算覆冰厚度。图中给出了覆冰厚度随导线直径的变化规律,考虑空气中液态水含量w=0.5g/m3,风速U=5m/s,温度T=-2℃,覆冰时间为1小时,滴谱为实测参数,根据碰撞率特点采用不同的水滴尺寸参数进行分区计算。计算结果显示覆冰厚度随导线直径的增大而减小。图5e给出了覆冰类型为混合淞的覆冰厚度预测曲线,雨雾混合凇覆冰主要是冻雨和过冷雾交替出现过程中形成的,覆冰皆有雾凇和雨凇的特征,采用介于雾滴和雨滴之间的等效液滴直径来模拟混合淞的覆冰厚度。根据上述雾凇和雨凇计算过程,空气中液态水含量w=0.3g/m3,温度T=-2℃,风速U=5m/s,覆冰时间为雨凇覆冰和雾凇覆冰各0.5h。计算结果表明,覆冰厚度随着导线的增大而减小,与雨凇类型的覆冰厚度变化趋势相似,但覆冰厚度大于雨凇类型的覆冰厚度。总体而言,其覆冰厚度值介于雨凇覆冰厚度和雾凇覆冰厚度之间。
参见图7,碰撞率分区计算过程,建立多因素协同控制的输电线路覆冰预测模型,一方面通过室内覆冰试验进行碰撞率及覆冰质量的计算验证,另一方面基于实际输电线路的覆冰厚度预测,阐明近似滴谱的尺寸参数碰撞率分区计算方法是可行的,并提出微地形微气象影响的输电线路覆冰预警方案。
首先基于试验对本发明提出的覆冰预测模型进行验证,试验导线直径44mm,风速20m/s,气压100kPa,温度如表5所示。根据试验碰撞率的大致范围,采用VWD近似实际滴谱。本次试验中,碰撞率计算考虑气压、湿度、温度的影响,基于公式(9)和公式(10)得到不同环境参数的空气密度、动力粘度等,获得不同工况的碰撞率如表6所示。计算碰撞率与试验碰撞率较接近,其相对误差小于5%,阐明碰撞率大约大于0且小于0.5时,基于VWD的计算碰撞率精度较高。50分钟后的覆冰质量计算值及试验值也非常接近,进一步说明本发明的覆冰预测方法可靠。
表5
将其覆冰预测模型用于实际高压输电线路的覆冰厚度预测。根据如图7a实测的温度、湿度变化曲线,基于上述的覆冰预测模型计算不同时刻的覆冰厚度,如图7b所示,计算结果与如图8所示实测覆冰厚度基本吻合,进一步表明本发明提出的覆冰预测模型是合理可行的。
6)评价输电线路在覆冰过程中的运行状态,提出预警方案和加固决策的相关步骤。值得说明的是,本实施例中线路的设计覆冰厚度为20mm,而计算覆冰厚度在某些时刻大于20mm,超出了设计覆冰范围,则需要加强输电线路运行监控,进行输电线路的力学响应及可靠性分析,确定输电线路的薄弱区域,并针对性地进行加固决策。
本实施例采用理论分析、试验验证及工程应用的分析方法,在理论和技术两个层面上有效解决了山地环境微地形微气象影响的输电线路覆冰预测的问题,明确了典型微地形会导致输电线路覆冰程度的显著差异,并在局部区域诱发气候异常而形成微气象环境,确定了微地形与微气象之间的关联性,并针对性地进行覆冰类型的识别和覆冰增长过程的预测,避免了传统覆冰判断的随机性、模糊性和不准确性,精细化的理论分析、试验验证及工程应用具有覆冰机理明确、覆冰预测可靠性高等突出优点。
Claims (9)
1.山地环境微地形微气象影响的输电线路覆冰分析方法,其特征在于,包括以下步骤:
1)构建微地形影响的输电线路覆冰程度判别模型;
2)针对覆冰重点区域进行微地形微气象特征研究;基于空间数据插值法建立关联微地形变化的微气象要素模型;
3)采用逻辑推理运算法获取以微气象要素为主控因素的线路覆冰类型;
4)确定覆冰增长过程中的重要气象因子,提出基于滴谱尺寸参数的碰撞率分区计算方法;
5)构建多因素联合控制的输电线路覆冰预测模型。
2.根据权利要求1所述的山地环境微地形微气象影响的输电线路覆冰分析方法,其特征在于,步骤1)具体包括以下步骤:
1.1)根据地勘资料获取待研究高压输电线路沿线的地形地貌和河流网络情况;记录沿线局部区域微地形作为覆冰程度判别模型的特征因子;
1.2)根据特征因子权重,建立覆冰程度判别模型和对比度模型;
1.3)对输电线路的覆冰等级进行评价,并采用Matlab编程构建表征沿线不同区域输电线路的覆冰等级可视化界面。
3.根据权利要求1或2所述的山地环境微地形微气象影响的输电线路覆冰分析方法,其特征在于:微地形包括风口、垭口、山脊、分水岭、峡谷、江河湖泊、迎风坡上部、迎风坡山腰、背风坡上部、迎风坡山脚、背风坡山腰、背风坡山脚、林带及其他较高地物和住宅地段;微地形对输电线路覆冰的影响程度顺序排布为:风口=垭口=山脊=分水岭>峡谷>江河湖泊>迎风坡上部位置>迎风坡山腰>背风坡上部位置>迎风坡山脚>背风坡山腰>背风坡山脚=林带及其他较高地物=住宅地段。
4.根据权利要求2所述的山地环境微地形微气象影响的输电线路覆冰分析方法,其特征在于:覆冰等级包括极度覆冰、严重覆冰、中度覆冰和轻度覆冰。
5.根据权利要求1所述的山地环境微地形微气象影响的输电线路覆冰分析方法,其特征在于,步骤2)具体包括以下步骤:
2.1)根据覆冰等级评价结果,确定沿线的重要覆冰区域;
2.2)提取重要覆冰区域的微地形微气象特征参数,确定随微地形变化导致气象因子的变化规律;其中,所述气象因子包括风速、温度、相对湿度、气压、降水和蒸发;所述气象因子是根据国家级气象站和/或区域级气象站的系列实时气象数据获得;
2.3)使用Ausplin软件,基于空间数据插值法建立关联微地形变化的微气象要素模型。
6.根据权利要求1所述的山地环境微地形微气象影响的输电线路覆冰分析方法,其特征在于:步骤3)中,输电线路的覆冰类型包括雨凇覆冰、雾凇覆冰和混合淞覆冰。
7.根据权利要求1所述的山地环境微地形微气象影响的输电线路覆冰分析方法,其特征在于,步骤4)具体包括以下步骤:
4.1)试验获得降水产生的水滴滴谱;
4.2)根据水滴直径对应的不同体积百分比,得到不同工况的水滴尺寸参数;其中,所述水滴尺寸参数包括中值体积直径和体积权重直径;
4.3)根据不同水滴尺寸参数的适用范围分区计算碰撞率。
8.根据权利要求1所述的山地环境微地形微气象影响的输电线路覆冰分析方法,其特征在于:步骤5)中,记录不同工况下不同时刻的碰撞率和冻结系数,构建多因素联合控制的输电线路覆冰预测模型,预测输电线路覆冰增长过程及覆冰厚度。
9.根据权利要求1所述的山地环境微地形微气象影响的输电线路覆冰分析方法,其特征在于:步骤5)之后,还具有评价输电线路在覆冰过程中的运行状态,提出预警方案和加固决策的相关步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811557231.7A CN109800905A (zh) | 2018-12-19 | 2018-12-19 | 山地环境微地形微气象影响的输电线路覆冰分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811557231.7A CN109800905A (zh) | 2018-12-19 | 2018-12-19 | 山地环境微地形微气象影响的输电线路覆冰分析方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109800905A true CN109800905A (zh) | 2019-05-24 |
