CN110542936B - 基于主导环流的电网暴雨灾害预报偏差的预报方法和系统 - Google Patents
基于主导环流的电网暴雨灾害预报偏差的预报方法和系统 Download PDFInfo
- Publication number
- CN110542936B CN110542936B CN201910815461.7A CN201910815461A CN110542936B CN 110542936 B CN110542936 B CN 110542936B CN 201910815461 A CN201910815461 A CN 201910815461A CN 110542936 B CN110542936 B CN 110542936B
- Authority
- CN
- China
- Prior art keywords
- rainstorm
- precipitation
- power grid
- dominant
- circulation
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000001556 precipitation Methods 0.000 claims abstract description 83
- 230000008569 process Effects 0.000 claims abstract description 21
- 238000004590 computer program Methods 0.000 claims description 6
- 230000000694 effects Effects 0.000 claims description 6
- 238000013277 forecasting method Methods 0.000 claims description 4
- 230000002093 peripheral effect Effects 0.000 claims description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 description 6
- 238000012423 maintenance Methods 0.000 description 5
- 238000009472 formulation Methods 0.000 description 4
- 239000000203 mixture Substances 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 241000907903 Shorea Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- SESFRYSPDFLNCH-UHFFFAOYSA-N benzyl benzoate Chemical compound C=1C=CC=CC=1C(=O)OCC1=CC=CC=C1 SESFRYSPDFLNCH-UHFFFAOYSA-N 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000012466 permeate Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000009991 scouring Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/10—Devices for predicting weather conditions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Game Theory and Decision Science (AREA)
- Environmental & Geological Engineering (AREA)
- Development Economics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Ecology (AREA)
- Environmental Sciences (AREA)
