CN110210002A - 一种输电线覆冰预警算法 - Google Patents
一种输电线覆冰预警算法 Download PDFInfo
- Publication number
- CN110210002A CN110210002A CN201910425156.7A CN201910425156A CN110210002A CN 110210002 A CN110210002 A CN 110210002A CN 201910425156 A CN201910425156 A CN 201910425156A CN 110210002 A CN110210002 A CN 110210002A
- Authority
- CN
- China
- Prior art keywords
- warning
- icing
- ice
- temperature
- condition
- 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
- 230000005540 biological transmission Effects 0.000 title claims abstract description 18
- 239000011248 coating agent Substances 0.000 claims abstract description 17
- 238000000576 coating method Methods 0.000 claims abstract description 17
- 230000002123 temporal effect Effects 0.000 claims abstract description 8
- 238000000034 method Methods 0.000 claims description 12
- 230000009467 reduction Effects 0.000 claims description 8
- 238000004781 supercooling Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 6
- 239000012080 ambient air Substances 0.000 claims description 3
- 230000001186 cumulative effect Effects 0.000 claims description 3
- 238000012423 maintenance Methods 0.000 abstract description 7
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 14
- 238000011160 research Methods 0.000 description 10
- 230000005611 electricity Effects 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 4
- 239000003570 air Substances 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000012530 fluid Substances 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000012876 topography Methods 0.000 description 2
- 235000008331 Pinus X rigitaeda Nutrition 0.000 description 1
- 235000011613 Pinus brutia Nutrition 0.000 description 1
- 241000018646 Pinus brutia Species 0.000 description 1
- 239000000926 atmospheric chemistry Substances 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000007596 consolidation process Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000000465 moulding Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000002040 relaxant effect Effects 0.000 description 1
- 230000000979 retarding effect Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- 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
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression 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