Family
ID=66557267
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811557231.7A Pending CN109800905A (zh) | 2018-12-19 | 2018-12-19 | 山地环境微地形微气象影响的输电线路覆冰分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109800905A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110657834A (zh) * | 2019-08-26 | 2020-01-07 | 中国电力科学研究院有限公司 | 一种微地形区域电网输电线路覆冰状态判断方法及装置 |
CN111539842A (zh) * | 2020-04-08 | 2020-08-14 | 成都思晗科技股份有限公司 | 基于气象和地理环境的架空输电线路覆冰预测方法 |
CN111738104A (zh) * | 2020-06-04 | 2020-10-02 | 中国电力工程顾问集团西南电力设计院有限公司 | 一种基于地理信息系统提取地形类别的方法 |
CN112116132A (zh) * | 2020-08-27 | 2020-12-22 | 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 |
CN113688903A (zh) * | 2021-08-24 | 2021-11-23 | 贵州电网有限责任公司 | 一种输电线路易覆冰微地形分类方法 |
CN113822491A (zh) * | 2021-09-27 | 2021-12-21 | 国网湖南省电力有限公司 | 一种输电线路舞动微地形的识别方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103453867A (zh) * | 2013-09-09 | 2013-12-18 | 国家电网公司 | 输电线路覆冰厚度监测方法 |
CN104766143A (zh) * | 2015-04-22 | 2015-07-08 | 国家电网公司 | 基于支持向量分类的输电线路覆冰等级长期预测方法 |
CN105631115A (zh) * | 2015-12-25 | 2016-06-01 | 国网浙江省电力公司丽水供电公司 | 输电线路精细化覆冰模型建立方法 |
CN105808819A (zh) * | 2016-02-17 | 2016-07-27 | 南方电网科学研究院有限责任公司 | 一种输电线路覆冰实时分布模型计算方法 |
-
2018
- 2018-12-19 CN CN201811557231.7A patent/CN109800905A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103453867A (zh) * | 2013-09-09 | 2013-12-18 | 国家电网公司 | 输电线路覆冰厚度监测方法 |
CN104766143A (zh) * | 2015-04-22 | 2015-07-08 | 国家电网公司 | 基于支持向量分类的输电线路覆冰等级长期预测方法 |
CN105631115A (zh) * | 2015-12-25 | 2016-06-01 | 国网浙江省电力公司丽水供电公司 | 输电线路精细化覆冰模型建立方法 |
CN105808819A (zh) * | 2016-02-17 | 2016-07-27 | 南方电网科学研究院有限责任公司 | 一种输电线路覆冰实时分布模型计算方法 |
Non-Patent Citations (3)
Title |
---|
张暕: "架空输电线路覆冰机理及预测模型的研究", 《万方》 * |
陆佳政等: "基于微地形的输电线路覆冰等级判别方法", 《电力科学与技术学报》 * |
陈凌: "旋转圆柱体覆冰增长模型与线路覆冰参数预测方法研究", 《中国博士学位论文全文数据库 工程科技Ⅱ辑》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110657834A (zh) * | 2019-08-26 | 2020-01-07 | 中国电力科学研究院有限公司 | 一种微地形区域电网输电线路覆冰状态判断方法及装置 |
CN111539842A (zh) * | 2020-04-08 | 2020-08-14 | 成都思晗科技股份有限公司 | 基于气象和地理环境的架空输电线路覆冰预测方法 |
CN111539842B (zh) * | 2020-04-08 | 2023-05-23 | 成都思晗科技股份有限公司 | 基于气象和地理环境的架空输电线路覆冰预测方法 |
CN111738104A (zh) * | 2020-06-04 | 2020-10-02 | 中国电力工程顾问集团西南电力设计院有限公司 | 一种基于地理信息系统提取地形类别的方法 |
CN112116132A (zh) * | 2020-08-27 | 2020-12-22 | 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 |
CN113688903A (zh) * | 2021-08-24 | 2021-11-23 | 贵州电网有限责任公司 | 一种输电线路易覆冰微地形分类方法 |
CN113688903B (zh) * | 2021-08-24 | 2024-03-22 | 贵州电网有限责任公司 | 一种输电线路易覆冰微地形分类方法 |
CN113822491A (zh) * | 2021-09-27 | 2021-12-21 | 国网湖南省电力有限公司 | 一种输电线路舞动微地形的识别方法及系统 |
CN113822491B (zh) * | 2021-09-27 | 2024-03-29 | 国网湖南省电力有限公司 | 一种输电线路舞动微地形的识别方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109800905A (zh) | 山地环境微地形微气象影响的输电线路覆冰分析方法 | |