- Atmospheric Sciences (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Educational Administration (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Alarm Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于主导环流的电网暴雨灾害预报偏差的预报方法及系统,该方法包括:获取待预报区域历年的逐日的历史降水数据和不同等压面上的环流数据;确定待预报区域的暴雨事件,以及暴雨区域大小、暴雨雨带形状、暴雨中心位置以及降水持续时间;根据逐日不同等压面上的环流数据,确定暴雨发生时的主导环流系统,根据主导环流系统造成降水的直接物理原因确定主导环流系统的指数;建立不同主导环流下暴雨事件的历史数据库;查询历史数据库,计算得到待预报区域的不同量级降水可能发生的概率;得出不同主导环流下电网暴雨灾害预报偏差;确定该轮暴雨过程电网暴雨次生灾害发生概率。本发明可以对电网暴雨灾害预报的可信性进行提供参考。
Description
技术领域
本发明涉及电网防护领域,尤其涉及一种基于主导环流的电网暴雨灾害预报偏差的预报方法和系统。
背景技术
近年来,随着中国电网的迅速发展,电网系统运行电压等级不断提高,电网规模不断扩大。随着“西电东送”等高电压、远距离输电线路的建设,重要线路和变电站分布在各种不同地形地势区域。夏季雨季期间,暴雨灾害频发,暴雨会在短时间内带来大量降水,对地表产生巨大冲刷作用,极易引发次生滑坡灾害,发生在杆塔附近的滑坡轻则杆塔塔基受损,重则杆塔倾斜、变形、倒塔并引发线路故障;暴雨带来的大量降水无法快速渗透和蒸发,通过径流造成低洼地区积水,容易导致变电站积水、电缆沟浸水,严重时导致整座变电站停运,产生昂贵的设备维修费用和巨大的电量损失。
目前电网暴雨次生滑坡、积水等灾害预报主要是基于降水条件和地质地形条件开展的,其中地质地形条件是灾害发生的前提条件,且地质地形条件在一定时间内是相对稳定的(发生地震等极端灾害除外),降水条件是灾害发生的直接诱因,而降水条件具有明显的随机变化性,因此降水预报准确性对电网暴雨次生灾害预报准确性有直接影响。
根据天气形势分析,导致暴雨发生的主导环流系统有多种,且不同主导环流作用下的暴雨雨带形状、降水范围、降水强度、降水持续时间差异很大,现有预报技术对不同主导环流作用下的暴雨过程预报能力差异很大,从而导致不同主导环流条件下的电网暴雨次生灾害预报准确度差异很大。
因此,开展基于主导环流的电网暴雨灾害预报偏差的预报方法研究,可以对电网暴雨灾害预报的可信性进行提供参考,对电网灾害防治预案的制定和电网调度预案的制定提供支撑。
发明内容
本发明提供了一种基于主导环流的电网暴雨灾害预报偏差的预报方法和系统,用以解决现有预报对不同主导环流作用下的暴雨过程预报能力差异大,进而对电网暴雨次生灾害预报准确度差异大的技术问题。
为解决上述技术问题,本发明提出的技术方案为:
一种基于主导环流的电网暴雨灾害预报偏差的预报方法,包括以下步骤:
从气象部门获取待预报区域历年的逐日的历史降水数据和不同等压面上的环流数据;
根据历史降水数据确定待预报区域的暴雨事件,并根据暴雨事件中暴雨出现的范围确定暴雨区域大小、暴雨雨带形状、暴雨中心位置以及降水持续时间;
根据逐日不同等压面上的环流数据,确定暴雨发生时的主导环流系统,根据主导环流系统造成降水的直接物理原因确定主导环流系统的指数;
根据主导环流系统分类,结合主导环流系统的指数,建立不同主导环流下暴雨区域大小、暴雨雨带形状、暴雨中心位置和降水持续时间的历史数据库;
查询历史数据库,获得某种主导环流系统条件下不同的暴雨区域大小、暴雨雨带形状、暴雨中心位置和降水持续时间,计算得到待预报区域的不同量级降水可能发生的概率;
根据滑坡和淹没浸水两种电网灾害发生需要的降水阈值区间,匹配不同量级降水可能发生的概率;查询历史数据库,确定满足两种电网灾害发生需要的降水阈值区间的降水发生的概率,得出不同主导环流下电网暴雨灾害预报偏差;
在进行每次暴雨过程电网暴雨灾害预测时,基于预报的暴雨事件和主导环流系统,根据不同主导环流下电网暴雨灾害预报偏差,确定该轮暴雨过程电网暴雨次生灾害发生概率。
