CN111858707B - 一种基于辐照度特征的雷云轨迹跟踪预测方法 - Google Patents

一种基于辐照度特征的雷云轨迹跟踪预测方法 Download PDF

Info

Publication number
CN111858707B
CN111858707B CN202010634879.0A CN202010634879A CN111858707B CN 111858707 B CN111858707 B CN 111858707B CN 202010634879 A CN202010634879 A CN 202010634879A CN 111858707 B CN111858707 B CN 111858707B
Authority
CN
China
Prior art keywords
time
thundercloud
cloud
irradiance
day
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
CN202010634879.0A
Other languages
English (en)
Other versions
CN111858707A (zh
Inventor
顾德文
李文博
甘艳
王俊
柳双
徐箭
汪旸
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.)
Wuhan University WHU
Central China Grid Co Ltd
Original Assignee
Wuhan University WHU
Central China Grid 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 Wuhan University WHU, Central China Grid Co Ltd filed Critical Wuhan University WHU
Priority to CN202010634879.0A priority Critical patent/CN111858707B/zh
Publication of CN111858707A publication Critical patent/CN111858707A/zh
Application granted granted Critical
Publication of CN111858707B publication Critical patent/CN111858707B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • 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
    • G06F16/29—Geographical information databases
    • 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)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Probability & Statistics with Applications (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • Water Supply & Treatment (AREA)
  • Tourism & Hospitality (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Public Health (AREA)
  • General Business, Economics & Management (AREA)
  • Remote Sensing (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Photometry And Measurement Of Optical Pulse Characteristics (AREA)
  • Photovoltaic Devices (AREA)

Abstract

本发明提供了一种基于辐照度特征的雷云轨迹跟踪预测方法，通过受雷云影响的光伏电站标幺化后的历史辐照度数据分别计算陡降斜率阈值、低水平持续时间阈值、低水平幅值阈值、陡升斜率阈值；计算光伏电站上空标幺化后的实时辐照度数据，依次计算实时陡降斜率、实时低水平持续时间、实时低水平幅值、实时陡升斜率，并与相应的阈值进行比较判定光伏电站上空是否存在雷云；根据雷云监测区域内部署的光伏电站以及雷云监测系统构建雷云轨迹模型，用于跟踪预测雷云轨迹；本发明应用的是雷云与周围云层对辐照度衰减的变化特点对雷云进行定位，不受电磁信号的干扰；且数据来源于光伏电站，光伏电站与调度部门之间不需要建立单独的通信系统。

