CN110633818A - 一种配电网台风风灾预警方法及系统 - Google Patents
一种配电网台风风灾预警方法及系统 Download PDFInfo
- Publication number
- CN110633818A CN110633818A CN201810651394.5A CN201810651394A CN110633818A CN 110633818 A CN110633818 A CN 110633818A CN 201810651394 A CN201810651394 A CN 201810651394A CN 110633818 A CN110633818 A CN 110633818A
- Authority
- CN
- China
- Prior art keywords
- wind
- disaster
- distribution network
- early warning
- information
- 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.)
- Granted
Links
- 238000009826 distribution Methods 0.000 title claims abstract description 225
- 238000000034 method Methods 0.000 title claims abstract description 91
- 230000008569 process Effects 0.000 claims abstract description 61
- 238000004458 analytical method Methods 0.000 claims description 19
- 238000012545 processing Methods 0.000 claims description 13
- 238000012360 testing method Methods 0.000 claims description 13
- 238000007689 inspection Methods 0.000 claims description 8
- 238000011084 recovery Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000003491 array Methods 0.000 claims description 2
- 238000010276 construction Methods 0.000 claims description 2
- 238000013461 design Methods 0.000 claims description 2
- 238000011160 research Methods 0.000 abstract description 6
- 230000002265 prevention Effects 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 10
- 238000004590 computer program Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000001788 irregular Effects 0.000 description 4
- 230000008439 repair process Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008033 biological extinction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000001131 transforming effect Effects 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
- 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
- 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
-
- 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
- Y02A50/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE in human health protection, e.g. against extreme weather
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Environmental & Geological Engineering (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Operations Research (AREA)
- Primary Health Care (AREA)
- Quality & Reliability (AREA)
- Life Sciences & Earth Sciences (AREA)
- Atmospheric Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Ecology (AREA)
