CN112116132B - 一种复杂山地环境下导线覆冰厚度的预测方法 - Google Patents

一种复杂山地环境下导线覆冰厚度的预测方法 Download PDF

Info

Publication number
CN112116132B
CN112116132B CN202010878344.8A CN202010878344A CN112116132B CN 112116132 B CN112116132 B CN 112116132B CN 202010878344 A CN202010878344 A CN 202010878344A CN 112116132 B CN112116132 B CN 112116132B
Authority
CN
China
Prior art keywords
wire
weather station
air pressure
tower pole
tower
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
CN202010878344.8A
Other languages
English (en)
Other versions
CN112116132A (zh
Inventor
张厚荣
王奇
常安
苏浩辉
陈彦州
赖光霖
韩玉康
郑扬亮
尚佳宁
高志球
韩永翔
郑文坚
崔曼帝
陆正奇
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.)
Maintenance and Test Center of Extra High Voltage Power Transmission Co
Original Assignee
Maintenance and Test Center of Extra High Voltage Power Transmission Co
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 Maintenance and Test Center of Extra High Voltage Power Transmission Co filed Critical Maintenance and Test Center of Extra High Voltage Power Transmission Co
Priority to CN202010878344.8A priority Critical patent/CN112116132B/zh
Publication of CN112116132A publication Critical patent/CN112116132A/zh
Application granted granted Critical
Publication of CN112116132B publication Critical patent/CN112116132B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • 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

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Emergency Alarm Devices (AREA)

Abstract

本发明公开了一种复杂山地环境下导线覆冰厚度的预测方法，包括：获取需预测导线附近气象站所监测到的气象要素以及塔杆所在位置的环境温度、海拔信息以及风速；根据所获取到的气象要素以及塔杆所在位置的环境温度及海拔信息来计算塔杆所在位置的气压；结合塔杆所在位置的环境温度、气压以及气象站所监测到的气象要素来计算塔杆所在位置的液态含水量；根据塔杆所在位置的液态含水量来估算云滴中值体积直径；根据气象站所监测到的降水量数据来估算雨滴下落末速度及雨滴粒径。本方法通过获取杂山地环境下输电线路的相关监测数据，并通过一系列的处理，能够较为准确地预测复杂山地环境中导线覆冰厚度的变化特征。