Description

一种基于辐照度特征的雷云轨迹跟踪预测方法
技术领域
本发明涉及雷云定位与轨迹跟踪预测领域，特别是涉及一种基于辐照度特征的雷云轨迹跟踪预测方法。
背景技术
电网雷击事故近年来越来越明显的呈现出短时集中爆发的特点，对增强输电通道雷害防护与应急处置能力提出了更高的要求。目前输电线路防雷措施有很多种，如避雷器(针、线)、降低接地电阻、加强绝缘等，在提高防雷性能、减少雷击跳闸发挥了重要作用，也取得明显效果。但是这些措施还是无法彻底解决防雷问题，往往出现“安装措施的杆塔不跳了、不安装的杆塔又跳了”，使得线路防雷处在比较被动的情况。对于重要输电通道，由于其雷害可能引发损失较大，仅仅依靠常规的被动防护技术已无法完全满足安全运行需要。因此，有必要研究通过对输电通道雷电活动进行预报和预警实现雷暴临近和经过输电通道期间调度、运行、维护、检修、应急等联动的主动性动态防护技术，对配电网的运行进行辅助的决策，提前对线路的潮流进行调整，避免雷击对重载线路引起的跳闸。以尽量采取各种措施减小因雷电造成的停电损失和人员伤害，这也为重要输电通道雷电防护技术提供了一个新的发展方向。
发明内容
为了解决上述技术问题，本发明提供了一种基于辐照度特征的雷云轨迹跟踪预测方法。
本发明采用如下的技术方案一种基于辐照度特征的雷云轨迹跟踪预测方法，包括以下步骤：
步骤1：以光伏电站为中心建立经纬度矩形区域，在经纬度矩形区域内以每天为统计周期，每天内按照一定统计间隔时间统计经纬度矩形区域内云地闪发生时刻，以云地闪发生时刻为时间中心构建云地闪发生时刻对应的辐照度向量，通过一天内云地闪发生时刻对应的辐照度向量构建每天辐照度数据集，通过多天辐照度数据集构建辐照度实验子集；
步骤2：结合云地闪发生时刻晴空地外辐照度值对云地闪发生时刻对应的辐照度实测值进行标幺化得到标幺化后的辐照度数据；
步骤3：通过标幺化后的辐照度数据分别计算陡降斜率阈值、低水平持续时间阈值、低水平幅值阈值、陡升斜率阈值；
步骤4：计算光伏电站上空标幺化后的实时辐照度数据，依次计算实时陡降斜率、实时低水平持续时间、实时低水平幅值、实时陡升斜率，进一步结合陡降斜率阈值、低水平持续时间阈值、低水平幅值阈值、陡升斜率阈值判定光伏电站上空是否存在雷云；
步骤5：根据雷云监测区域内部署的光伏电站以及雷云监测系统构建雷云轨迹模型，用于跟踪预测雷云轨迹；
作为优选，步骤1所述以光伏电站为中心建立经纬度矩形区域为：
光伏电站中心经纬度为：
(Xo,Yo)
Xo∈[Xo-W_x,Xo+W_x]
Yo∈[Yo-W_y,Yo+W_y]
其中，Xo为光伏电站中心经度，Yo为光伏电站中心纬度，2*W_x为经纬度矩形区域的经度跨度，2*W_y为经纬度矩形区域的纬度跨度；
步骤1所述统计间隔时间为：T；
步骤1所述以云地闪发生时刻为时间中心构建云地闪发生时刻对应的辐照度向量为：
Id,i＝(Id,t(d,i)-3*K*△,Id,2,...Id,t(d,i)...,Id,t(d,Nd)+-3*K*△)
其中，6*K*△为云地闪发生时刻对应的辐照度向量中采集辐照度时长；
步骤1所述通过一天内云地闪发生时刻对应的辐照度向量构建每天辐照度数据集为：
datad＝(Id,t(d,1),Id,t(d,2),...,Id,t(d,Nd))
d∈[1,M]
其中，Id,t(d,i)为第d天内云地闪发生时刻即t(d,i)对应的辐照度实测值，M为统计云地闪发生时刻天的数量，Nd为第d天内云地闪发生时刻的数量；
通过多天辐照度数据集构建辐照度实验子集为：
data1,data2,...,dataM
作为优选，步骤2所述标幺化后的辐照度数据为：
Figure BDA0002567921500000021
式中，
Figure BDA0002567921500000022
为目标地第d天内云地闪发生时刻即t(d,i)时刻对应的辐照度标幺值；Id,t(d,i)为第d天内云地闪发生时刻即t(d,i)时刻对应的辐照度实测值，Iex,d,t(d,i)为第d天内云地闪发生时刻即t(d,i)时刻的晴空地外辐照度值。
第d天内t(d,i)时刻的晴空地外辐照度具体计算方法为：
Figure BDA0002567921500000023
Figure BDA0002567921500000024
Figure BDA0002567921500000025
Figure BDA0002567921500000026
Figure BDA0002567921500000027
Figure BDA0002567921500000028
Iex,d,t(d,i)＝ION,dcosθz,d,t(d,i)
式中：Isc表示太阳常数，其值约为1367W/m2；dN为积日：为发生云地闪的第d天排在该年内的天数序号，将目标地的1月1日的积日记为1，以天为单位依次计数；ION,d表示在发生云地闪的第d天太阳直射点的晴空地外辐照度；Ed表示发生云地闪的第d天因地球公转时运动和转速变化而产生的时差，时差单位为min；ψ为目标点经度；f(Sd,t(d,i),Fd,t(d,i))表示第d天内云地闪发生时刻即t(d,i)时刻真太阳时；表示第d天内云地闪发生时刻即t(d,i)时刻真太阳时小时数，Fd,t(d,i)表示第d天内云地闪发生时刻即t(d,i)时刻真太阳时分钟数；ωd,t(d,i)表示第d天内云地闪发生时刻即t(d,i)时刻太阳时角，是太阳直射点与地心连线所在的直线与目标点与地心连线在赤道所在平面的投影之间的夹角；δd表示发生云地闪的第d天的太阳赤纬角，是太阳直射点与地心连线所在的直线与赤道所在平面之间的夹角；
Figure BDA0002567921500000029
为目标点纬度；θz,d,t(d,i)表示第d天内云地闪发生时刻即t(d,i)时刻太阳天顶角；Iex,d,t(d,i)表示第d天内云地闪发生时刻即t(d,i)时刻的晴空地外辐照度值。
作为优选，步骤3所述陡降斜率阈值为：
Figure BDA00025679215000000210
其中，M为统计云地闪发生时刻天的数量；Nd为第d天内云地闪发生时刻的数量；
Figure BDA00025679215000000211
为第d天内云地闪发生时刻即t(d,i)时刻前2*K*Δ时间对应的辐照度标幺值；
Figure BDA00025679215000000212
为第d天内云地闪发生时刻即t(d,i)时刻前3*K*Δ时间对应的辐照度标幺值；
步骤3所述低水平持续时间阈值为：
Figure BDA00025679215000000213
步骤3所述低水平幅值阈值为：
Figure BDA0002567921500000031
其中，M为统计云地闪发生时刻天的数量；
Figure BDA0002567921500000032
分别为第d天内云地闪发生时刻即t(d,i)时刻前后2*K*Δ时间对应的辐照度标幺值；4K为第d天内云地闪发生时刻即t(d,i)时刻前后的采样点数；
步骤3所述陡升斜率阈值为：
Figure BDA0002567921500000033
其中，M为统计云地闪发生时刻天的数量；Nd为第d天内云地闪发生时刻的数量；
Figure BDA0002567921500000034
为第d天内云地闪发生时刻即t(d,i)时刻后3*K*Δ时间对应的辐照度标幺值；
Figure BDA0002567921500000035
为第d天内云地闪发生时刻即t(d,i)时刻后2*K*Δ时间对应的辐照度标幺值；
作为优选，步骤4所述计算光伏电站上空标幺化后的实时辐照度数据为：
以T为统计间隔时间，记录光伏电站的实时辐照度实际值向量为：
Figure BDA0002567921500000036
其中，
Figure BDA0002567921500000037
为辐照度向量中采集辐照度时长，下标d表示该天日期；t为时刻；
所述标幺化后的辐照度数据为：
Figure BDA0002567921500000038
其中，
Figure BDA0002567921500000039
为该天t时刻标幺化后的辐照度；Id,t为该天t时刻的实际辐照度，Iex,d,t为该天t时刻对应的晴空地外辐照度值；
步骤4所述计算实时陡降斜率为：
Figure BDA00025679215000000310