- Environmental Sciences (AREA)
- Alarm Systems (AREA)
Abstract
本发明提供了一种配电网台风风灾预警方法。该法包括:将多普勒天气雷达风场临近预报信息和中尺度数值天气预报台风风场预报信息投影到预先设计的配电网风灾预警网格中,并将得到的每个网格的临近预报风矢量参数和台风风场预报参数带入预设的风灾过程概率模型,得到配电网台风风灾预警预报信息。本发明提供的技术方案应用孕灾环境和承灾体参数,建立风灾事故密度的统计关联模型,再结合中尺度数值天气预报台风风场预报产品得到配电网台风风灾预警信息,为电网台风防灾与应急措施研究提供必要的预警预报信息。
Description
技术领域
本发明涉及电网防灾技术领域,具体涉及一种配电网台风风灾预警方法及系统。
背景技术
电力系统是涉及发、输、变、配、用等多个环节的庞大复杂系统,其安全运行与气象环境密切相关。其中,配电网是易受强风冲击的主要对象。统计数据显示,登陆台风影响下的配网倒断杆事故频繁发生,其严重程度远大于对主网输变电设备的影响。同时,台风风灾过境往往还会导致各类次生灾害的发生,在影响了电网安全稳定运行的同时对应急抢修、快速复电提出了很高的技术要求。因此,在电力负荷稳定需求的大前提下,上述问题的紧迫性显著增强,研发针对台风风灾的电网安全预警已刻不容缓。
研究发现,目前,面向输配电的台风强风风灾实时监测与预警能力目前大多处在探索阶段,电力公司缺乏有效的强风监测手段与颗粒度足够精细的预警、预报关键数据源,由此导致风灾预警的针对性不强,灾害区域锁定范围粗放,事故应对的准备预案不够充分,应急响应能力与物资调配效率存在瓶颈。
目前,在台风预警、预测技术方面,专业气象机构通过多年的发展升级已初步具备了较为精确的台风路径预警能力。其不断发展的中尺度数值天气预报系统,研究了近海台风的涡旋初始化和台风动力结构研究等关键技术,使得气象科学领域对台风发展、移动以及消亡等环节的分析、原理阐述以及预报技术的掌握得到了显著提升。然而,如何将上述较为有效的技术引入到电网防灾领域,加强气象环境与电力系统设备、设施之间的灾害规律分析,目前尚未开展充分的论证与研究。气象环境的预警并不能直观、充分地揭示输配电环节受灾、电力设备设施损坏事故的规律,加强电力、气象间跨专业关联研究,事实证明十分必要。
发明内容
针对配电网台风风灾预警与应急抢修需求,应用中尺度数值天气预报台风风场预报产品、配电网基础台账数据、地理信息数据与土地利用类型数据,本发明提出一种配电网台风风灾预警方法,通过中尺度数值天气预报台风风场预报产品以及配电网基础台账数据的关联,同时应用地理信息数据与土地利用类型数据,对配电网历史风灾故障记录进行回溯与解释,从而得到不同地理环境、风况条件及配电网自身特征综合影响下的台风风灾预警模型,为电网台风防灾与应急措施研究提供必要的预警预报信息。
本发明提供的技术方案是:
一种配电网台风风灾预警方法,包括:
将多普勒天气雷达风场临近预报信息投影到预先设计的配电网风灾预警网格中,得到每个网格的临近预报风矢量参数;
将中尺度数值天气预报台风风场预报信息投影到预先设计的配电网风灾预警网格中,得到每个网格的台风风场预报参数;
将所述临近预报风矢量参数和台风风场预报参数,带入预设的风灾过程概率模型,得到配电网台风风灾预警预报信息;
所述风灾过程概率模型包括:孕灾环境信息、承灾体信息以及多普勒天气雷达风场历史信息在预先设计的配电网风灾预警网格上的投影。
优选的,所述风灾过程概率模型的构建包括:
将多普勒天气雷达风场历史信息投影到配电网风灾预警网格中,得到每个网格的历史风矢量参数;
将孕灾环境信息和承灾体信息投影到配电网风灾预警网格中,得到每个网格的孕灾环境参数和承灾体参数;
依据所述孕灾环境参数和承灾体参数,以及历史风矢量参数,建立配电网风灾过程概率模型,并对所述风灾过程概率模型进行检验;
其中,所述孕灾环境信息包括数字高程信息和下垫面信息,所述承灾体信息包括配电网基础台账信息和历史风灾记录信息;所述多普勒天气雷达风场历史信息包括历史台风风场信息和历史风灾风场信息。
优选的,所述配电网风灾预警网格的设计包括:
根据历史灾情统计中风灾故障分布情况,在配电网结构拓扑中对风灾故障进行定位;
分析所述定位的风灾故障分布特点,定义风灾预警最小颗粒度;
依据风灾预警最小颗粒度划分配电网结构拓扑,得到配电网风灾预警网格。
进一步的,所述的多普勒天气雷达风场信息的投影包括:
获取雷达基站经纬度定位信息;
进行多普勒天气雷达TREC风场数据BIN文件解析,得到BIN文件的文本规则;
依据所述BIN文件的文本规则,将所述多普勒天气雷达TREC风场数据由极坐标系转换为电网GIS通用坐标系,并将转换到GIS通用坐标系中的所述TREC风场信息,投影到配电网风灾预警网格上,得到每个网格的风矢量信息;
基于所述风矢量信息,计算每个网格内的最大风速、平均风速、矢量平均风向,组成每个网格的风矢量参数;
其中,TREC表示雷达回波跟踪。
优选的,所述将获取的中尺度数值天气预报台风风场预报信息投影到预先设计的配电网风灾预警网格中,得到每个网格的台风风场预报参数,包括:
对中尺度数值天气预报模式的计算域进行调整,将所述中尺度数值天气预报网格中心点与格距设置为与配电网风灾预警网格相一致;
解析中尺度数值天气预报中设定时间范围内的预报文本,根据配电网风灾预警网格和所述解析的预报文本,获取每个配电网风灾预警网格中的风速、风向预报信息,组成台风风场预报参数。