Description

一种复杂山地环境下导线覆冰厚度的预测方法
技术领域
本发明涉及输电线路覆冰预报方法，具体涉及一种复杂山地环境下导线覆冰厚度的预测方法。
背景技术
电力是保障国民经济快速健康发展的动力引擎，电线覆冰是指冻雨、雾凇或湿雪冻结在导线上的天气现象，不仅会影响电力系统的正常运行，严重时还会使得输电线路出现倒塔、断线、绝缘子闪络、通讯不畅等故障，给人民的生产生活带来了巨大不便，并给社会经济造成严重损失。
要降低因覆冰灾害造成的损失，就必须对导线覆冰厚度进行准确预测，而导线覆冰的发生发展与气象要素的变化密不可分，国内外学者研发了一系列导线覆冰模型，如被国际电线积冰标准(ISO-12494-2017)推荐使用的Makkonen模型，该模型考虑了过冷液滴与导线碰撞的热平衡过程，建立了一套热力学电线积冰增长模型，适用于电力系统评估冻雨及雾凇覆冰情况下的电线积冰厚度。但是，该模型需要的气象参数较为复杂，液水含量、云滴中值体积直径、雨滴下落末速度及雨滴粒径这些关键参数通常通过人工观测获取，而很多输电线路都架设在人烟稀少的复杂山地环境中，通过人工观测这些气象参数较为困难，这也给准确预报复杂山地环境下的导线覆冰厚度带来较大困难。
发明内容
本发明的目的在于克服上述现有技术的不足，提供一种复杂山地环境下导线覆冰厚度的预测方法，以准确地预报复杂山地环境下的导线覆冰厚度
为实现上述目的，本发明的技术方案是：
一种复杂山地环境下导线覆冰厚度的预测方法，包括：
获取需预测导线附近气象站所监测到的气象要素以及塔杆所在位置的环境温度、海拔信息以及风速；
根据所获取到的气象要素以及塔杆所在位置的环境温度及海拔信息来计算塔杆所在位置的气压；
结合塔杆所在位置的环境温度、气压以及气象站所监测到的气象要素来计算塔杆所在位置的液态含水量；
根据塔杆所在位置的液态含水量来估算云滴中值体积直径；
根据气象站所监测到的降水量数据来估算雨滴下落末速度及雨滴粒径；
结合上述得到的气压、液态含水量、云滴中值体积直径雨滴下落末速度及雨滴粒径以及塔杆所在位置的环境温度、风速，通过电线积冰模型计算相应的导线覆冰厚度。
本发明与现有技术相比，其有益效果在于：
本方法通过获取杂山地环境下输电线路的相关监测数据，并通过一系列的处理，能够较为准确地预测复杂山地环境中导线覆冰厚度的变化特征，为输电线覆冰发生预报提供科技支撑，具有重要的科学意义和应用价值。
附图说明
图1为本发明实施例提供的复杂山地环境下导线覆冰厚度的预测方法的流程图；
图2为桂山乙线113#与灌阳气象站的空间位置分布
图3为计算的2020年1月16日0时-17日12时桂山乙线113#的气压变化特征并与观测结果对比；
图4为计算的2020年1月16日0时-17日12时桂山乙线113#液水含量变化特征；
图5为计算的2020年1月16日0时-17日12时桂山乙线113#云滴中值体积直径的变化特征；
图6为计算的2020年1月16日0时-17日12时桂山乙线113#降水粒子直径及雨滴下落末速度的变化特征；
图7为预测的2020年1月16日0时-17日12时桂山乙线113#导线覆冰厚度变化并与观测结果对比。
具体实施方式
实施例：
下面结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅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他实施例，都属于本发明的保护范围。
参阅图1所示，本实施例提供的复杂山地环境下导线覆冰厚度的预测方法包括：