其中，
Figure BDA00025679215000000311
为该天
Figure BDA00025679215000000312
时刻对应的辐照度标幺值，
Figure BDA00025679215000000313
为该天
Figure BDA00025679215000000314
时刻对应的辐照度标幺值；
步骤4所述计算实时低水平持续时间为：
Figure BDA00025679215000000315
步骤4所述计算实时低水平幅值为：
Figure BDA00025679215000000316
其中，
Figure BDA00025679215000000317
为该天
Figure BDA00025679215000000318
时刻对应的辐照度标幺值，
Figure BDA00025679215000000319
为该天
Figure BDA00025679215000000320
时刻对应的辐照度标幺值；
Figure BDA00025679215000000321
表示采样点数；
步骤4所述计算实时陡升斜率为：
Figure BDA00025679215000000322
其中，
Figure BDA00025679215000000323
为该天
Figure BDA00025679215000000324
时刻对应的辐照度标幺值，
Figure BDA00025679215000000325
为
Figure BDA00025679215000000326
时刻对应的辐照度标幺值；
步骤4所述判定光伏电站上空是否存在雷云为：
当满足下述条件时，
实时陡降斜率：
Figure BDA00025679215000000327
实时低水平持续时间：
Figure BDA0002567921500000041
实时低水平幅值：
Figure BDA0002567921500000042
实时陡升斜率：
Figure BDA0002567921500000043
认为雷云中心处于光伏电站中心的经纬度位置，即
(x,y)＝(x0,y0)
其中，(x,y)为雷云中心经纬度位置，(x0,y0)为光伏电站中心的经纬度位置；
作为优选，步骤5所述根据雷云监测区域内部署的光伏电站以及雷云监测系统构建雷云轨迹模型为：
若在雷云监测区域内部署光伏电站，通过步骤4判定光伏电站上空存在雷云，则通过匀速运动学模型构建雷云轨迹模型；
所述匀速运动学模型可表达为：
Figure BDA0002567921500000044
Figure BDA0002567921500000045
Figure BDA0002567921500000046
式中：h0为光伏电站实时自动气象监测站风速仪的安装高度，Vwind0为高度h0处风速，
Figure BDA0002567921500000047
为高度h0处风速带有风向的向量信息，α表示风向的角度，h为云底高，其中积雨云的云底高度为1000m-2500m，这里取平均高度1750m作为积雨云的云底高，Vwind是h高度处的风速的标量，
Figure BDA0002567921500000048
为高度h处云速带有云向的向量信息，μ为地面摩擦系数；
若雷云监测区域内部署一个光伏电站以及一个雷云监测系统，通过步骤4判定光伏电站上空存在雷云或通过雷云监测系统监测出存在雷云，则通过匀速直线运动模型构建雷云轨迹模型；
所述匀速直线运动模型为：
设雷云第一个定位点的地理经纬度坐标为A1(x1,y1)，雷云第二个定位点的地理经纬度坐标为A2(x2,y2)，则：
Figure BDA0002567921500000049
式中：
Figure BDA00025679215000000410
为雷云两个定位点之间的位移，t为雷云两个定位点之间的时间差。
轨迹方程为：最终得到雷云的运动轨迹为
Figure BDA00025679215000000411
为匀速直线运动。
若雷云监测区域内部署一个光伏电站以及多个雷云监测系统，通过步骤4判定光伏电站上空存在雷云或通过多个雷云监测系统监测出任意一个监测系统上空存在雷云，则通过经纬度方向上的拟合模型构建雷云轨迹模型；
所述经纬度方向上的拟合模型为：
将雷云的定位信息设为坐标
Figure BDA00025679215000000412
其中j表示监测范围内的第j个定位点，j＝1,…,n+1；
所述雷云在经度方向上的拟合模型为：
Figure BDA00025679215000000413
所述雷云纬度方向上的拟合模型为：
Figure BDA00025679215000000414
其中，vψ为云层在经度方向上移动的初速度，aψ为云层在经度方向上移动的加速度；
Figure BDA0002567921500000051
为云层在纬度方向上移动的初速度，
Figure BDA0002567921500000052
为云层在纬度方向上移动的加速度；ΔSψn为雷云中心在第n个定位点与第n+1个定位点的经度差；
Figure BDA0002567921500000053
为雷云中心在第n个定位点与第n+1个定位点的纬度差；Δtn表示第n个定位点与第n+1个定位点间的时间差；
所述经纬度方向上的拟合模型中只有云层在经纬度方向上的初速度vψ,
Figure BDA0002567921500000054
和经纬度方向上的加速度aψ,
Figure BDA0002567921500000055
为未知变量，对其求解采用如下的最小二乘回归：
设Δtk表示第k个定位点与第k+1个定位点间的时间差(k＝1,2,…,n)，ΔSψk表示第k个定位点与第k+1个定位点间的经度差(k＝1,2,…,n)，
Figure BDA0002567921500000056
表示第k个定位点与第k+1个定位点间的纬度差(k＝1,2,…,n)，则在经纬度方向上分别有如下方程组成立：
纬度方向上有：
Figure BDA0002567921500000057
经度方向上有：
Figure BDA0002567921500000058
对上述两个方程组分别进行求解得到经度方向上初速度vψ、经度方向上加速度aψ、纬度方向上初速度
Figure BDA0002567921500000059
纬度方向上加速度
Figure BDA00025679215000000510
本发明优点在于：
本发明应用的是雷云与周围云层对辐照度衰减的变化特点对雷云进行定位，不受电磁信号的干扰；本发明数据直接来源于光伏电站或者间接来源于调度部门，光伏电站与调度部门之间已有通信系统进行数据和指令的交互，因而不需要建立单独的通信系统，也就不需要对通信系统单独进行维护；由于本发明建立的雷云轨迹跟踪与预测模型可以预测未来一段时间雷云的位置；
由于本发明对雷云的定位原理应用的是雷云与周围云层对辐照度衰减的变化特点，因而不同于传统的基于云地闪电磁辐射高低频信号的雷云定位系统，因而不受电磁信号的干扰；
由于本发明数据直接来源于光伏电站或者间接来源于调度部门，光伏电站与调度部门之间已有通信系统进行数据和指令的交互，因而不需要建立单独的通信系统，也就不需要对通信系统单独进行维护；
由于高比例新能源已经成为电网发展的一大趋势，随着新能源不断发展，光伏电站的增加，因而日间通过光伏电站监测的辐照度信息对雷云进行定位成为可能；
由于本发明建立的雷云轨迹跟踪与预测模型基于运动学，因而具有一定的物理意义；
本发明雷云轨迹跟踪与预测结果是基于数据的最小二乘的一元线性回归分析，因而具有统计学意义。
附图说明
图1：是雷云轨迹跟踪与预测流程图。
具体实施方式
为了使本发明专利的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明专利进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明专利，并不用于限定本发明专利。此外，下面所描述的本发明专利各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
本发明具体实施方式采用如下的技术方案一种基于辐照度特征的雷云轨迹跟踪预测方法，包括步骤：