优选地,确定暴雨发生时的主导环流系统,包括以下步骤:
根据逐日不同等压面上的环流数据,计算多年平均环流场;计算逐日不同等压面上的环流数据与多年平均环流场的差值,根据差值的大小确定暴雨发生时的主导环流系统。
优选地,计算得到待预报区域的不同量级降水可能发生的概率,包括以下步骤:
查询历史数据库,统计历史数据库中该种主导环流系统出现的总次数,统计该种主导环流系统下待预报区域出现特大暴雨、大暴雨、暴雨、中雨等不同量级降水的次数,以总次数为分母,以某量级降水次数为分子,计算得到待预报区域的不同量级降水可能发生的概率。
优选地,直接物理原因包括:输送暖湿气流造成降水、低涡活动导致局地对流上升造成降水、将北方冷空气输送南下造成降水、风场增大导致水汽输送增大造成降水或台风及其外围云系造成降水。
优选地,根据历史降水数据确定待预报区域的暴雨事件,包括以下步骤:
如果一天内有3个或以上观测站出现50mm以上降水过程,确定当天为暴雨日,如果连续两天的出现暴雨观测站重合率在30%及以上,确定为同一个暴雨事件;其中,降水持续时间为暴雨日连续天数。
优选地,暴雨事件中的暴雨区域大小、暴雨雨带形状、暴雨中心位置,通过以下步骤确定:
根据暴雨事件中所有出现暴雨的观测台站的位置,划定一个矩形,矩形包含该暴雨事件中80%以上出现暴雨的观测台站;矩形的大小为暴雨区域大小,矩形的形状为暴雨雨带形状,矩形的中心位置为暴雨中心位置。
优选地,得到不同主导环流下电网暴雨灾害预报偏差,为:用百分之百减去满足电网灾害发生需要的降水阈值区间的降水发生的概率。
优选地,历年为近30年。
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:
本发明的基于主导环流的电网暴雨灾害预报偏差的预报方法和系统,可以计算得到预报的该轮暴雨过程电网暴雨次生灾害发生概率,以及时向相关线路运维部门、电网调度部门、应急部门等发布灾害预报,提前做好相关应急措施。本发明的方法思路清晰,实用性强,可以有效提升电网暴雨次生滑坡、积水等灾害预测预报能力精准性。
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基于主导环流的电网暴雨灾害预报偏差的预报方法的流程示意图。
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。
参见图1,本发明的一种基于主导环流的电网暴雨灾害预报偏差的预报方法,包括以下步骤:
S1:从气象部门获取待预报区域历年的逐日的历史降水数据和不同等压面上的环流数据;
S2:根据历史降水数据确定待预报区域的暴雨事件,并根据暴雨事件中暴雨出现的范围确定暴雨区域大小、暴雨雨带形状、暴雨中心位置以及降水持续时间;
S3:根据逐日不同等压面上的环流数据,确定暴雨发生时的主导环流系统,根据主导环流系统造成降水的直接物理原因确定主导环流系统的指数;
S4:根据主导环流系统分类,结合主导环流系统的指数,建立不同主导环流下暴雨区域大小、暴雨雨带形状、暴雨中心位置和降水持续时间的历史数据库;
S5:查询历史数据库,获得主导环流系统的条件下不同的暴雨区域大小、暴雨雨带形状、暴雨中心位置和降水持续时间,本实施例中优选采用:统计历史数据库中该种主导环流系统出现的总次数,统计该种主导环流系统下待预报区域出现特大暴雨、大暴雨、暴雨、中雨等不同量级降水的次数,以总次数为分母,以某量级降水次数为分子,计算得到待预报区域的不同量级降水可能发生的概率;
S6:根据滑坡和淹没浸水两种电网灾害发生需要的降水阈值区间,匹配不同量级降水可能发生的概率;查询历史数据库,确定满足两种电网灾害发生需要的降水阈值区间的降水发生的概率。优选采用百分之百减去满足电网灾害发生需要的降水阈值区间的降水发生的概率;即得出不同主导环流下电网暴雨灾害预报偏差;
S7:在进行每次暴雨过程电网暴雨灾害预测时,基于预报的暴雨事件和主导环流系统,根据不同主导环流下电网暴雨灾害预报偏差,确定该轮暴雨过程电网暴雨次生灾害发生概率。
通过上述步骤,可以计算得到预报的该轮暴雨过程电网暴雨次生灾害发生概率,以及时向相关线路运维部门、电网调度部门、应急部门等发布灾害预报,提前做好相关应急措施。
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:
本发明的一种基于主导环流的电网暴雨灾害预报偏差的预报方法,包括以下步骤:
S1:从气象部门获取待预报区域历年(本实施例为近30年)的逐日的历史降水数据和不同等压面上的环流数据。
S2:根据历史降水数据确定待预报区域的暴雨事件,并根据暴雨事件中暴雨出现的范围确定暴雨区域大小、暴雨雨带形状、暴雨中心位置以及降水持续时间。
如果一天内有3个或以上观测站出现50mm以上降水过程,确定当天为暴雨日,如果连续两天的出现暴雨观测站重合率在30%及以上,确定为同一个暴雨事件;其中,降水持续时间为暴雨日连续天数。
根据暴雨事件中所有出现暴雨的观测台站的位置,划定一个矩形(正方形、南北向长方形、东西向长方形等),矩形包含该暴雨事件中80%以上出现暴雨的观测台站;矩形的大小为暴雨区域大小,矩形的形状为暴雨雨带形状,矩形的中心位置为暴雨中心位置。
S3:根据逐日不同等压面上的环流数据,确定暴雨发生时的主导环流系统,根据主导环流系统造成降水的直接物理原因确定主导环流系统的指数。其中,确定暴雨发生时的主导环流系统,是根据逐日不同等压面上的环流数据,计算多年平均环流场;计算逐日不同等压面上的环流数据与多年平均环流场的差值,根据差值的大小确定暴雨发生时的主导环流系统。其中,直接物理原因包括:输送暖湿气流造成降水、低涡活动导致局地对流上升造成降水、将北方冷空气输送南下造成降水、风场增大导致水汽输送增大造成降水或台风及其外围云系造成降水等气流或者风场的原因。
S4:根据主导环流系统分类(采用行业内通用的分类方式即可),结合主导环流系统的指数,建立不同主导环流下暴雨区域大小、暴雨雨带形状、暴雨中心位置和降水持续时间的历史数据库。
S5:查询历史数据库,获得主导环流系统的条件下不同的暴雨区域大小、暴雨雨带形状、暴雨中心位置和降水持续时间,并计算得到待预报区域的不同量级降水可能发生的概率,具体为:
查询历史数据库,得到待预报区域的该类别的主导环流系统产生的不同量级降水次数,除以历史数据库中该类别的主导环流系统的所有次数,计算得到待预报区域的不同量级降水可能发生的概率。
S6:暴雨引发的输电杆塔滑坡和变电配电设备淹没浸水是最主要的电网暴雨灾害种类,根据滑坡和淹没浸水两种电网灾害发生需要的降水阈值区间,匹配不同量级降水可能发生的概率;查询历史数据库,确定满足两种电网灾害发生需要的降水阈值区间的降水发生的概率;用百分之百减去满足电网灾害发生需要的降水阈值区间的降水发生的概率,即得出不同主导环流下电网暴雨灾害预报偏差。
S7:在进行每次暴雨过程电网暴雨灾害预测时,基于预报的暴雨事件和主导环流系统,根据步骤S6中的电网暴雨灾害预报偏差,结合数值预报降水结果,对数值预报降水结果的可信性进行进一步的评估,以确定该轮暴雨过程电网暴雨次生灾害发生概率。根据该轮暴雨过程电网暴雨次生灾害发生概率,确定该轮暴雨过程电网暴雨次生灾害发生概率,及时向相关线路运维部门、电网调度部门、应急部门等发布灾害预报,提前做好相关应急措施。
实施例2:
本实施例以2019年7月7-9日湖南地区一次降水过程为例,说明本发明的基于主导环流的电网暴雨灾害预报偏差的预报方法,包括以下步骤:
(1)数据收集和分析。
S1:从气象部门收集湖南省1989~2018年间97个基本气象台站逐日的历史降水数据和不同等压面上的环流数据。
S2:采用实施例1中的步骤S2确定暴雨区域大小、暴雨雨带形状、暴雨中心位置以及降水持续时间。
根据近30年降水数据统计,湖南省暴雨分为湖南中部地区的准正方形雨带,湖南西南部到东北部的东西向长方形雨带,湖南南部东西向长方形雨带,湖南北部东西向长方形雨带,湖南西部南北向长方形雨带,湖南东部北向长方形雨带。
S3:根据逐日不同等压面上的环流数据和多年平均环流场的差异,确定暴雨发生时的主导环流系统。
造成湖南地区暴雨的主导环流如表1所示,主要包括副热带高压、南支槽、西南低涡、高空槽、东北冷涡、低空急流、低空急流等,这些环流系统单独作用或相互作用产生暴雨。
表1造成湖南地区暴雨的主导环流
主导环流 | 造成降水的直接物理原因 | 主导环流指数 |
副热带高压 | 输送西太平洋暖湿气流造成降水 | 500hPa副高脊线位置 |
南支槽 | 输送孟加拉湾暖湿气流造成降水 | 500hPa南支槽位置 |
西南低涡 | 低涡活动导致局地对流上升造成降水 | 700hPa低涡位置 |
高空槽 | 将北方冷空气输送南下造成降水 | 500hPa高空槽最南部位置 |