进一步的,所述将预先采集的孕灾环境信息和承灾体信息投影到配电网风灾预警网格上,得到每个网格的孕灾环境参数和承灾体参数,包括:
将数字高程信息投影到配电网风灾预警网格上,所述数字高程信息包括海拔高度、坡位、坡向,计算每个网格的平均海拔、最大海拔高差、矢量平均坡向,组成每个网格的配电网地形特征参数;
将下垫面信息投影到配电网风灾预警网格上,所述下垫面信息包括下垫面土地利用类型及所述土地利用类型的数字代码,计算每个网格中下垫面信息的主要占比,获取占比最多的两种土地利用类型,按占比高低顺序组成的一维数组作为每个网格的下垫面特征参数;
将配电网基础台账信息投影到配电网风灾预警网格上,所述配电网基础台账信息包括杆或塔编号、位置、杆或塔型制、线路敷设方式,统计每个网格的杆或塔型制、类别及其数量,以及架空线路长度,组成每个网格的配电网承灾体特征参数;
将历史风灾记录信息投影到配电网风灾预警网格上,所述历史风灾记录信息包括风灾发生时间、经纬度位置、承灾体型制数据,依据历史风灾发生经纬度位置统计每个网格的历史风灾数量,得到风灾空间分布特征参数。
进一步的,所述依据所述孕灾环境参数和承灾体参数,以及历史风矢量参数,建立配电网风灾过程概率模型,并对所述风灾过程概率模型进行检验,包括:
依据风灾空间分布特征参数,以历史风灾概率自高至低为序,对配电网风灾预警网格进行重要性排序,选择风灾发生频次在设定比例内排序靠前的网格作为检验样本;
以配电网风灾预警网格为对象,依据贝叶斯网络模型,给出不同承灾体特征参数、地形特征参数以及下垫面特征参数条件下,不同历史风矢量参数影响下的历史风灾概率模型,并利用所述检验样本,对风灾过程的概率模型进行检验,给出通过检验的风灾过程概率模型。
优选的,所述将所述临近预报风矢量参数和台风风场预报参数,带入预设的风灾过程概率模型,得到配电网台风风灾预警预报信息,包括:
依据临近预报风矢量参数和台风风场预报参数,结合承灾体特征参数、地形特征参数、下垫面特征参数和历史风矢量统计参数,给出每个网格的临近时刻和未来设定时间范围的承灾体型制、风量的台风风灾预警预报信息。
一种配电网台风风灾预警系统,所述系统包括:
临近风场信息模块,用于将多普勒天气雷达风场临近预报信息投影到预先设计的配电网风灾预警网格中,获得每个网格的临近预报风矢量参数;
台风风场预报信息模块,用于将中尺度数值天气预报台风风场预报信息投影到预先设计的配电网风灾预警网格中,获得每个网格的台风风场预报参数;
配电网风灾预警模块,用于利用孕灾环境信息、承灾体信息以及多普勒天气雷达风场历史信息在预先设计的配电网风灾预警网格上的投影建立配电网风灾过程概率模型,并将临近预报风矢量参数和台风风场预报参数,带入预设的风灾过程概率模型,得到配电网台风风灾预警预报信息。
所述临近风场信息模块包括:数据读取单元、解析单元;
数据读取单元:用于读取多普勒天气雷达风场临近预报信息;
解析单元:用于对多普勒天气雷达风场临近预报信息投影到配电网风灾预警网格上,计算每个网格内的最大风速、平均风速、矢量平均风向,组成每个网格的临近预报风矢量参数。
所述台风风场预报信息模块包括:数据读取单元、解析单元;
数据读取单元:用于读取中尺度数值天气预报台风风场预报信息;
解析单元:用于将中尺度数值天气预报台风风场预报信息投影到配电网风灾预警网格上,获取每个配电网风灾预警网格中的风速、风向预报信息,组成台风风场预报参数。
所述配电网风灾预警模块包括:配电网风灾预警网格单元、历史风场信息单元、样本单元、参数处理单元、概率模型建立单元、输入单元和输出单元;
配电网风灾预警网格单元,用于依据配电网结构拓扑,结合历史灾情统计中风灾故障分布情况,定义风灾预警最小颗粒度,划分配电网风灾预警网格;
历史风场信息单元,用于将多普勒天气雷达风场风场历史信息投影到配电网风灾预警网格中,获得每个网格的历史风矢量参数;
样本单元:用于按照检验需求,以历史风灾概率自高至低为序,取风灾发生频次在设定比例内排序靠前的配电网风灾预警网格作为风灾过程概率模型的检验样本;
参数处理单元:用于将孕灾环境信息和承灾体信息投影到配电网风灾预警网格上,得到每个配电网风灾预警网格的孕灾环境参数和承灾体参数;
概率模型建立单元:用于利用贝叶斯网络模型,根据不同承灾体特征参数、地形特征参数、下垫面特征参数、不同历史风矢量参数,建立风灾过程概率模型;
输入单元:读取临近预报风矢量参数和台风风场预报参数,作为风灾过程概率模型的输入;
输出单元:以临近或未来时间范围的承灾体型制、风量的分析预报为输出,给出临近时刻与未来时间范围两种不同预见期的配电网预警预报信息。
与现有技术相比,本发明的有益效果为:
本发明提供一种配电网台风风灾预警方法,将多普勒天气雷达风场临近预报信息投影到预先设计的配电网风灾预警网格中,得到每个网格的临近预报风矢量参数;将中尺度数值天气预报台风风场预报信息投影到预先设计的配电网风灾预警网格中,得到每个网格的台风风场预报参数;将所述临近预报风矢量参数和台风风场预报参数,带入预设的风灾过程概率模型,得到配电网台风风灾预警预报信息。
本发明提供的技术方案针对配电网台风风灾预警与应急抢修需求,应用配电网台风风灾历史数据、地理信息数据与土地利用类型数据,建立配电网单元风灾事故密度的统计关联模型,再结合中尺度数值天气预报台风风场预报产品得到配电网台风风灾预警信息,有效弥补当前研究领域的空白。
附图说明
图1为本发明的配电网台风风灾预警方法流程图;
图2为本发明实施例中配电网台风风灾预警方法实施流程框图;
图3为本发明的配电网台风风灾预警系统的结构示意图。
具体实施方式