步骤1：以河南省汤阴县某光伏电站为中心建立经纬度矩形区域，在经纬度矩形区域内以每天为统计周期，每天内按照一定统计间隔时间统计经纬度矩形区域内云地闪发生时刻，以云地闪发生时刻为时间中心构建云地闪发生时刻对应的辐照度向量，通过一天内云地闪发生时刻对应的辐照度向量构建每天辐照度数据集，通过多天辐照度数据集构建辐照度实验子集；
步骤1所述以光伏电站为中心建立经纬度矩形区域为：
光伏电站中心经纬度为：
(Xo,Yo)
Xo∈[Xo-W_x,Xo+W_x]
Yo∈[Yo-W_y,Yo+W_y]
其中，Xo＝114.35°E为光伏电站中心经度，Yo＝35.92°N为光伏电站中心纬度，2*W_x＝0.5°为经纬度矩形区域的经度跨度，2*W_y＝0.6°为经纬度矩形区域的纬度跨度；
步骤1所述统计间隔时间为：T＝120min；
步骤1所述以云地闪发生时刻为时间中心构建云地闪发生时刻对应的辐照度向量为：
I1,t(1,1)＝(678,69,54.67,100.67,111.33,69.33,38.67,445.33,635.67)
步骤1所述通过一天内云地闪发生时刻对应的辐照度向量构建每天辐照度数据集为：
datad＝Id,t(d,1)(d＝1,2,3)
其中，Id,t(d,1)为第d天内云地闪发生时刻即t(d,1)对应的辐照度实测值.
通过多天辐照度数据集构建辐照度实验子集为：
data1,data2,data3
其中，data1＝I1,t(1,1)＝(678,69,54.67,100.67,111.33,69.33,38.67,445.33,635.67)；
data2＝I2,t(2,1)＝(856.33,771.33,735,277.33,145.67,58,29.33,66.33,241.33)；
data3＝I3,t(3,1)＝(743.33,636.67,188.67,87,131.67,167,169.67,132,163.67)。
步骤2：结合云地闪发生时刻晴空地外辐照度值对云地闪发生时刻对应的辐照度实测值进行标幺化得到标幺化后的辐照度数据；
步骤2所述标幺化后的辐照度数据为：
Figure BDA0002567921500000061
式中，
Figure BDA0002567921500000062
为目标地第d天内云地闪发生时刻即t(d,i)时刻对应的辐照度标幺值；Id,t(d,i)为第d天内云地闪发生时刻即t(d,i)时刻对应的辐照度实测值，Iex,d,t(d,i)为第d天内云地闪发生时刻即t(d,i)时刻的晴空地外辐照度值。
第d天内t(d,i)时刻的晴空地外辐照度具体计算方法为：
Figure BDA0002567921500000063
Figure BDA0002567921500000071
Figure BDA0002567921500000072
Figure BDA0002567921500000073
Figure BDA0002567921500000074
Figure BDA0002567921500000075
Iex,d,t(d,i)＝ION,dcosθz,d,t(d,i)
式中：Isc表示太阳常数，其值约为1367W/m2；dN为积日：为发生云地闪的第d天排在该年内的天数序号，将目标地的1月1日的积日记为1，以天为单位依次计数；ION,d表示在发生云地闪的第d天太阳直射点的晴空地外辐照度；Ed表示发生云地闪的第d天因地球公转时运动和转速变化而产生的时差，时差单位为min；ψ为目标点经度；f(Sd,t(d,i),Fd,t(d,i))表示第d天内云地闪发生时刻即t(d,i)时刻真太阳时：是地球相对于太阳自转一圈所用的时间，地球公转的轨迹为椭圆，使得地球相对于太阳的自转并不是24小时一次，人们实际生活中所说的每天24小时采用的是平太阳时，是假设地球公转的轨道为圆得到的，是地球每年自转时间的平均值，即地球公转一个周期的时间与公转一个周期自转周期数的比值，Sd,t(d,i)表示第d天内云地闪发生时刻即t(d,i)时刻真太阳时小时数，Fd,t(d,i)表示第d天内云地闪发生时刻即t(d,i)时刻真太阳时分钟数；ωd,t(d,i)表示第d天内云地闪发生时刻即t(d,i)时刻太阳时角，是太阳直射点与地心连线所在的直线与目标点与地心连线在赤道所在平面的投影之间的夹角；δd表示发生云地闪的第d天的太阳赤纬角，是太阳直射点与地心连线所在的直线与赤道所在平面之间的夹角；
Figure BDA0002567921500000076
为目标点纬度；θz,d,t(d,i)表示第d天内云地闪发生时刻即t(d,i)时刻太阳天顶角；Iex,d,t(d,i)表示第d天内云地闪发生时刻即t(d,i)时刻的晴空地外辐照度值。
步骤2所述晴空地外辐照度值为：
Iex,1,t(1,1)＝(1260.41,1246.29,1227.91,1205.35,1178.72,1148.11,1113.68,1075.55,1033.90)
Iex,2,t(2,1)＝(1287.01,1291.21,1291.19,1286.96,1278.52,1265.92,1249.21,1228.46,1203.76)
Iex,3,t(3,1)＝(1256.31,1245.07,1229.55,1209.82,1185.96,1158.07,1126.28,1090.72,1051.55)
步骤2所述标幺化后的辐照度值为：
Figure BDA0002567921500000077
Figure BDA0002567921500000078
Figure BDA0002567921500000079
步骤3：通过标幺化后的辐照度数据分别计算陡降斜率阈值、低水平持续时间阈值、低水平幅值阈值、陡升斜率阈值；
步骤3所述陡降斜率阈值为：
Figure BDA00025679215000000710
其中，M＝3为统计云地闪发生时刻天的数量；Nd＝1为第d天内云地闪发生时刻的数量(d＝1,2,3)；
Figure BDA0002567921500000081
为第d天内云地闪发生时刻即t(d,i)时刻前2*K*Δ时间对应的辐照度标幺值；
Figure BDA0002567921500000082
为第d天内云地闪发生时刻即t(d,i)时刻前3*K*Δ时间对应的辐照度标幺值；
考虑到雷电天气较为极端，光伏电站辐照度在雷云的影响下几乎是骤变的，因此取K*Δ≤15min，此处取K*Δ＝15min
步骤3所述低水平持续时间阈值为：
Figure BDA0002567921500000083
步骤3所述低水平幅值阈值为：
Figure BDA0002567921500000084
其中，M＝3为统计云地闪发生时刻天的数量；
Figure BDA0002567921500000085
分别为第d天内云地闪发生时刻即t(d,i)时刻前后2*K*Δ时间对应的辐照度标幺值；4K＝7为第d天内云地闪发生时刻即t(d,i)时刻前后的采样点数；
步骤3所述陡升斜率阈值为：
Figure BDA0002567921500000086
其中，M＝3为统计云地闪发生时刻天的数量；Nd＝1为第d天内云地闪发生时刻的数量(d＝1,2,3)；
Figure BDA0002567921500000087
为第d天内云地闪发生时刻即t(d,i)时刻后3*K*Δ时间对应的辐照度标幺值；
Figure BDA0002567921500000088
为第d天内云地闪发生时刻即t(d,i)时刻后2*K*Δ时间对应的辐照度标幺值；
考虑到雷电天气较为极端，光伏电站辐照度在雷云的影响下几乎是骤变的，因此取K*Δ≤15min,此处取K*Δ＝15min。
步骤4：计算光伏电站上空标幺化后的实时辐照度数据，依次计算实时陡降斜率、实时低水平持续时间、实时低水平幅值、实时陡升斜率，进一步结合陡降斜率阈值、低水平持续时间阈值、低水平幅值阈值、陡升斜率阈值判定光伏电站上空是否存在雷云；
步骤4所述计算光伏电站上空标幺化后的实时辐照度数据为：
以T＝120min为统计间隔时间，记录光伏电站5月15日的实时辐照度实际值向量为：
Id＝(678,69,54.67,100.67,111.33,69.33,38.67,445.33,635.67)；
其中，下标d表示该天日期，即5月15日；