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/10—Alarms for ensuring the safety of persons responsive to calamitous events, e.g. tornados or earthquakes
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B31/00—Predictive alarm systems characterised by extrapolation or other computation using updated historic data
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Economics (AREA)
- Computational Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Emergency Management (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Algebra (AREA)
- Operations Research (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computing Systems (AREA)
- Environmental & Geological Engineering (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geology (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Computational Biology (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种输电线覆冰预警算法,包括如下步骤:a)根据相关国家和行业标准、规范,确定输电线路覆冰预警等级和含义;b)基于历史气象要素数据和积冰观测数据,建立覆冰预警算法模型;具体的,通过逐步回归计算得知,平均气温T、相对湿度RH、最高气温TM通过了α=0.01水平下T临界值检验;c)运行多层嵌套的数值模式,得到高时空分辨率的精细化天气预报;d)将天气预报结果输入预警模型,得出覆冰预警等级和覆冰类型。本发明结合电网设备精细化数据与电网特有气象灾害分析模型,做出准确及时的灾害预报预警,从而提前布防,有计划的检修抢修,减少突发影响、有效提升终端供电服务质量。
Description
技术领域
本发明涉及电线覆冰预警技术领域,具体是一种输电线覆冰预警算法。
背景技术
随着我国经济的快速发展,对电力能源的需求越来越大,超特高压线路、重要负荷供电线路、大型电源送出线路、跨区联网和跨国线路等重要输电线路的快速建设,我国电网逐步形成了一些输送能力大、线路排列紧密的输电通道,这些输电通道已成为担负区域间电能输送的枢纽。我国地广人多,远距离输电必然要经过很多地理条件复杂的地区,不同区域或同一区域不同时间的气象条件千差万别,而架空输电线路常年在露天环境中运行,承受着各种各样的气候要素变化带来的影响。因此,在大力发展特高压输电线路的同时,雷击、风偏、覆冰等电网气象灾害频发,灾害风险日益增大,损失严重。
但传统研究方法中,获得区域气象条件主要依赖电网自建气象测站和气象部门的基础测站,这些站点的分布较零散,局地代表性较差,往往与线路实际环境有一定差异,特别是在山区,差异十分明显。基于此类观测数据进行灾害监测、分析,结果比较笼统,无法准确获得输电线路的精细情况,进而无法准确判断电网设备的维护需求。同时,传统的电网维护保障更多是基于实况观测和一般天气预报,精细化程度不高,对电网灾害特点缺少针对性。灾害防御集中在应对工作中,被动开展设备维修维护,影响时效性,而更具行业价值及经济效益的方式应该是提前准备、主动规避,即利用高精细度大气数值模拟方法,结合输电线路沿线精细化地形数据与电网特有气象灾害分析技术,做出准确及时的灾害预报预警,从而提前防御,减少设备损失、快速维修替换,更快恢复供电,有效提升终端供电服务质量。
发明内容
针对现有技术存在的上述不足,本发明提供一种输电线覆冰预警算法,结合电网设备精细化数据与电网特有气象灾害分析模型,做出准确及时的灾害预报预警,从而提前布防,有计划的检修抢修,减少突发影响、有效提升终端供电服务质量。
一种输电线覆冰预警算法,包括如下步骤:
a)根据相关国家和行业标准、规范,确定输电线路覆冰预警等级和含义;
b)基于历史气象要素数据和积冰观测数据,建立覆冰预警算法模型;具体的,通过逐步回归计算得知,平均气温T、相对湿度RH、最高气温TM通过了α=0.01水平下T临界值检验,覆冰厚度与高影响气象因子的回归方程为:
雾凇:Y=-0.73-0.14T+0.0096RH+0.038TM
雨凇:Y=-0.53-0.42T+0.0067RH+0.25TM
c)运行多层嵌套的数值模式,得到高时空分辨率的精细化天气预报;
d)将天气预报结果输入预警模型,得出覆冰预警等级和覆冰类型。