Baseer et al. | Wind power characteristics of seven data collection sites in Jubail, Saudi Arabia using Weibull parameters | |
Mihalakakou et al. | Application of neural networks to the simulation of the heat island over Athens, Greece, using synoptic types as a predictor | |
Minder et al. | Mesoscale variations of the atmospheric snow line over the northern Sierra Nevada: Multiyear statistics, case study, and mechanisms | |
Bartok et al. | Fog prediction for road traffic safety in a coastal desert region | |
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 | |
Shao et al. | Thermal mapping: reliability and repeatability | |
Mayer et al. | Profiling the Arctic stable boundary layer in Advent Valley, Svalbard: Measurements and simulations | |
McCaffrey et al. | Identification and characterization of persistent cold pool events from temperature and wind profilers in the Columbia River Basin | |
Xu et al. | An intercomparison of GCM and RCM dynamical downscaling for characterizing the hydroclimatology of California and Nevada | |
Tian et al. | Impact of water vapor transfer on a Circum-Bohai-Sea heavy fog: Observation and numerical simulation | |
Gutiérrez et al. | A new gust parameterization for weather prediction models | |
CN108334983A (zh) | 基于gis和dem的广西输电线路覆冰预报与评估方法 | |
Weston et al. | A rule-based method for diagnosing radiation fog in an arid region from NWP forecasts | |
Olsson et al. | Intense sea-effect snowfall case on the western coast of Finland | |
Hu et al. | Assessing the impact of surface and wind profiler data on fog forecasting using WRF 3DVAR: An OSSE study on a dense fog event over North China | |
Chan | Observation and numerical simulation of vortex/wave shedding for terrain‐disrupted airflow at Hong Kong International Airport during Typhoon Nesat in 2011 | |
Cheng et al. | An automated synoptic typing procedure to predict freezing rain: An application to Ottawa, Ontario, Canada | |
Chan et al. | Observations and numerical-simulations of sea breezes at Hong Kong International Airport. | |
Chan | Atmospheric turbulence in complex terrain: verifying numerical model results with observations by remote-sensing instruments | |
Lu et al. | Improving the Ramer scheme for diagnosis of freezing rain in China | |
Strobach et al. | Impact of inland terrain on mid-atlantic offshore wind and implications for wind resource assessment: A case study | |
Lachapelle et al. | Characteristics of precipitation particles and microphysical processes during the 11–12 January 2020 Ice Pellet Storm in the Montréal Area, Québec, Canada | |
Huang et al. | Evaluation of the global and regional assimilation and prediction system for predicting sea fog over the South China Sea | |
Lin et al. | Observation and simulation of low-level jet impacts on 3D urban heat islands in Beijing: A case study |
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 |