所述标幺化后的辐照度数据为：
Figure BDA0002567921500000089
其中，
Figure BDA00025679215000000810
为该天标幺化后的辐照度向量；Id为该天对应时刻的实际辐照度向量；Iex,d为该天对应时刻的晴空地外辐照度值向量；
步骤4所述计算实时陡降斜率为：
Figure BDA00025679215000000811
其中，
Figure BDA00025679215000000812
为该天
Figure BDA00025679215000000813
时刻对应的辐照度标幺值，
Figure BDA00025679215000000814
为该天
Figure BDA00025679215000000815
时刻对应的辐照度标幺值；
步骤4所述计算实时低水平持续时间为：
Figure BDA00025679215000000816
步骤4所述计算实时低水平幅值为：
Figure BDA0002567921500000091
其中，
Figure BDA0002567921500000092
为该天
Figure BDA0002567921500000093
时刻对应的辐照度标幺值，
Figure BDA0002567921500000094
为该天
Figure BDA0002567921500000095
时刻对应的辐照度标幺值；
Figure BDA0002567921500000096
表示采样点数；
步骤4所述计算实时陡升斜率为：
Figure BDA0002567921500000097
其中，
Figure BDA0002567921500000098
为该天
Figure BDA0002567921500000099
时刻对应的辐照度标幺值，
Figure BDA00025679215000000910
为
Figure BDA00025679215000000911
时刻对应的辐照度标幺值；
步骤4所述判定光伏电站上空是否存在雷云为：
由步骤3的计算可知，满足下述条件：
实时陡降斜率：
Figure BDA00025679215000000912
实时低水平持续时间：
Figure BDA00025679215000000913
实时低水平幅值：
Figure BDA00025679215000000914
实时陡升斜率：
Figure BDA00025679215000000915
认为雷云中心处于光伏电站中心的经纬度位置，即
(x,y)＝(x0,y0)＝(114.35°E，35.92°N)
其中，(x,y)为雷云中心经纬度位置，(x0,y0)为光伏电站中心的经纬度位置；
步骤5：根据雷云监测区域内部署的光伏电站以及雷云监测系统构建雷云轨迹模型，用于跟踪预测雷云轨迹；
步骤5所述根据雷云监测区域内部署的光伏电站以及雷云监测系统构建雷云轨迹模型为：
若在雷云监测区域内部署光伏电站，通过步骤4判定光伏电站上空存在雷云，则通过匀速运动学模型构建雷云轨迹模型；
所述匀速运动学模型可表达为：
Figure BDA00025679215000000916
Figure BDA00025679215000000917
Figure BDA00025679215000000918
式中：h0为光伏电站实时自动气象监测站风速仪的安装高度，Vwind0为高度h0处风速，
Figure BDA00025679215000000919
为高度h0处风速带有风向的向量信息，α表示风向的角度，h为云底高，其中积雨云的云底高度为1000m-2500m，这里取平均高度1750m作为积雨云的云底高，Vwind是h高度处的风速的标量，
Figure BDA00025679215000000920
为高度h处云速带有云向的向量信息，μ为地面摩擦系数；地面摩擦系数取值如下表所示：
Figure BDA00025679215000000921
Figure BDA0002567921500000101
结果表示为轨迹方程的形式：最终得到雷云的运动轨迹为
Figure BDA0002567921500000102
为匀速直线运动；
若雷云监测区域内部署一个光伏电站以及一个雷云监测系统，通过步骤4判定光伏电站上空存在雷云或通过雷云监测系统监测出存在雷云，则通过匀速直线运动模型构建雷云轨迹模型；
所述匀速直线运动模型为：
已知雷云第一个定位点的地理经纬度坐标为A1(114.1962,36.2040)，雷云第二个定位点的地理经纬度坐标为A2(114.2049,36.1908)，则：
Figure BDA0002567921500000103
式中：
Figure BDA0002567921500000104
为雷云两个定位点之间的位移，t为雷云两个定位点之间的时间差。
轨迹方程为：最终得到雷云的运动轨迹为
Figure BDA0002567921500000105
为匀速直线运动。
若雷云监测区域内部署一个光伏电站以及多个雷云监测系统，通过步骤4判定光伏电站上空存在雷云或通过多个雷云监测系统监测出任意一个监测系统上空存在雷云，则通过经纬度方向上的拟合模型构建雷云轨迹模型；
以河南省汤阴县5月15日监测范围内的云地闪数据为例，符合筛选条件的数据如下表：
Figure BDA0002567921500000106
所述经纬度方向上的拟合模型为：
将雷云的定位信息设为坐标
Figure BDA0002567921500000107
其中j表示监测范围内的第j个定位点，j＝1,2,3；
所述雷云在经度方向上的拟合模型为：
Figure BDA0002567921500000108
所述雷云纬度方向上的拟合模型为：
Figure BDA0002567921500000109
其中，vψ为云层在经度方向上移动的初速度，aψ为云层在经度方向上移动的加速度；
Figure BDA00025679215000001010
为云层在纬度方向上移动的初速度，
Figure BDA00025679215000001011
为云层在纬度方向上移动的加速度；ΔSψn为雷云中心在第n个定位点与第n+1个定位点的经度差；
Figure BDA00025679215000001012
为雷云中心在第n个定位点与第n+1个定位点的纬度差；Δtn表示第n个定位点与第n+1个定位点间的时间差；
所述经纬度方向上的拟合模型中只有云层在经纬度方向上的初速度vψ,
Figure BDA00025679215000001013
和经纬度方向上的加速度aψ,
Figure BDA00025679215000001014
为未知变量，对其求解采用如下的最小二乘回归：
设Δtk表示第k个定位点与第k+1个定位点间的时间差(k＝1,2)，ΔSψk表示第k个定位点与第k+1个定位点间的经度差(k＝1,2)，
Figure BDA0002567921500000111
表示第k个定位点与第k+1个定位点间的纬度差(k＝1,2)，则在经纬度方向上分别有如下方程组成立：
纬度方向上有：
Figure BDA0002567921500000112
经度方向上有：
Figure BDA0002567921500000113
对上述两个方程组分别进行求解得到
纬度方向上初速度
Figure BDA0002567921500000114
纬度方向上加速度
Figure BDA0002567921500000115
经度方向上初速度vψ＝1.1687×10-5
经度方向上加速度aψ＝2.2295×10-9
从而得到雷云在纬度方向上的拟合模型为：
Figure BDA0002567921500000116
雷云在经度方向上的拟合模型为：
Figure BDA0002567921500000117
以上应用了具体个例对本发明进行阐述，只是用于帮助理解本发明，并不用以限制本发明。对于本发明所属技术领域的技术人员，依据本发明的思想，还可以做出若干简单推演、变形或替换。本领域的技术人员容易理解，以上所述仅为本发明专利的较佳实施例而已，并不用以限制本发明专利，凡在本发明专利的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明专利的保护范围之内。