东北冷涡 | 将北方冷空气输送南下造成降水 | 500hPa低涡中心位置 |
低空急流 | 风场增大导致水汽输送增大造成降水 | 850hPa风速 |
台风 | 台风及其外围云系造成降水 | 台风位置 |
(2)不同主导环流下暴雨分布特征分析。
S4:根据主导环流系统分类,结合主导环流系统的指数,建立不同主导环流下暴雨区域大小,暴雨雨带形状,暴雨中心位置以及降水持续时间的历史数据库。
S5:查询历史数据库,获得该主导环流条件下不同的暴雨区域大小、暴雨雨带形状、暴雨中心位置、降水持续时间,并计算得到待预报区域的不同量级降水可能发生的概率。
根据2019年7月5日环流形势图分析,预测7~9日北方东北冷涡南下和南方副热带高压交汇,将产生一次暴雨过程。因此主导环流条件为“东北冷涡+副热带高压”,根据历史数据分析,这种主导环流下雨带为湖南西南部到东北部的东西向长方形雨带,降水区域较大,雨带中心位置在湖南中部,雨带位置南北大范围偏移概率小,降水持续2~3天,因此预计该主导环流下,湖南湘西南到湘东区域不同量级降水可能发生的概率如表2所示。
表2湖南湘西南到湘东区域不同量级降水可能发生的概率
(3)不同主导环流下电网暴雨灾害预报偏差分析。
S6:暴雨引发的输电杆塔滑坡和变电配电设备淹没浸水是最主要的电网暴雨灾害种类,根据提前划定的滑坡和淹没浸水两种电网灾害发生需要的降水阈值区间(表3),匹配不同量级降水可能发生的概率;确定满足两种电网灾害发生需要的降水阈值区间的降水发生的概率,得出该主导环流下电网暴雨灾害预报准确性的概率(表4)。
表3滑坡和淹没浸水两种电网灾害发生需要的降水阈值区间
表4电网暴雨灾害预报准确性概率
(4)基于主导环流的电网暴雨灾害预报偏差的预报。
S7:根据该主导环流下电网暴雨灾害预报准确性的概率,可以看出历史数据库中这种主导环流发生暴雨及以上等级降水的概率为81.2%,针对这轮降水的数值预报结果显示预报区域降水以暴雨为主,降水过程中雨带范围较大,雨带位置稳定,因此确定降水量预报准确率高,根据降水预报得出的电网暴雨灾害准确性概率较高,向相关线路运维部门、电网调度部门、应急部门发布电网灾害预报,提前做好相关应急措施。
实际上,7~9日湖南中南部地区发生大范围暴雨灾害,湖南西南部邵阳、东部株洲、衡阳发生多处电网暴雨灾害。
实施例3:
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实施例的步骤。
综上可知,本发明通过引入电网暴雨灾害预报偏差进行预报,可以对电网暴雨灾害预报的可信性进行提供参考,对电网灾害防治预案的制定和电网调度预案的制定提供支撑。
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 (9)
1.一种基于主导环流的电网暴雨灾害预报偏差的预报方法,其特征在于,包括以下步骤:
从气象部门获取待预报区域历年的逐日的历史降水数据和不同等压面上的环流数据;
根据历史降水数据确定待预报区域的暴雨事件,并根据暴雨事件中暴雨出现的范围确定暴雨区域大小、暴雨雨带形状、暴雨中心位置以及降水持续时间;
根据逐日不同等压面上的环流数据,确定暴雨发生时的主导环流系统,根据主导环流系统造成降水的直接物理原因确定主导环流系统的指数;
根据主导环流系统分类,结合所述主导环流系统的指数,建立不同主导环流下暴雨区域大小、暴雨雨带形状、暴雨中心位置和降水持续时间的历史数据库;
查询所述历史数据库,获得所述主导环流系统的条件下不同的暴雨区域大小、暴雨雨带形状、暴雨中心位置和降水持续时间,并计算得到待预报区域的不同量级降水可能发生的概率;
根据滑坡和淹没浸水两种电网灾害发生需要的降水阈值区间,匹配所述不同量级降水可能发生的概率;查询所述历史数据库,确定满足两种电网灾害发生需要的降水阈值区间的降水发生的概率,得出不同主导环流下电网暴雨灾害预报偏差;
在进行每次暴雨过程电网暴雨灾害预测时,基于预报的暴雨事件和主导环流系统,根据所述不同主导环流下电网暴雨灾害预报偏差,确定该轮暴雨过程电网暴雨次生灾害发生概率。
2.根据权利要求1所述的基于主导环流的电网暴雨灾害预报偏差的预报方法,其特征在于,所述确定暴雨发生时的主导环流系统,包括以下步骤:
根据逐日不同等压面上的环流数据,计算多年平均环流场;计算逐日不同等压面上的环流数据与所述多年平均环流场的差值,根据所述差值的大小确定暴雨发生时的主导环流系统。