101、获取需预测导线附近气象站所监测到的气象要素以及塔杆所在位置的环境温度、海拔信息以及风速；具体地，该塔杆所在位置的环境温度、海拔信息以及风速通过塔杆顶端架设的超声风速仪所监测到，也就是说，本方法所涉及到的参数全部都是仪器所监测获取到的，无需通过人工监测获取。
102、根据所获取到的气象要素以及塔杆所在位置的环境温度及海拔信息来计算塔杆所在位置的气压；如此，塔杆所在位置的气压无需通过人工监测获取，可通过计算准确得到。
103、结合塔杆所在位置的环境温度、气压以及气象站所监测到的气象要素来计算塔杆所在位置的液态含水量；如此，塔杆所在位置的液态含水量无需通过人工监测获取，可通过计算准确得到。
104、根据塔杆所在位置的液态含水量来估算云滴中值体积直径，无需通过人工监测获取。
105、根据气象站所监测到的降水量数据来估算雨滴下落末速度及雨滴粒径，无需通过人工监测获取。
106、结合上述得到的气压、液态含水量、云滴中值体积直径雨滴下落末速度及雨滴粒径以及塔杆所在位置的环境温度、风速，通过电线积冰模型计算相应的导线覆冰厚度。
由此可见，本方法通过获取杂山地环境下输电线路的相关监测数据，并通过一系列的处理，能够较为准确地预测复杂山地环境中导线覆冰厚度的变化特征，为输电线覆冰发生预报提供科技支撑，具有重要的科学意义和应用价值。
具体地，上述气象站所监测到的气象要素包括但不限于气压、环境温度、相对湿度、气象站海拔高度。
具体地，上述步骤102包括：
利用如下公式(1)，结合结合气象站监测的环境温度、海拔、气压数据，及塔杆所在位置的环境温度及海拔信息，对塔杆所处位置的气压进行估算：
使用条件，海拔高度低于11km时，(1)式中
Pb：气象站监测的气压，单位hpa；
Tb：气象站监测温度，标准温度，单位T；
Lb：气象站到塔杆的温度变化率，单位T/m；
h：塔杆海拔高度，单位m；
hb：气象站海拔高度，单位m；
R*：通用气体常数，R*＝8.3144598J/(mol.K)
g0：重力加速度，g0＝9.80665m/s2
M：地球空气的摩尔质量，M＝0.0289644kg/mol。
如此，通过上述公式(1)即可以准确地对对塔杆所处位置的气压进行估算。
具体地，上述步骤103包括：
利用式(2)(3)，结合塔杆所在位置的环境温度、气压，气象站监测的环境温度、相对湿度及气压；计算覆冰期间各监测点液水含量的变化特征，需要两个不同海拔高度的气象站监测点的相对湿度以及温度，式中，气象站监测点1位于云底高度以下，空气处于未饱和状态，气象站监测点2位于云底高度以上，空气处于过饱和状态，液态含水量ρLWC为：
式中，e和p分别为不同气象站监测点的水汽压和气压，ρd为气象站监测点1的干空气密度，ε＝0.622，T为环境温度。。
如此，即可以准确地计算出液态含水量。
具体地，上述步骤104包括：
假设云雾滴粒径的分布遵循Gamma函数谱：
N(D)＝N0Dμe-λD (4)
N为雾滴谱函数，N0为雾滴总数浓度，假定为100cm-3,D、λ、μ分别为粒子谱分布的截距、斜率和谱型参数。
云滴中值体积直径为:
LWC单位为g/cm3，MVD单位为μm。
如此，即可以准确地计算出云滴中值体积直径。
具体地，上述步骤105包括：
根据气象站监测的降水量数据，结合公式(6)～(9)估算雨滴下落末速度及雨滴粒径；雨强与空气中液水含量、雨滴直径及雨滴下落末速度。
空气中由降水带来的液态含水量LWC为：
LWC＝0.067P0.846 (6)
式中，P为逐小时降水量，单位mm/h；
逐小时降水量为P时降水粒子的中值体积直径为：
式中，n为经验常数；
雨滴下落末速度为：
式中，d为雨滴中值体积直径。
如此，即可以准确地计算出雨滴下落末速度及雨滴粒径。
具体地，上述步骤106通过Makkonen电线积冰模型计算相应的导线覆冰厚度；Makkonen电线积冰模型定义的单位时间内的覆冰增长率为：