为了更好地理解本发明,下面结合说明书附图和实例对本发明作进一步详细说明。显然,所描述的实施例是本发明的一部分实施例,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做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
针对配电网台风风灾预警与应急抢修需求,本专利提出综合应用配电网基础台账数据、地理信息数据与土地利用类型数据的台风风灾概率模型,通过对配电网历史风灾故障记录进行回溯,得到不同地理环境、风况条件及配电网自身特征综合影响下风灾基本特征,建立台风风灾概率模型,结合中尺度数值天气预报台风风场预报产品,得到临近时刻与未来时刻的配电网风灾预警信息。
实施例1:
本发明实施例提供的配电网台风风灾预警方法,其具体实施过程如图1所示,包括:
S101:将多普勒天气雷达风场临近预报信息投影到预先设计的配电网风灾预警网格中,得到每个网格的临近预报风矢量参数;
S102:将中尺度数值天气预报台风风场预报信息投影到预先设计的配电网风灾预警网格中,得到每个网格的台风风场预报参数;
S103:将所述临近预报风矢量参数和台风风场预报参数,带入预设的风灾过程概率模型,得到配电网台风风灾预警预报信息。
具体如图2所示。
具体的,步骤S101,这一步骤将多普勒天气雷达风场临近预报信息投影到预先设计的配电网风灾预警网格中,得到每个网格的临近预报风矢量参数,具体实施过程如下:
步骤S101-1,首先构建配电网风灾预警网格,具体步骤为:
步骤S101-1-1,依据配电网结构拓扑,结合历史灾情统计中风灾故障分布情况,并利用电力GIS系统获取的配电网基础台账信息对风灾故障进行定位;
步骤S101-1-2,分析故障分布特点给出网格化的风灾预警水平分辨率,定义风灾预警最小颗粒度,确定风灾最小预报单位;
步骤S101-1-3,对配电网进行细分,依据所述风灾最小预报单位,将所述配电网在平面上由原本的不规则几何形态转变为由风灾最小预报单位形成的正方形微元所组成的不规则网格分布形态;
本实施例中,采用3km×3km的网格颗粒度,对某局部配电网进行细分,即该配电网在平面上由原本的不规则几何形态转变为由n个正方形微元所组成的不规则网格分布形态;
设每个网格定义为空间上固定的配网风灾预警单元,从而以较为细小的颗粒度为单位,区分该局部配电网不同区域将可能遭受的不同等级的强风灾害;设该局部配电网的面积为A,单位为平方公里,经预警颗粒度分析后共有n个网格。由于每个网格的水平分辨率设置为3km×3km,所以A=9×n;
步骤S101-4,依据如下步骤,将多普勒天气雷达临近风场信息投影到配电网风灾预警网格中,具体包括:
步骤S101-4-1,雷达基站经纬度定位;
步骤S101-4-2,临近TREC风场数据BIN文件解析;
步骤S101-4-3,临近TREC风场数据由极坐标系转换为电网GIS通用坐标系,实现水平分辨率为1km×1km的风速数据的GIS空间定位;
步骤S101-4-4,依据配网风灾预警网格的1km×1km风速监测信息网格从属关系划分;
具体的,步骤S102,这一步骤根据步骤S101形成的配电网风灾预警网格,定制区域中尺度模式基础网格点、格距,生成与配电网风灾预警网格相一致的数值天气预报格点预报信息,具体实施过程如下:
步骤S102-1,对中尺度数值天气预报模式的计算域进行调整,将其网格中心点与格距设置为与配电网风灾预警网格相一致;
步骤S102-2,解析中尺度数值天气预报0-72h预报文本,提取3km×3km网格上风速、风向预报信息,每组风速、风向预报信息组成台风风场预报参数。
具体的,步骤S103,这一步骤根据步骤S101形成的配电网风灾预警网格,先进行孕灾环境与承灾体分析,得到孕灾环境参数和承灾体参数;然后依据步骤S101-4相同的过程,将多普勒天气雷达历史风场信息投影到配电网风灾预警网格,得到历史风矢量参数;再根据孕灾环境参数、承灾体参数和历史风矢量参数建立配电网风灾过程概率模型,最后利用通过检验的风灾过程概率模型,以临近时刻风矢量参数、0-72h数值天气预报台风风场预报参数为输入,分别得到临近时刻与未来0-72h的配电网各3km×3km网格上的风灾预警信息,具体实施过程如下:
步骤S103-1,进行数字高程信息的网格化处理,过程如下:
步骤S103-1-1,提取分辨率不低于90m的数字高程信息,包括海拔高度、坡位、坡向;
步骤S103-1-2,依据配网风灾预警网格,对空间上从属于某3km×3km网格的数字高程信息进行划分;
步骤S103-2,进行下垫面信息的网格化处理,过程如下:
步骤S103-2-1,利用USGS数据集,提取分辨率为1km×1km的下垫面信息;
步骤S103-2-2,下垫面信息的数值化方面,沿用原1km×1km分辨率的下垫面土地利用类型及其固定的数字代码;
步骤S103-2-3,依据配网风灾预警网格,对空间上从属于某3km×3km网格的下垫面信息进行划分;
步骤S103-2-4,计算每个网格内下垫面信息的主要占比,以占比最多的两种土地利用类型α1、α2按先后顺序组成一维数组Ai=(αn,1,αn,2),其中i=1,2,……,n,得到网格的下垫面特征参数;
步骤S103-3,进行配电网台账信息的网格化处理,过程如下:
步骤S103-3-1,获取局部配电网基础台账数据,包括杆或塔编号、位置、杆或塔型制、线路敷设方式等;
步骤S103-3-2,依据配网风灾预警网格,对空间上从属于某3km×3km网格的配电网台账信息进行划分;
步骤S103-3-3,统计每个3km×3km网格内的杆或塔型制、类别及其数量,以及架空线路长度,由上述数据组成网格的配电网承灾体特征参数;
步骤S103-4,进行历史风灾记录信息的网格化处理,过程如下:
步骤S103-4-1,获取风灾发生时间、经纬度位置、承灾体型制等数据;
步骤S103-4-2,依据风灾发生经纬度位置和配网风灾预警网格,对每个3km×3km网格内的历史风灾数量进行统计,给出网格的风灾空间分布特征参数;
步骤S103-5,依据步骤S101-4相同的过程,将多普勒天气雷达历史风场信息投影到配电网风灾预警网格,得到历史风矢量参数;其中,多普勒天气雷达风场历史信息包括历史台风风场信息和历史风灾风场信息;
步骤S103-6,依据贝叶斯网络模型,建立风灾过程概率模型,并利用检验样本,对风灾过程概率模型进行检验,具体步骤如下:
步骤S103-6-1,以历史风灾概率自高至低为序,对配电网风灾预警网格进行重要性排序,优先选择前10%,即有记录以来风灾损失最为频繁的前10%为检验样本;
步骤S103-6-2,以配电网风灾预警网格为对象,建立贝叶斯网络模型,给出不同承灾体特征参数、地形特征参数以及下垫面特征参数条件下,不同风矢量参数信息影响下的历史风灾概率;
步骤S103-6-3,利用检验样本,对风灾过程的概率模型进行检验;
步骤S103-6-4,给出通过检验的风灾过程概率模型;
步骤S103-7,利用通过检验的风灾过程概率模型,以多普勒雷达TREC风场、0-72h数值天气预报台风风场预报为输入,分别得到临近时刻与未来0-72h的配电网各3km×3km网格上的风灾预警信息。
实施例2:
基于同一发明构思,本发明还提供一种配电网台风风灾预警系统,如图3所示,所述系统包括:
临近风场信息模块,用于将多普勒天气雷达风场临近预报信息投影到预先设计的配电网风灾预警网格中,获得每个网格的临近预报风矢量参数;
台风风场预报信息模块,用于将中尺度数值天气预报台风风场预报信息投影到预先设计的配电网风灾预警网格中,获得每个网格的台风风场预报参数;
配电网风灾预警模块,用于利用孕灾环境信息、承灾体信息以及多普勒天气雷达风场历史信息在预先设计的配电网风灾预警网格上的投影建立配电网风灾过程概率模型,并将临近预报风矢量参数和台风风场预报参数,带入预设的风灾过程概率模型,得到配电网台风风灾预警预报信息。
所述临近风场信息模块包括:数据读取单元、解析单元;
数据读取单元:用于读取多普勒天气雷达风场临近预报信息;
解析单元:用于对多普勒天气雷达风场临近预报信息投影到配电网风灾预警网格上,计算每个网格内的最大风速、平均风速、矢量平均风向,组成每个网格的临近预报风矢量参数。
所述台风风场预报信息模块包括:数据读取单元、解析单元;
数据读取单元:用于读取中尺度数值天气预报台风风场预报信息;
解析单元:用于将中尺度数值天气预报台风风场预报信息投影到配电网风灾预警网格上,获取每个配电网风灾预警网格中的风速、风向预报信息,组成台风风场预报参数。
所述配电网风灾预警模块包括:配电网风灾预警网格单元、历史风场信息单元、样本单元、参数处理单元、概率模型建立单元、输入单元和输出单元;
配电网风灾预警网格单元,用于依据配电网结构拓扑,结合历史灾情统计中风灾故障分布情况,定义风灾预警最小颗粒度,划分配电网风灾预警网格;
历史风场信息单元,用于将多普勒天气雷达风场风场历史信息投影到配电网风灾预警网格中,获得每个网格的历史风矢量参数;
样本单元:用于按照检验需求,以历史风灾概率自高至低为序,取风灾发生频次在设定比例内排序靠前的配电网风灾预警网格作为风灾过程概率模型的检验样本;
参数处理单元:用于将孕灾环境信息和承灾体信息投影到配电网风灾预警网格上,得到每个配电网风灾预警网格的孕灾环境参数和承灾体参数;
概率模型建立单元:用于利用贝叶斯网络模型,根据不同承灾体特征参数、地形特征参数、下垫面特征参数、不同历史风矢量参数,建立风灾过程概率模型;
输入单元:读取临近预报风矢量参数和台风风场预报参数,作为风灾过程概率模型的输入;
输出单元:以临近或未来时间范围的承灾体型制、风量的分析预报为输出,给出临近时刻与未来时间范围两种不同预见期的配电网预警预报信息。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上仅为本发明的实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均包含在申请待批的本发明的权利要求范围之内。
Claims (12)
1.一种配电网台风风灾预警方法,其特征在于,包括:
将多普勒天气雷达风场临近预报信息投影到预先设计的配电网风灾预警网格中,得到每个网格的临近预报风矢量参数;
将中尺度数值天气预报台风风场预报信息投影到预先设计的配电网风灾预警网格中,得到每个网格的台风风场预报参数;
将所述临近预报风矢量参数和台风风场预报参数,带入预设的风灾过程概率模型,得到配电网台风风灾预警预报信息;
所述风灾过程概率模型包括:孕灾环境信息、承灾体信息以及多普勒天气雷达风场历史信息在预先设计的配电网风灾预警网格上的投影。
2.如权利要求1所述的配电网台风风灾预警方法,其特征在于,所述风灾过程概率模型的构建包括:
将多普勒天气雷达风场历史信息投影到配电网风灾预警网格中,得到每个网格的历史风矢量参数;
将孕灾环境信息和承灾体信息投影到配电网风灾预警网格中,得到每个网格的孕灾环境参数和承灾体参数;
依据所述孕灾环境参数和承灾体参数,以及历史风矢量参数,建立配电网风灾过程概率模型,并对所述风灾过程概率模型进行检验;
其中,所述孕灾环境信息包括数字高程信息和下垫面信息,所述承灾体信息包括配电网基础台账信息和历史风灾记录信息;所述多普勒天气雷达风场历史信息包括历史台风风场信息和历史风灾风场信息。