Claims (6)

1.一种基于辐照度特征的雷云轨迹跟踪预测方法，其特征在于，包括以下步骤：
步骤1：以光伏电站为中心建立经纬度矩形区域，在经纬度矩形区域内以每天为统计周期，每天内按照一定统计间隔时间统计经纬度矩形区域内云地闪发生时刻，以云地闪发生时刻为时间中心构建云地闪发生时刻对应的辐照度向量，通过一天内云地闪发生时刻对应的辐照度向量构建每天辐照度数据集，通过多天辐照度数据集构建辐照度实验子集；
步骤2：结合云地闪发生时刻晴空地外辐照度值对云地闪发生时刻对应的辐照度实测值进行标幺化得到标幺化后的辐照度数据；
步骤3：通过标幺化后的辐照度数据分别计算陡降斜率阈值、低水平持续时间阈值、低水平幅值阈值、陡升斜率阈值；
步骤4：计算光伏电站上空标幺化后的实时辐照度数据，依次计算实时陡降斜率、实时低水平持续时间、实时低水平幅值、实时陡升斜率，进一步结合陡降斜率阈值、低水平持续时间阈值、低水平幅值阈值、陡升斜率阈值判定光伏电站上空是否存在雷云；
步骤5：根据雷云监测区域内部署的光伏电站以及雷云监测系统构建雷云轨迹模型，用于跟踪预测雷云轨迹。
2.根据权利要求1所述的基于辐照度特征的雷云轨迹跟踪预测方法，其特征在于：
步骤1所述以光伏电站为中心建立经纬度矩形区域为：
光伏电站中心经纬度为：
(Xo,Yo)
Xo∈[Xo-W_x,Xo+W_x]
Yo∈[Yo-W_y,Yo+W_y]
其中，Xo为光伏电站中心经度，Yo为光伏电站中心纬度，2*W_x为经纬度矩形区域的经度跨度，2*W_y为经纬度矩形区域的纬度跨度；
步骤1所述统计间隔时间为：T；
步骤1所述以云地闪发生时刻为时间中心构建云地闪发生时刻对应的辐照度向量为：
Id,i＝(Id,t(d,i)-3*K*△,Id,2,...Id,t(d,i)...,Id,t(d,Nd)+-3*K*△)
其中，6*K*△为云地闪发生时刻对应的辐照度向量中采集辐照度时长；
步骤1所述通过一天内云地闪发生时刻对应的辐照度向量构建每天辐照度数据集为：
datad＝(Id,t(d,1),Id,t(d,2),...,Id,t(d,Nd))
d∈[1,M]
其中，Id,t(d,i)为第d天内云地闪发生时刻即t(d,i)对应的辐照度实测值，M为统计云地闪发生时刻天的数量，Nd为第d天内云地闪发生时刻的数量；
通过多天辐照度数据集构建辐照度实验子集为：
data1,data2,...,dataM。
3.根据权利要求1所述的基于辐照度特征的雷云轨迹跟踪预测方法，其特征在于：
步骤2所述标幺化后的辐照度数据为：
Figure FDA0002567921490000011
式中，
Figure FDA0002567921490000012
为目标地第d天内云地闪发生时刻即t(d,i)时刻对应的辐照度标幺值；Id,t(d,i)为第d天内云地闪发生时刻即t(d,i)时刻对应的辐照度实测值，Iex,d,t(d,i)为第d天内云地闪发生时刻即t(d,i)时刻的晴空地外辐照度值；
第d天内t(d,i)时刻的晴空地外辐照度具体计算方法为：
Figure FDA0002567921490000013
Figure FDA0002567921490000014
Figure FDA0002567921490000021
Figure FDA0002567921490000022
Figure FDA0002567921490000023
Figure FDA0002567921490000024
Iex,d,t(d,i)＝ION,d cosθz,d,t(d,i)
式中：Isc表示太阳常数，其值约为1367W/m2；dN为积日：为发生云地闪的第d天排在该年内的天数序号，将目标地的1月1日的积日记为1，以天为单位依次计数；ION,d表示在发生云地闪的第d天太阳直射点的晴空地外辐照度；Ed表示发生云地闪的第d天因地球公转时运动和转速变化而产生的时差，时差单位为min；ψ为目标点经度；f(Sd,t(d,i),Fd,t(d,i))表示第d天内云地闪发生时刻即t(d,i)时刻真太阳时；表示第d天内云地闪发生时刻即t(d,i)时刻真太阳时小时数，Fd,t(d,i)表示第d天内云地闪发生时刻即t(d,i)时刻真太阳时分钟数；ωd,t(d,i)表示第d天内云地闪发生时刻即t(d,i)时刻太阳时角，是太阳直射点与地心连线所在的直线与目标点与地心连线在赤道所在平面的投影之间的夹角；δd表示发生云地闪的第d天的太阳赤纬角，是太阳直射点与地心连线所在的直线与赤道所在平面之间的夹角；
Figure FDA0002567921490000025
为目标点纬度；θz,d,t(d,i)表示第d天内云地闪发生时刻即t(d,i)时刻太阳天顶角；Iex,d,t(d,i)表示第d天内云地闪发生时刻即t(d,i)时刻的晴空地外辐照度值。
4.根据权利要求1所述的基于辐照度特征的雷云轨迹跟踪预测方法，其特征在于：
步骤3所述陡降斜率阈值为：
Figure FDA0002567921490000026
其中，M为统计云地闪发生时刻天的数量；Nd为第d天内云地闪发生时刻的数量；
Figure FDA0002567921490000027
为第d天内云地闪发生时刻即t(d,i)时刻前2*K*Δ时间对应的辐照度标幺值；
Figure FDA0002567921490000028
为第d天内云地闪发生时刻即t(d,i)时刻前3*K*Δ时间对应的辐照度标幺值；
步骤3所述低水平持续时间阈值为：
Figure FDA0002567921490000029
步骤3所述低水平幅值阈值为：
Figure FDA00025679214900000210
其中，M为统计云地闪发生时刻天的数量；
Figure FDA00025679214900000211
分别为第d天内云地闪发生时刻即t(d,i)时刻前后2*K*Δ时间对应的辐照度标幺值；4K为第d天内云地闪发生时刻即t(d,i)时刻前后的采样点数；
步骤3所述陡升斜率阈值为：
Figure FDA00025679214900000212
其中，M为统计云地闪发生时刻天的数量；Nd为第d天内云地闪发生时刻的数量；
Figure FDA00025679214900000213
为第d天内云地闪发生时刻即t(d,i)时刻后3*K*Δ时间对应的辐照度标幺值；
Figure FDA0002567921490000031
为第d天内云地闪发生时刻即t(d,i)时刻后2*K*Δ时间对应的辐照度标幺值。
5.根据权利要求1所述的基于辐照度特征的雷云轨迹跟踪预测方法，其特征在于：
步骤4所述计算光伏电站上空标幺化后的实时辐照度数据为：
以T为统计间隔时间，记录光伏电站的实时辐照度实际值向量为：
Figure FDA0002567921490000032
其中，
Figure FDA0002567921490000033
为辐照度向量中采集辐照度时长，下标d表示该天日期；t为时刻；
所述标幺化后的辐照度数据为：
Figure FDA0002567921490000034
其中，
Figure FDA0002567921490000035
为该天t时刻标幺化后的辐照度；Id,t为该天t时刻的实际辐照度，Iex,d,t为该天t时刻对应的晴空地外辐照度值；
步骤4所述计算实时陡降斜率为：