进一步的,所述步骤c)中多层嵌套具体是采用全球数值天气预报模式GFS、区域数值天气预报模式WRF和降尺度模式Calmet三重单向嵌套。
进一步的,所述步骤d)具体如下:
首先判断湿度条件是否有利于覆冰生成,即降雨量>0或相对湿度>80%,如果条件不满足则无覆冰预警,条件满足则进入下一阶段;
判断过冷水滴粘附冻结的环境气温条件,即气温是否小于<1℃。如果条件不满足则无覆冰预警,条件满足则进入下一阶段;
若风速小于3m/s,则导线对过冷水滴的捕获率较小,覆冰质量较低,发布覆冰黄色预警,若风速大于3m/s,则覆冰过程加快,发布覆冰橙色预警;
如果上述气象条件的持续时间超过6小时,则会导致覆冰的累积增长,橙色预警升级为红色预警,若气温回升高于2℃超过6小时,则预警解除;
在发布预警后,根据不同的天气类型对覆冰进行分类:有降雨或大雾天气,气温<-5℃归类为雾凇覆冰,气温-5~0℃归类为雨凇覆冰,无降雨但有降雪天气,气温在0℃附近归类为雪凇覆冰,且气温≥0℃为湿雪覆冰,气温<0℃为干雪覆冰。
本发明采用全球数值天气预报模式GFS、区域数值天气预报模式WRF和降尺度模式Calmet三重嵌套,最终预报产品时间分辨率为1小时,空间分辨率可达1公里,极大地提高了精细化城市,尤其对山区等复杂地形准确率更高,基于这样的预报,可以明显提升覆冰预报预警的准确度。
附图说明
图1是本发明输电线覆冰预警算法的流程示意图;
图2是本发明根据天气预报结果预测覆冰预警等级和覆冰类型的流程图;
图3是本发明应用系统的架构示意图。
具体实施方式
下面将结合本发明中的附图,对本发明中的技术方案进行清楚、完整地描述。
近年来全球和区域数值预报模式不断发展完善,时空分辨率逐渐提高,降尺度模型能够进一步提高预报的空间精细化程度,自动气象站空间分布密度有明显提升,气象行业研究对覆冰形成的天气系统和气象条件认识更加深入。以上背景条件和行业技术水平保证了本发明的可行性。本发明的技术关键点在于建立基于气象要素实况和预报的覆冰预警模型,确立了覆冰预警等级及对应的措施,为输电线路的维护保障提供更科学的支撑。
请参阅图1,本发明输电线覆冰预警算法包括如下步骤
a)根据相关国家和行业标准、规范,确定输电线路覆冰预警等级和含义;
b)基于历史气象要素数据和积冰观测数据,建立覆冰预警算法模型;具体的,根据覆冰形成相关的气象因子,利用逐步回归法建立回归模型,最终形成覆冰厚度与高影响气象因子之间的回归模型。
通过逐步回归计算得知,平均气温T、相对湿度RH、最高气温TM通过了α=0.01水平下T临界值检验。覆冰厚度与高影响气象因子的回归方程为:
雾凇:Y=-0.73-0.14T+0.0096RH+0.038TM
雨凇:Y=-0.53-0.42T+0.0067RH+0.25TM
c)运行多层嵌套的数值模式,得到高时空分辨率的精细化天气预报;
本发明将多层嵌套模式精细化预报引入覆冰风险预报预警模型。
嵌套是指在模式的计算域中一部分分辨率较低,而另一部分较高,并且高分辨率模式计算域包含在低分辨率计算域中。嵌套通常有两种方法:单向嵌套和双向嵌套。本发明中,采用全球数值天气预报模式GFS、区域数值天气预报模式WRF和降尺度模式Calmet三重单向嵌套。单向嵌套的做法是:每个时间步长,先制作上一级模式预报,再利用上一级模式输出的气象要素场,经空间插值(水平方向双线性插值,垂直方向上线性插值或按照对数气压插值)和时间插值(线性插值),生成后一级的初始场和边条件,驱动后一级模式的运行,得到更高分辨率的模式预报。单向嵌套中只有前一级模式的预报影响后一级模式的预报,后一级模式预报对前一级模式的预报没有影响。在WRF和Calmet两级模式的边界上,采用指数松弛技术设置缓冲区。
由美国环境预报中心(NCEP)提供全球预报,包括全球资料同化系统(GDAS)和模式GFS两部分。GDAS使用来自全球的最大量的卫星和常规观测资料,并为GFS提供初始条件。GFS是NCEP业务运行中数值指导预报产品的基石。GFS提供16天的确定性和概率性指导。GFS为NCEP的区域、海洋和海浪预测系统等其他模式提供初始和边界条件。目前的运行水平分辨率为T1534(T574),或赤道约为13公里(34公里)的第0-10天(第10-16天)预报。在垂直方向上有64个混合sigma压力(Sela,2009)层,顶层中心0.27hPa左右(约55km)。目前GFS/GSM的运行动力核心是基于两个时间级的具有三维Hermite插值的半隐式半拉格朗日离散化方案(Sela,2010)。半拉格朗日平流计算以及物理处理是在水平方向上线性的、缩减的高斯网格上完成的。
在科研和实际业务中,普遍使用的区域数值预报模式是WRF模式(WeatherResearch and Forecasting Model)。该模式是由美国国家大气研究中心(NCAR)暨美国国家海洋及大气管理局(NOAA)等多单位联合共同开发的新一代中尺度数值预报模式和同化系统。它是一个完全可压缩非静力模式,质量、动量和标量都守恒,配置了不同的参数化方案对大气辐射积云降水、云微物理等物理过程进行模拟。WRF模式系统具有可移植、易维护、可扩充、高效率、方便等诸多特点。研究指出,WRF模式对中尺度天气系统的一些气象要素或物理量的模拟效果有一定的改善。此外,WRF在计算方案方面如动力框架、守恒性、网格分辨率、计算稳定性以及程序通用性等方面具有较为明显的优势。目前,WRF模式作为新一代的中尺度数值模式,已经充分应用于中小尺度气象分析和预报的多个方面,如暴雨、台风的中尺度过程的研究,区域气候研究以及大气污染大气化学过程研究等。