3.如权利要求1所述的配电网台风风灾预警方法,其特征在于,所述配电网风灾预警网格的设计包括:
根据历史灾情统计中风灾故障分布情况,在配电网结构拓扑中对风灾故障进行定位;
分析所述定位的风灾故障分布特点,定义风灾预警最小颗粒度;
依据风灾预警最小颗粒度划分配电网结构拓扑,得到配电网风灾预警网格。
4.根据权利要求1或权利要求2任意一条所述的多普勒天气雷达风场信息的投影包括:
获取雷达基站经纬度定位信息;
进行多普勒天气雷达TREC风场数据BIN文件解析,得到BIN文件的文本规则;
依据所述BIN文件的文本规则,将所述多普勒天气雷达TREC风场数据由极坐标系转换为电网GIS通用坐标系,并将转换到GIS通用坐标系中的所述TREC风场信息,投影到配电网风灾预警网格上,得到每个网格的风矢量信息;
基于所述风矢量信息,计算每个网格内的最大风速、平均风速、矢量平均风向,组成每个网格的风矢量参数;
其中,TREC为雷达回波相关跟踪法。
5.如权利要求1所述的配电网台风风灾预警方法,其特征在于,所述将获取的中尺度数值天气预报台风风场预报信息投影到预先设计的配电网风灾预警网格中,得到每个网格的台风风场预报参数,包括:
对中尺度数值天气预报模式的计算域进行调整,将所述中尺度数值天气预报网格中心点与格距设置为与配电网风灾预警网格相一致;
解析中尺度数值天气预报中设定时间范围内的预报文本,根据配电网风灾预警网格和所述解析的预报文本,获取每个配电网风灾预警网格中的风速、风向预报信息,组成台风风场预报参数。
6.如权利要求2所述的配电网台风风灾预警方法,其特征在于,所述将预先采集的孕灾环境信息和承灾体信息投影到配电网风灾预警网格上,得到每个网格的孕灾环境参数和承灾体参数,包括:
将数字高程信息投影到配电网风灾预警网格上,所述数字高程信息包括海拔高度、坡位、坡向,计算每个网格的平均海拔、最大海拔高差、矢量平均坡向,组成每个网格的配电网地形特征参数;
将下垫面信息投影到配电网风灾预警网格上,所述下垫面信息包括下垫面土地利用类型及所述土地利用类型的数字代码,计算每个网格中下垫面信息的主要占比,获取占比最多的两种土地利用类型,按占比高低顺序组成的一维数组作为每个网格的下垫面特征参数;
将配电网基础台账信息投影到配电网风灾预警网格上,所述配电网基础台账信息包括杆或塔编号、位置、杆或塔型制、线路敷设方式,统计每个网格的杆或塔型制、类别及其数量,以及架空线路长度,组成每个网格的配电网承灾体特征参数;
将历史风灾记录信息投影到配电网风灾预警网格上,所述历史风灾记录信息包括风灾发生时间、经纬度位置、承灾体型制数据,依据历史风灾发生经纬度位置统计每个网格的历史风灾数量,得到风灾空间分布特征参数。
7.如权利要求6所述的配电网台风风灾预警方法,其特征在于,所述依据所述孕灾环境参数和承灾体参数,以及历史风矢量参数,建立配电网风灾过程概率模型,并对所述风灾过程概率模型进行检验,包括:
依据风灾空间分布特征参数,以历史风灾概率自高至低为序,对配电网风灾预警网格进行重要性排序,选择风灾发生频次在设定比例内排序靠前的网格作为检验样本;
以配电网风灾预警网格为对象,依据贝叶斯网络模型,给出不同承灾体特征参数、地形特征参数以及下垫面特征参数条件下,不同历史风矢量参数影响下的历史风灾概率模型,并利用所述检验样本,对风灾过程的概率模型进行检验,给出通过检验的风灾过程概率模型。
8.如权利要求1所述的配电网台风风灾预警方法,其特征在于,所述将所述临近预报风矢量参数和台风风场预报参数,带入预设的风灾过程概率模型,得到配电网台风风灾预警预报信息,包括:
依据临近预报风矢量参数和台风风场预报参数,结合承灾体特征参数、地形特征参数、下垫面特征参数和历史风矢量统计参数,给出每个网格的临近时刻和未来设定时间范围的承灾体型制、风量的台风风灾预警预报信息。
9.一种配电网台风风灾预警系统,其特征在于,包括:
临近风场信息模块,用于将多普勒天气雷达风场临近预报信息投影到预先设计的配电网风灾预警网格中,获得每个网格的临近预报风矢量参数;
台风风场预报信息模块,用于将中尺度数值天气预报台风风场预报信息投影到预先设计的配电网风灾预警网格中,获得每个网格的台风风场预报参数;
配电网风灾预警模块,用于利用孕灾环境信息、承灾体信息以及多普勒天气雷达风场历史信息在预先设计的配电网风灾预警网格上的投影建立配电网风灾过程概率模型,并将临近预报风矢量参数和台风风场预报参数,带入预设的风灾过程概率模型,得到配电网台风风灾预警预报信息。
10.如权利要求9所述的配电网台风风灾预警系统,其特征在于,所述临近风场信息模块包括:数据读取单元、解析单元;
数据读取单元:用于读取多普勒天气雷达风场临近预报信息;
解析单元:用于对多普勒天气雷达风场临近预报信息投影到配电网风灾预警网格上,计算每个网格内的最大风速、平均风速、矢量平均风向,组成每个网格的临近预报风矢量参数。
11.如权利要求9所述的配电网台风风灾预警系统,其特征在于,所述台风风场预报信息模块包括:数据读取单元、解析单元;
数据读取单元:用于读取中尺度数值天气预报台风风场预报信息;
解析单元:用于将中尺度数值天气预报台风风场预报信息投影到配电网风灾预警网格上,获取每个配电网风灾预警网格中的风速、风向预报信息,组成台风风场预报参数。
12.如权利要求9所述的配电网台风风灾预警系统,其特征在于,所述配电网风灾预警模块包括:配电网风灾预警网格单元、历史风场信息单元、样本单元、参数处理单元、概率模型建立单元、输入单元和输出单元;
配电网风灾预警网格单元,用于依据配电网结构拓扑,结合历史灾情统计中风灾故障分布情况,定义风灾预警最小颗粒度,划分配电网风灾预警网格;