式中，为单位时间内覆冰的质量增长量，a1为碰撞率，a2为捕获率，a3为冻结率，v为有效粒子速度，即为风速，w为液态含水量(LWC)，S为有效积冰横截面；
碰撞率a1为：
a1＝A-0.028-C(B-0.0454) (11)
其中：
A＝1.066K-0.00616exp(-1.103K-0.688) (12)
B＝3.614K0.498exp(-1.497K-0.694) (13)
K与为无量纲参数：
K＝ρwMVD2/9μD (15)
Re＝ρaMVDv/μ (17)
Re为雷诺数，D为导线直径，ρw为水的密度(1000kg/m3)，ρa为空气密度，v为风速，空气绝对粘度μ＝1.7984×10-5kg/(m·s)；
捕获率a2＝1；
冻结率a3：
式中，F为积冰表面的水通量密度F＝a1a2wv；h为对流热交换系数；σ为斯蒂芬玻尔兹曼常数，为5.6696×10-8W(m2k4)-1；辐射常数a为8.1×107K3，水汽的摩尔分子比ε为0.62，P为气压；ts为冰面温度；ta为气温；td为液滴碰撞温度；ea为水汽压；es为饱和水汽压；Lf为水冻结潜热；Le为蒸发潜热；Cp为空气；Cw为水的比热，r为电线表面局部恢复系数，取0.79。
如此，即可以准确地对导线覆冰厚度进行预测。
下面结合一个应用场景实例来对本方法进行进一步地详细说明：
选取中国南方电网桂山乙线113#于2020年1月16日0时-17日12时时发生的导线覆冰过程作为案例，阐述本方法流程。选取的塔杆位于广西桂林海洋山区段，桂山乙线113#及灌阳气象站位置如图2所示，该地区地形特征复杂，缺乏液水含量等相关观测，仅有塔杆顶端超声风速仪能监测到环境温度及风速的时间变化特征，2019年12月后南京信息工程大学项目组在塔杆底部架设了自动气象站，能监测到气压与降水量的变化特征。利用上述数据，计算2020年1月16日0时-17日12时桂山乙线113#导线覆冰厚度变化特征，具体步骤如下：
步骤A：利用压高公式(公式(1))，结合山脚灌阳气象站监测的环境温度、海拔、气压数据、桂山乙线113#监测的环境温度及海拔信息，对塔杆所处位置的气压进行估算，并与观测结果进行了对比，结果如图3所示，估算的气压变化特征与观测结果较为一致，误差很小。
步骤B：利用公式(2)，结合下列数据计算覆冰期间桂山乙线113#液水含量的变化特征：
(1)塔杆监测的环境温度；
(2)步骤一计算的塔杆气压；
(3)灌阳气象站观测的环境温度相对湿度及气压；
计算的液水含量的时间序列如图4所示。
步骤C：利用步骤B计算的液水含量，根据公式(5)估算覆冰期间云滴中值体积直径分布，结果如图5所示。
步骤D：利用自动气象站监测的降水量数据，结合公式(6)～(9)估算覆冰期间雨滴下落末速度及雨滴粒径分布，结果如图6所示。
步骤E：利用前4个步骤计算的气压、液水含量、云滴中值体积直径、雨滴直径及雨滴下落末速度，结合塔杆监测的环境温度、风速，通过Makkonen积冰模型(公式10～18)计算2020年1月16日0时-17日12时桂山乙线113#导线覆冰厚度的时间变化序列，并与塔杆顶端覆冰监测仪器的监测结果对比，结果如图7所示。模拟的各塔杆覆冰厚度的变化趋势与观测值较为一致；
综上所述，本发明实施例所提供的方法能较为准确地预测复杂山地环境中导线覆冰厚度的变化特征，能在一定程度上弥补复杂山地环境下输电线路缺乏相关气象观测的缺陷，具有重要的科学意义和应用价值。
上述实施例只是为了说明本发明的技术构思及特点，其目的是在于让本领域内的普通技术人员能够了解本发明的内容并据以实施，并不能以此限制本发明的保护范围。凡是根据本发明内容的实质所做出的等效的变化或修饰，都应涵盖在本发明的保护范围内。