基于地形的动力降尺度模式进一步提高预报空间分辨率。WRF输出的预报结果空间分辨率通常为3kmX3km。国外通常使用的方式是利用Calmet模式降尺度到目标位置。Calmet是模式美国EPA推荐的由Sigma Research Corporation开发的空气质量扩散模式Calpuff中的气象模块。Calmet是一个网格化气象风场模式、利用质量守恒原理对风场进行诊断,包含了客观化的参数分析、陡坡地形的参数化处理、地形影响下的动力学流体效应、特殊地形对大气流体的阻滞效应、辐散散度最小化处理,以及专门为处理海陆边界层和大面积处理水体区域上空的气体扩散的微气象学处理算法。
三重嵌套模式空间分辨率设置
可以看出,多重嵌套后模式分辨率显著提高,最终预报产品空间分辨率可达1公里,时间分辨率可达1小时。这样的精细化预报比传统预报(10-100公里,24小时)准确率更高,为覆冰风险预警模型提供了更好的基础。
d)将天气预报结果输入预警模型,得出覆冰预警等级和覆冰类型;
如图2所示,步骤d)具体如下:
首先判断湿度条件是否有利于覆冰生成,即降雨量>0或相对湿度>80%。如果条件不满足则无覆冰预警,条件满足则进入下一阶段。
进一步判断过冷水滴粘附冻结的环境气温条件,即气温是否小于<1℃。如果条件不满足则无覆冰预警,条件满足则进入下一阶段。
当具备了形成覆冰的气温和水汽条件后,空气中通常存在足量过冷水滴,此时风速对于导线对过冷水滴的碰撞捕获率起重要作用。若风速小于3m/s,则导线对过冷水滴的捕获率较小,覆冰质量较低,发布覆冰黄色预警。若风速大于3m/s,则覆冰过程加快,发布覆冰橙色预警。
如果上述气象条件的持续时间超过6小时,则会导致覆冰的累积增长,橙色预警升级为红色预警。若气温回升高于2℃超过6小时,则预警解除。
在发布预警后,根据不同的天气类型对覆冰进行分类。有降雨或大雾天气,气温<-5℃归类为雾凇覆冰,气温-5~0℃归类为雨凇覆冰。无降雨但有降雪天气,气温在0℃附近归类为雪凇覆冰,且气温≥0℃为湿雪覆冰,气温<0℃为干雪覆冰。
以上步骤中,步骤a)和b)仅开展一次,确定后重复使用步骤c)和d)实时业务运行。
为将覆冰算法应用到电力工程保障维护工作中,本发明同时建立一套业务应用系统,技术架构采用基于MVC的设计模式,是由具有统一接口定义方式的组件和一些功能松耦合模块的架构模式,实现了系统的高可用性、高可靠性和高可扩展性。
如图3所示,本发明采用B/S架构,相较于传统的应用系统体系结构一般使用客户端/服务器(Client/Server)的结构,这种胖客户端的模式不易于维护,且数据安全性较低,而浏览器/服务器(Browser/Server)的体系架构则很好的克服了这些缺点。在这种架构下,用户界面完全通过浏览器进行实现和展示,中间的WEB应用层则负责连通前端浏览器展示层以及后端数据层,形成所谓的3-tier架构体系。
采用上述开发模型,不仅实现了视图、控制器与模型的彻底分离,而且还实现了业务逻辑层与持久层的分离。这样无论前端如何变化,模型层只需很少的改动,并且数据库的变化也不会对前端有所影响,大大提高了系统的可复用性。如图3所示:
1.客户端仅需要浏览器来进行操作。
2.系统通过网络安全验证,系统身份验证进入下一步操作。
3.登录至系统(Web应用服务器)后,Web应用服务器再对其用户请求作处理后,经过一系列的运算控制,从数据库中读取用户请求的数据。
4.在底层应用环节中记录用户所操作的内容,以日志形式存储。
5.数据获取成功后,返回给用户请求页,以视图形式呈现出来。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何属于本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。
Claims (3)
1.一种输电线覆冰预警算法,其特征在于包括如下步骤:
a)根据相关国家和行业标准、规范,确定输电线路覆冰预警等级和含义;
b)基于历史气象要素数据和积冰观测数据,建立覆冰预警算法模型;具体的,通过逐步回归计算得知,平均气温T、相对湿度RH、最高气温TM通过了α=0.01水平下T临界值检验,覆冰厚度与高影响气象因子的回归方程为:
雾凇:Y=-0.73-0.14T+0.0096RH+0.038TM
雨凇:Y=-0.53-0.42T+0.0067RH+0.25TM
c)运行多层嵌套的数值模式,得到高时空分辨率的精细化天气预报;
d)将天气预报结果输入预警模型,得出覆冰预警等级和覆冰类型。
2.如权利要求1所述的输电线覆冰预警算法,其特征在于:所述步骤c)中多层嵌套具体是采用全球数值天气预报模式GFS、区域数值天气预报模式WRF和降尺度模式Calmet三重单向嵌套。
3.如权利要求1所述的输电线覆冰预警算法,其特征在于:所述步骤d)具体如下:
首先判断湿度条件是否有利于覆冰生成,即降雨量>0或相对湿度>80%,如果条件不满足则无覆冰预警,条件满足则进入下一阶段;
判断过冷水滴粘附冻结的环境气温条件,即气温是否小于<1℃。如果条件不满足则无覆冰预警,条件满足则进入下一阶段;