历史风场信息单元,用于将多普勒天气雷达风场风场历史信息投影到配电网风灾预警网格中,获得每个网格的历史风矢量参数;
样本单元:用于按照检验需求,以历史风灾概率自高至低为序,取风灾发生频次在设定比例内排序靠前的配电网风灾预警网格作为风灾过程概率模型的检验样本;
参数处理单元:用于将孕灾环境信息和承灾体信息投影到配电网风灾预警网格上,得到每个配电网风灾预警网格的孕灾环境参数和承灾体参数;
概率模型建立单元:用于利用贝叶斯网络模型,根据不同承灾体特征参数、地形特征参数、下垫面特征参数、不同历史风矢量参数,建立风灾过程概率模型;
输入单元:读取临近预报风矢量参数和台风风场预报参数,作为风灾过程概率模型的输入;
输出单元:以临近或未来时间范围的承灾体型制、风量的分析预报为输出,给出临近时刻与未来时间范围两种不同预见期的配电网预警预报信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810651394.5A CN110633818B (zh) | 2018-06-22 | 2018-06-22 | 一种配电网台风风灾预警方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810651394.5A CN110633818B (zh) | 2018-06-22 | 2018-06-22 | 一种配电网台风风灾预警方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110633818A true CN110633818A (zh) | 2019-12-31 |
CN110633818B CN110633818B (zh) | 2022-11-11 |
Family
ID=68967096
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810651394.5A Active CN110633818B (zh) | 2018-06-22 | 2018-06-22 | 一种配电网台风风灾预警方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110633818B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111353217A (zh) * | 2020-02-19 | 2020-06-30 | 中山大学 | 台风路径预测的方法、设备、计算机设备和存储介质 |
CN113222423A (zh) * | 2021-05-19 | 2021-08-06 | 南方电网数字电网研究院有限公司 | 电网设备的台风监测方法 |
CN113298295A (zh) * | 2021-05-06 | 2021-08-24 | 国网河南省电力公司电力科学研究院 | 一种面向电力生产的气象预报系统 |
CN113313291A (zh) * | 2021-05-06 | 2021-08-27 | 国网河南省电力公司电力科学研究院 | 一种基于初值扰动的电网风灾集合预报以及验证方法 |
CN115114873A (zh) * | 2022-08-31 | 2022-09-27 | 中国海洋大学 | 海洋环境重现期设计标准推算方法与系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102254239A (zh) * | 2011-06-01 | 2011-11-23 | 福建省电力有限公司 | 基于微地形风场分布及台风叠加效应的电网风灾预警系统 |
CN103177301A (zh) * | 2013-03-12 | 2013-06-26 | 南京信息工程大学 | 一种台风灾害风险预估方法 |
CN103337133A (zh) * | 2013-06-14 | 2013-10-02 | 广东电网公司中山供电局 | 基于识别预报技术的电网雷暴灾害预警系统及方法 |
CN104050518A (zh) * | 2014-07-04 | 2014-09-17 | 国家电网公司 | 一种基于多普勒天气雷达的电网对流致灾大风预警方法 |
CN104156525A (zh) * | 2014-08-05 | 2014-11-19 | 天津大学 | 一种提高风暴潮灾害风险预测精度的方法 |
-
2018
- 2018-06-22 CN CN201810651394.5A patent/CN110633818B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102254239A (zh) * | 2011-06-01 | 2011-11-23 | 福建省电力有限公司 | 基于微地形风场分布及台风叠加效应的电网风灾预警系统 |
CN103177301A (zh) * | 2013-03-12 | 2013-06-26 | 南京信息工程大学 | 一种台风灾害风险预估方法 |
CN103337133A (zh) * | 2013-06-14 | 2013-10-02 | 广东电网公司中山供电局 | 基于识别预报技术的电网雷暴灾害预警系统及方法 |
CN104050518A (zh) * | 2014-07-04 | 2014-09-17 | 国家电网公司 | 一种基于多普勒天气雷达的电网对流致灾大风预警方法 |