3.根据权利要求1所述的基于主导环流的电网暴雨灾害预报偏差的预报方法,其特征在于,所述计算得到待预报区域的不同量级降水可能发生的概率,包括以下步骤:
查询所述历史数据库,统计历史数据库中该种主导环流系统出现的总次数,统计该种主导环流系统下待预报区域出现特大暴雨、大暴雨、暴雨或中雨的不同量级降水的次数,以总次数为分母,以某量级降水次数为分子,计算得到待预报区域的不同量级降水可能发生的概率。
4.根据权利要求1所述的基于主导环流的电网暴雨灾害预报偏差的预报方法,其特征在于,所述直接物理原因包括:输送暖湿气流造成降水、低涡活动导致局地对流上升造成降水、将北方冷空气输送南下造成降水、风场增大导致水汽输送增大造成降水或台风及其外围云系造成降水。
5.根据权利要求1所述的基于主导环流的电网暴雨灾害预报偏差的预报方法,其特征在于,所述根据历史降水数据确定待预报区域的暴雨事件,包括以下步骤:
如果一天内有3个以上观测站出现50mm以上降水过程,确定当天为暴雨日,如果连续两天的出现暴雨观测站重合率在30%以上,确定为同一个暴雨事件;其中,所述降水持续时间为暴雨日连续天数。
6.根据权利要求5所述的基于主导环流的电网暴雨灾害预报偏差的预报方法,其特征在于,所述暴雨事件中的暴雨区域大小、暴雨雨带形状、暴雨中心位置,通过以下步骤确定:
根据暴雨事件中所有出现暴雨的观测台站的位置,划定一个矩形,所述矩形包含该暴雨事件中80%以上出现暴雨的观测台站;所述矩形的大小为暴雨区域大小,所述矩形的形状为暴雨雨带形状,所述矩形的中心位置为暴雨中心位置。
7.根据权利要求1所述的基于主导环流的电网暴雨灾害预报偏差的预报方法,其特征在于,得到不同主导环流下电网暴雨灾害预报偏差,为:用百分之百减去满足电网灾害发生需要的降水阈值区间的降水发生的概率,得到不同主导环流下电网暴雨灾害预报偏差。
8.根据权利要求1至7中任一项所述的基于主导环流的电网暴雨灾害预报偏差的预报方法,其特征在于,所述历年为近30年。
9.一种计算机系统,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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910815461.7A CN110542936B (zh) | 2019-08-30 | 2019-08-30 | 基于主导环流的电网暴雨灾害预报偏差的预报方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910815461.7A CN110542936B (zh) | 2019-08-30 | 2019-08-30 | 基于主导环流的电网暴雨灾害预报偏差的预报方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110542936A CN110542936A (zh) | 2019-12-06 |
CN110542936B true CN110542936B (zh) | 2021-08-31 |
Family
ID=68711070
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910815461.7A Active CN110542936B (zh) | 2019-08-30 | 2019-08-30 | 基于主导环流的电网暴雨灾害预报偏差的预报方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110542936B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110908014B (zh) * | 2019-12-11 | 2021-11-02 | 国网湖南省电力有限公司 | 舞动精细化订正预报方法及系统 |
CN111352174B (zh) * | 2020-03-20 | 2021-05-28 | 山东省气象科学研究所 | 一种数值天气预报及格点客观预报产品选优方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3455213B1 (ja) * | 2002-04-18 | 2003-10-14 | 有限会社山口ティー・エル・オー | 土砂災害の発生限界線、警戒基準線及び避難基準線の設定方法とそのプログラム及び警戒避難支援システム |