若风速小于3m/s,则导线对过冷水滴的捕获率较小,覆冰质量较低,发布覆冰黄色预警,若风速大于3m/s,则覆冰过程加快,发布覆冰橙色预警;
如果上述气象条件的持续时间超过6小时,则会导致覆冰的累积增长,橙色预警升级为红色预警,若气温回升高于2℃超过6小时,则预警解除;
在发布预警后,根据不同的天气类型对覆冰进行分类:有降雨或大雾天气,气温<-5℃归类为雾凇覆冰,气温-5~0℃归类为雨凇覆冰,无降雨但有降雪天气,气温在0℃附近归类为雪凇覆冰,且气温≥0℃为湿雪覆冰,气温<0℃为干雪覆冰。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910425156.7A CN110210002A (zh) | 2019-05-21 | 2019-05-21 | 一种输电线覆冰预警算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910425156.7A CN110210002A (zh) | 2019-05-21 | 2019-05-21 | 一种输电线覆冰预警算法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110210002A true CN110210002A (zh) | 2019-09-06 |
Family
ID=67787941
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910425156.7A Pending CN110210002A (zh) | 2019-05-21 | 2019-05-21 | 一种输电线覆冰预警算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110210002A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111967201A (zh) * | 2020-07-30 | 2020-11-20 | 华南理工大学 | 一种基于数值仿真模型分析临界覆冰类型的方法 |
CN111985080A (zh) * | 2020-07-15 | 2020-11-24 | 遵义同望智能科技有限公司 | 一种动态地综合判断路面结冰的方法 |
CN112711919A (zh) * | 2020-12-17 | 2021-04-27 | 国网湖南省电力有限公司 | 基于中小尺度模式耦合的导线覆冰预报方法及系统 |
CN112766372A (zh) * | 2021-01-19 | 2021-05-07 | 中国电力科学研究院有限公司 | 基于微气象感知的电力设备状态监测预警方法与系统 |
CN113240172A (zh) * | 2021-05-11 | 2021-08-10 | 国网湖南省电力有限公司 | 微地形覆冰数值预测方法及系统 |
WO2023051519A1 (zh) * | 2021-09-28 | 2023-04-06 | 国网湖南省电力有限公司 | 电网微地形覆冰数值预测方法及系统 |
CN116341704A (zh) * | 2023-01-12 | 2023-06-27 | 河北省气象服务中心(河北省气象影视中心) | 一种引入生消机制的导线覆冰风险等级预报方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104167076A (zh) * | 2014-08-13 | 2014-11-26 | 南京理工大学 | 一种覆冰输电线路薄弱环节预警方法 |
CN104462660A (zh) * | 2014-11-14 | 2015-03-25 | 贵州电力试验研究院 | 一种野外输电线路冬季覆冰厚度分布绘制方法 |
CN105095667A (zh) * | 2015-08-18 | 2015-11-25 | 国家电网公司 | 基于雨雾凇判识的最大连续覆冰日数计算方法 |
CN105160425A (zh) * | 2015-08-17 | 2015-12-16 | 国家电网公司 | 基于气象和地形因子的输变电设备覆冰灾害监测和预报方法 |
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 |
CN108921396A (zh) * | 2018-06-13 | 2018-11-30 | 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 | 一种基于微气象和覆冰历史数据的输电线路覆冰预警方法 |
CN109726867A (zh) * | 2018-12-27 | 2019-05-07 | 北京恒泰实达科技股份有限公司 | 一种基于多模式集合的高分辨率电力气象预报方法 |
-
2019
- 2019-05-21 CN CN201910425156.7A patent/CN110210002A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104167076A (zh) * | 2014-08-13 | 2014-11-26 | 南京理工大学 | 一种覆冰输电线路薄弱环节预警方法 |