Figure FDA0002567921490000036
其中，
Figure FDA0002567921490000037
为该天
Figure FDA0002567921490000038
时刻对应的辐照度标幺值，
Figure FDA0002567921490000039
为该天
Figure FDA00025679214900000310
时刻对应的辐照度标幺值；
步骤4所述计算实时低水平持续时间为：
Figure FDA00025679214900000311
步骤4所述计算实时低水平幅值为：
Figure FDA00025679214900000312
其中，
Figure FDA00025679214900000313
为该天
Figure FDA00025679214900000314
时刻对应的辐照度标幺值，
Figure FDA00025679214900000315
为该天
Figure FDA00025679214900000316
时刻对应的辐照度标幺值；
Figure FDA00025679214900000317
表示采样点数；
步骤4所述计算实时陡升斜率为：
Figure FDA00025679214900000318
其中，
Figure FDA00025679214900000319
为该天
Figure FDA00025679214900000320
时刻对应的辐照度标幺值，
Figure FDA00025679214900000321
为
Figure FDA00025679214900000322
时刻对应的辐照度标幺值；
步骤4所述判定光伏电站上空是否存在雷云为：
当满足下述条件时，
实时陡降斜率：
Figure FDA00025679214900000323
实时低水平持续时间：
Figure FDA00025679214900000324
实时低水平幅值：
Figure FDA00025679214900000325
实时陡升斜率：
Figure FDA00025679214900000326
认为雷云中心处于光伏电站中心的经纬度位置，即
(x,y)＝(x0,y0)
其中，(x,y)为雷云中心经纬度位置，(x0,y0)为光伏电站中心的经纬度位置。
6.根据权利要求1所述的基于辐照度特征的雷云轨迹跟踪预测方法，其特征在于：
步骤5所述根据雷云监测区域内部署的光伏电站以及雷云监测系统构建雷云轨迹模型为：
若在雷云监测区域内部署光伏电站，通过步骤4判定光伏电站上空存在雷云，则通过匀速运动学模型构建雷云轨迹模型；
所述匀速运动学模型可表达为：
Figure FDA0002567921490000041
Figure FDA0002567921490000042
Figure FDA0002567921490000043
式中：h0为光伏电站实时自动气象监测站风速仪的安装高度，Vwind0为高度h0处风速，
Figure FDA0002567921490000044
为高度h0处风速带有风向的向量信息，α表示风向的角度，h为云底高，其中积雨云的云底高度为1000m-2500m，这里取平均高度1750m作为积雨云的云底高，Vwind是h高度处的风速的标量，
Figure FDA0002567921490000045
为高度h处云速带有云向的向量信息，μ为地面摩擦系数；
若雷云监测区域内部署一个光伏电站以及一个雷云监测系统，通过步骤4判定光伏电站上空存在雷云或通过雷云监测系统监测出存在雷云，则通过匀速直线运动模型构建雷云轨迹模型；
所述匀速直线运动模型为：
设雷云第一个定位点的地理经纬度坐标为A1(x1,y1)，雷云第二个定位点的地理经纬度坐标为A2(x2,y2)，则：
Figure FDA0002567921490000046
式中：
Figure FDA0002567921490000047
为雷云两个定位点之间的位移，t为雷云两个定位点之间的时间差；
轨迹方程为：最终得到雷云的运动轨迹为
Figure FDA0002567921490000048
为匀速直线运动；
若雷云监测区域内部署一个光伏电站以及多个雷云监测系统，通过步骤4判定光伏电站上空存在雷云或通过多个雷云监测系统监测出任意一个监测系统上空存在雷云，则通过经纬度方向上的拟合模型构建雷云轨迹模型；
所述经纬度方向上的拟合模型为：
将雷云的定位信息设为坐标
Figure FDA0002567921490000049
其中j表示监测范围内的第j个定位点，j＝1,…,n+1；
所述雷云在经度方向上的拟合模型为：
Figure FDA00025679214900000410
所述雷云纬度方向上的拟合模型为：
Figure FDA00025679214900000411
其中，vψ为云层在经度方向上移动的初速度，aψ为云层在经度方向上移动的加速度；
Figure FDA00025679214900000412
为云层在纬度方向上移动的初速度，
Figure FDA00025679214900000413
为云层在纬度方向上移动的加速度；ΔSψn为雷云中心在第n个定位点与第n+1个定位点的经度差；
Figure FDA00025679214900000414
为雷云中心在第n个定位点与第n+1个定位点的纬度差；Δtn表示第n个定位点与第n+1个定位点间的时间差；
所述经纬度方向上的拟合模型中只有云层在经纬度方向上的初速度vψ,
Figure FDA00025679214900000415
和经纬度方向上的加速度aψ,
Figure FDA00025679214900000416
为未知变量，对其求解采用如下的最小二乘回归：
设Δtk表示第k个定位点与第k+1个定位点间的时间差(k＝1,2,…,n)，ΔSψk表示第k个定位点与第k+1个定位点间的经度差(k＝1,2,…,n)，
Figure FDA00025679214900000417
表示第k个定位点与第k+1个定位点间的纬度差(k＝1,2,…,n)，则在经纬度方向上分别有如下方程组成立：
纬度方向上有：
Figure FDA0002567921490000051
经度方向上有：
Figure FDA0002567921490000052
对上述两个方程组分别进行求解得到经度方向上初速度vψ、经度方向上加速度aψ、纬度方向上初速度
Figure FDA0002567921490000053
纬度方向上加速度
Figure FDA0002567921490000054
CN202010634879.0A 2020-07-03 2020-07-03 一种基于辐照度特征的雷云轨迹跟踪预测方法 Active CN111858707B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010634879.0A CN111858707B (zh) 2020-07-03 2020-07-03 一种基于辐照度特征的雷云轨迹跟踪预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010634879.0A CN111858707B (zh) 2020-07-03 2020-07-03 一种基于辐照度特征的雷云轨迹跟踪预测方法