CN105512767B (zh) * | 2015-12-15 | 2019-06-11 | 武汉大学 | 一种多预见期的洪水预报方法 |
CN109725371A (zh) * | 2018-12-24 | 2019-05-07 | 深圳市六韬天气科技有限公司 | 基于低频流场图的华南地区台风和暴雨的预测方法 |
-
2019
- 2019-08-30 CN CN201910815461.7A patent/CN110542936B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN110542936A (zh) | 2019-12-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103336860B (zh) | 一种电网风速分布图生成方法 | |
Rousta et al. | Analysis of spatial autocorrelation patterns of heavy and super-heavy rainfall in Iran | |
CN102156793B (zh) | 一种输电线路覆冰等级划分系统 | |
CN104851051A (zh) | 一种结合动态修正的电网区域暴雨量精细化预警方法 | |
CN110542936B (zh) | 基于主导环流的电网暴雨灾害预报偏差的预报方法和系统 | |
CN104182594A (zh) | 一种电力系统风区图的绘制方法 | |
KR101383617B1 (ko) | 일사량 예측 방법 및 장치 | |
CN108595872B (zh) | 一种电网在线安全稳定分析方法 | |
CN111612315A (zh) | 一种新型电网灾害性大风预警方法 | |
CN104463700A (zh) | 一种基于数据挖掘技术的输电线路杆塔雷击风险评估方法 | |
CN109518732B (zh) | 电网通道降水型滑坡灾害的致灾降水阈值划分方法及系统 | |
CN107506856B (zh) | 基于风场预测的输电线路舞动形势判别方法及系统 | |
CN105278004A (zh) | 一种电网输电线路区段的气象情况分析方法 | |
CN115689168A (zh) | 一种基于积水预测的积水应急调度方法 | |
CN107066689B (zh) | 一种输电线路风偏故障的气象风险预警方法 | |
CN107316109B (zh) | 架空线路冬季近地面风速预测方法、系统及装置 | |
Wu et al. | Extension of power system early-warning defense schemes by integrating typhoon information | |
CN114545097B (zh) | 一种基于多要素动态权重算法的雷电预警研判方法 | |
CN113609752A (zh) | 一种面向西南涡的配电变压器损失评估系统及方法 | |
CN113191535A (zh) | 一种大风灾害预警中设计风速修正方法 | |
CN112382977A (zh) | 一种输电线路差异化防雷方法及系统 | |
Li et al. | Mountain effect and differences in storm floods between northern and southern sources of the Songhua River Basin | |
CN113822491B (zh) | 一种输电线路舞动微地形的识别方法及系统 | |
CN110543542B (zh) | 用于变电设备的暴雨淹没灾害分布图的绘制方法及系统 | |
Li et al. | Construction of Early Warning Model for Heavy Rainfall Disaster on Transmission Lines |
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 |