CN104462660A (zh) * | 2014-11-14 | 2015-03-25 | 贵州电力试验研究院 | 一种野外输电线路冬季覆冰厚度分布绘制方法 |
CN105160425A (zh) * | 2015-08-17 | 2015-12-16 | 国家电网公司 | 基于气象和地形因子的输变电设备覆冰灾害监测和预报方法 |
CN105095667A (zh) * | 2015-08-18 | 2015-11-25 | 国家电网公司 | 基于雨雾凇判识的最大连续覆冰日数计算方法 |
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 |
CN108921396A (zh) * | 2018-06-13 | 2018-11-30 | 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 | 一种基于微气象和覆冰历史数据的输电线路覆冰预警方法 |
CN109726867A (zh) * | 2018-12-27 | 2019-05-07 | 北京恒泰实达科技股份有限公司 | 一种基于多模式集合的高分辨率电力气象预报方法 |
Non-Patent Citations (4)
Title |
---|
武辉芹等: "河北省输电线路冰害的气象要素时空分布特征", 《干旱气象》 * |
武辉芹等: "河北省输电线路冰害的气象要素时空分布特征", 《干旱气象》, no. 06, 31 December 2017 (2017-12-31) * |
黄筱婷等: "基于在线监测数据的输电线路覆冰形态研究", 《南方电网技术》 * |
黄筱婷等: "基于在线监测数据的输电线路覆冰形态研究", 《南方电网技术》, no. 01, 20 February 2013 (2013-02-20) * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111985080A (zh) * | 2020-07-15 | 2020-11-24 | 遵义同望智能科技有限公司 | 一种动态地综合判断路面结冰的方法 |
CN111967201A (zh) * | 2020-07-30 | 2020-11-20 | 华南理工大学 | 一种基于数值仿真模型分析临界覆冰类型的方法 |
CN112711919A (zh) * | 2020-12-17 | 2021-04-27 | 国网湖南省电力有限公司 | 基于中小尺度模式耦合的导线覆冰预报方法及系统 |
CN112766372A (zh) * | 2021-01-19 | 2021-05-07 | 中国电力科学研究院有限公司 | 基于微气象感知的电力设备状态监测预警方法与系统 |
CN113240172A (zh) * | 2021-05-11 | 2021-08-10 | 国网湖南省电力有限公司 | 微地形覆冰数值预测方法及系统 |
CN113240172B (zh) * | 2021-05-11 | 2023-12-19 | 国网湖南省电力有限公司 | 微地形覆冰数值预测方法及系统 |
WO2023051519A1 (zh) * | 2021-09-28 | 2023-04-06 | 国网湖南省电力有限公司 | 电网微地形覆冰数值预测方法及系统 |
CN116341704A (zh) * | 2023-01-12 | 2023-06-27 | 河北省气象服务中心(河北省气象影视中心) | 一种引入生消机制的导线覆冰风险等级预报方法 |
CN116341704B (zh) * | 2023-01-12 | 2023-09-12 | 河北省气象服务中心(河北省气象影视中心) | 一种引入生消机制的导线覆冰风险等级预报方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110210002A (zh) | 一种输电线覆冰预警算法 | |
de Munck et al. | How much can air conditioning increase air temperatures for a city like Paris, France? | |
Koussis et al. | Flood forecasts for urban basin with integrated hydro-meteorological model | |
Kim et al. | Evaluation of the Weather Research and Forecast/urban model over Greater Paris | |
Mohanty et al. | Role of sea surface temperature in modulating life cycle of tropical cyclones over Bay of Bengal | |
Karipoğlu et al. | Determination of the most appropriate site selection of wind power plants based Geographic Information System and Multi-Criteria Decision-Making approach in Develi, Turkey. | |