Publications (2)

Publication Number Publication Date
CN111858707A CN111858707A (zh) 2020-10-30
CN111858707B true CN111858707B (zh) 2023-01-17

Family

ID=73152096

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010634879.0A Active CN111858707B (zh) 2020-07-03 2020-07-03 一种基于辐照度特征的雷云轨迹跟踪预测方法

Country Status (1)

Country Link
CN (1) CN111858707B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114580211B (zh) * 2022-04-24 2022-07-15 天津航大天元航空技术有限公司 一种光伏发电设备的视觉影响评估方法及装置

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103971169B (zh) * 2014-04-14 2017-09-01 国家电网公司 一种基于云量模拟的光伏超短期发电功率的预测方法
CN106779130B (zh) * 2015-11-20 2021-01-15 中国电力科学研究院 一种基于全天空云图的光伏电站辐射预测方法
CN109886486B (zh) * 2019-02-18 2022-11-29 南方电网科学研究院有限责任公司 不依赖于设备的云层跟踪技术及小时内辐照度预测方法

Also Published As

Publication number Publication date
CN111858707A (zh) 2020-10-30

Similar Documents

Publication Publication Date Title
WO2021204226A1 (zh) 基于雷云轨迹跟踪的雷电条件下的光伏功率预测方法
CN108960526B (zh) 一种基于区域等效的分布式光伏出力预测方法和系统
CN103837769B (zh) 一种输电线路雷害预警方法及其系统
Liu et al. Evolution of the total lightning activity in a leading-line and trailing stratiform mesoscale convective system over Beijing
Jiang et al. Characteristics and preliminary causes of tropical cyclone extreme rainfall events over Hainan Island
CN111612315A (zh) 一种新型电网灾害性大风预警方法
CN106570621A (zh) 针对电力输配电系统的台风风险预警方法
CN111858707B (zh) 一种基于辐照度特征的雷云轨迹跟踪预测方法
Chen et al. Short-term prediction for transmission lines icing based on bp neural network
Chaudhari et al. Thunderstorms over a tropical Indian station, Minicoy: Role of vertical wind shear
CN104951492B (zh) 基于电网gis风电场专业气象监测和预警方法及系统
CN114296050B (zh) 基于激光雷达云图探测的光伏电站短期发电功率预测方法
Santos et al. Wind speed evaluation of MERRA-2, ERA-interim and ERA-5 reanalysis data at a wind farm located in brazil
CN112925343B (zh) 无人机运动航线规划方法及应用所述方法的巡检无人机
US11243238B2 (en) Method for warning about lightning activity in wind farms
Xie et al. Extensions of power system early-warning defense schemes by integrating wide area meteorological information
Abbes et al. Investigation of wind characteristics and wind power potential in El-Kef region, Tunisia
Altaratz et al. Winter thunderstorms in Israel: A study with lightning location systems and weather radar
Xie et al. Characteristics of cloud-to-ground lightning activity in hailstorms over Yunnan province
CN112382977A (zh) 一种输电线路差异化防雷方法及系统
Rincon et al. Development of a short-term irradiance prediction system using post-processing tools on WRF-ARW meteorological forecasts in Spain
Edwards et al. An investigation of wind-energy prospects in the Otago region of New Zealand
Behncke et al. Review of span and gust factors for transmission line design
Biasiotti et al. Evaluation of Weather Forecast Uncertainty for HV Grid Operational Resilience Improvement
Yun et al. Temporal and spatial distribution characteristics and causes of sea fog in Jiangsu coastal area

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