CN104156525A (zh) * | 2014-08-05 | 2014-11-19 | 天津大学 | 一种提高风暴潮灾害风险预测精度的方法 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111353217A (zh) * | 2020-02-19 | 2020-06-30 | 中山大学 | 台风路径预测的方法、设备、计算机设备和存储介质 |
CN113298295A (zh) * | 2021-05-06 | 2021-08-24 | 国网河南省电力公司电力科学研究院 | 一种面向电力生产的气象预报系统 |
CN113313291A (zh) * | 2021-05-06 | 2021-08-27 | 国网河南省电力公司电力科学研究院 | 一种基于初值扰动的电网风灾集合预报以及验证方法 |
CN113222423A (zh) * | 2021-05-19 | 2021-08-06 | 南方电网数字电网研究院有限公司 | 电网设备的台风监测方法 |
CN113222423B (zh) * | 2021-05-19 | 2023-01-20 | 南方电网数字电网研究院有限公司 | 电网设备的台风监测方法 |
CN115114873A (zh) * | 2022-08-31 | 2022-09-27 | 中国海洋大学 | 海洋环境重现期设计标准推算方法与系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110633818B (zh) | 2022-11-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110633818B (zh) | 一种配电网台风风灾预警方法及系统 | |
CN105095589B (zh) | 一种山区电网风区分布图绘制方法 | |
CN112365100A (zh) | 基于灾害风险综合评估的电网灾害预警及应对方法 | |
CN111897030A (zh) | 一种雷暴预警系统及方法 | |
AU2021103427A4 (en) | Space weather disaster monitoring and early warning method and system, storage medium and server | |
CN105425320A (zh) | 热带气旋引发沿海地区大风的概率预报方法和系统 | |
CN110503805A (zh) | 管道地质灾害监测预警方法及装置 | |
Tanaka et al. | Simultaneous flood risk analysis and its future change among all the 109 class-A river basins in Japan using a large ensemble climate simulation database d4PDF | |
CN110471131B (zh) | 高空间分辨率的精细化大气水平能见度自动预报方法及系统 | |
CN113689053A (zh) | 一种基于随机森林的强对流天气架空线停电预测方法 | |
CN114518612A (zh) | 雷暴风险预警方法、系统及电子设备 | |
CN115600047B (zh) | 一种基于栅格分析的小流域面平均降雨量测算方法和系统 | |
CN111222662A (zh) | 一种电网台风洪涝灾害预警方法和装置 | |
Nabil et al. | Synergy of GIS and IoT for weather disasters monitoring and management | |
CN110174713B (zh) | 一种电力线路强对流天气监测预警方法及装置 | |
Rey et al. | Influence of hurricane wind field variability on real-time forecast simulations of the coastal environment | |
CN115841512A (zh) | 一种复杂地表真实面积的计算方法 | |
CN112132341B (zh) | 一种基于暴雨过程的洪水风险预测方法 | |
CN113255962A (zh) | 一种多模式海浪集成预报系统及方法 | |
CN111696330A (zh) | 一种用于输电线路风灾的分类方法和系统 | |
CN110070199B (zh) | 一种电网台风灾害预警方法和系统 | |
Rodwell et al. | New developments in the diagnosis and verification of high-impact weather forecasts | |
CN106780245B (zh) | 热带气旋引发沿海地区灰霾概率的确定、预报方法及系统 | |
Raj et al. | Cyclone preparedness strategies for regional power transmission systems in data-scarce coastal regions of India | |
Ghirardelli et al. | Gridded Localized Aviation MOS Program (LAMP) guidance for aviation forecasting |
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 |