Lübbecke et al. | Contribution of increased Agulhas leakage to tropical Atlantic warming | |
CN110866693B (zh) | 一种基于gis模型的架空输电线路覆冰风险评估方法 | |
Bari et al. | Numerical study of a coastal fog event over Casablanca, Morocco | |
Wei et al. | Numerical simulation of the life cycle of a persistent wintertime inversion over Salt Lake City | |
Luna‐Niño et al. | Formation of a coastal barrier jet in the Gulf of Mexico due to the interaction of cold fronts with the S ierra M adre O riental mountain range | |
Hally et al. | An ensemble study of HyMeX IOP6 and IOP7a: sensitivity to physical and initial and boundary condition uncertainties | |
Vel’tishchev et al. | Short-range forecast of heavy precipitation and strong wind using the convection-allowing WRF models | |
Hou et al. | Impact of 3DVAR data assimilation on the prediction of heavy rainfall over Southern China | |
CN111898296B (zh) | 一种核物质大气扩散及沉降多尺度模拟方法及系统 | |
Chmielewski et al. | Variations of thunderstorm charge structures in West Texas on 4 June 2012 | |
Garde et al. | Tropical transition of the 2001 Australian Duck | |
Genç | Determination of the most appropriate site selection of wind power plants based Geographic Information System and Multi-Criteria Decision-Making approach in Develi, Turkey | |
Lussana et al. | Spatial interpolation of two‐metre temperature over Norway based on the combination of numerical weather prediction ensembles and in situ observations | |
Kalinin et al. | Studying intensive convection in Perm krai using the WRF model | |
Takeyama et al. | A comparison between Advanced Scatterometer and Weather Research and Forecasting wind speeds for the Japanese offshore wind resource map | |
Lagare et al. | Numerical simulation of a heavy rainfall event over Mindanao, Philippines, on 03 May 2017: mesoscale convective systems under weak large-scale forcing | |
Yin et al. | Numerical Simulation and the Underlying Mechanism of a Severe Hail‐Producing Convective System in East China | |
Vosper et al. | A climatology of lee waves over the UK derived from model forecasts | |
Bellaire et al. | Towards a high-resolution operational forecasting tool for the southern alps-New Zealand |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190906 |