Claims (6)

1.一种复杂山地环境下导线覆冰厚度的预测方法，其特征在于，包括：
获取需预测导线附近气象站所监测到的气象要素以及塔杆所在位置的环境温度、海拔信息以及风速；
根据所获取到的气象要素以及塔杆所在位置的环境温度及海拔信息来计算塔杆所在位置的气压；
结合塔杆所在位置的环境温度、气压以及气象站所监测到的气象要素来计算塔杆所在位置的液态含水量；
根据塔杆所在位置的液态含水量来估算云滴中值体积直径；
根据气象站所监测到的降水量数据来估算雨滴下落末速度及雨滴粒径；
结合上述得到的气压、液态含水量、云滴中值体积直径雨滴下落末速度及雨滴粒径以及塔杆所在位置的环境温度、风速，通过电线积冰模型计算相应的导线覆冰厚度；
所述气象要素包括气压、环境温度、相对湿度、风速及气象站海拔高度；
所述根据获取到的气象要素以及塔杆所在位置的环境温度及海拔信息来计算塔杆所在位置的气压包括：
利用如下公式(1)，结合气象站监测的环境温度、海拔、气压数据，及塔杆所在位置的环境温度及海拔信息，对塔杆所处位置的气压进行估算：
使用条件，海拔高度低于11km时，(1)式中
Pb：气象站监测的气压，单位hpa；
Tb：气象站监测温度，标准温度，单位T；
Lb：气象站到塔杆的温度变化率，单位T/m；
h：塔杆海拔高度，单位m；
hb：气象站海拔高度，单位m；
R*：通用气体常数；
g0：重力加速度；
M：地球空气的摩尔质量；
所述结合塔杆所在位置的环境温度、气压以及气象站所监测到的气象要素来计算塔杆所在位置的液态含水量包括：
利用式(2)(3)，结合塔杆所在位置的环境温度、气压，气象站监测的环境温度、相对湿度及气压；计算覆冰期间各监测点液水含量的变化特征，需要两个不同海拔高度的气象站监测点的相对湿度以及温度，式中，气象站监测点1位于云底高度以下，空气处于未饱和状态，气象站监测点2位于云底高度以上，空气处于过饱和状态，液态含水量ρLWC为：
式中，e1为气象站监测点1的水汽压，e2为气象站监测点2的水汽压，P1为气象站监测点1的气压，P2为气象站监测点2为气压，e为气象站监测点的水汽压，ρd为气象站监测点1的干空气密度，ε＝0.622，T为环境温度。
2.如权利要求1所述的复杂山地环境下导线覆冰厚度的预测方法，其特征在于，所述根据塔杆所在位置的液态含水量来估算云滴中值体积直径包括：
假设云雾滴粒径的分布遵循Gamma函数谱：
N(D)＝N0Dμe-λD (4)
N0为雾滴总数浓度,D、λ、μ分别为粒子谱分布的截距、斜率和谱型参数；
云滴中值体积直径为:
LWC单位为g/cm3，MVD单位为μm。
3.如权利要求2所述的复杂山地环境下导线覆冰厚度的预测方法，其特征在于，所述根据气象站所监测到的降水量数据来估算雨滴下落末速度及雨滴粒径包括：
根据气象站监测的降水量数据，结合公式(6)～(9)估算雨滴下落末速度及雨滴粒径：
空气中由降水带来的液态含水量LWC为：
LWC＝0.067P0.846 (6)
式中，P为逐小时降水量，单位mm/h；
逐小时降水量为P时降水粒子的中值体积直径为：
式中，n为经验常数；
雨滴下落末速度为：
式中，d为雨滴中值体积直径。
4.如权利要求3所述的复杂山地环境下导线覆冰厚度的预测方法，其特征在于，通过Makkonen电线积冰模型计算相应的导线覆冰厚度。
5.如权利要求4所述的复杂山地环境下导线覆冰厚度的预测方法，其特征在于，所述Makkonen电线积冰模型定义的单位时间内的覆冰增长率为：
式中，为单位时间内覆冰的质量增长量，a1为碰撞率，a2为捕获率，a3为冻结率，v为有效粒子速度，即为风速，w为液态含水量LWC，S为有效积冰横截面；
碰撞率a1为：
a1＝A-0.028-C(B-0.0454) (11)
其中：
A＝1.066K-0.00616exp(-1.103K-0.688) (12)
B＝3.614K0.498exp(-1.497K-0.694) (13)
K与为无量纲参数：
K＝ρwMVD2/9μD (15)
Re＝ρaMVDv/μ (17)
Re为雷诺数，D为导线直径，ρw为水的密度，ρa为空气密度，v为风速，空气绝对粘度μ＝1.7984×10-5kg/(m·s)；
捕获率a2＝1；
冻结率a3：
式中，F为积冰表面的水通量密度F＝a1a2wv；h为对流热交换系数；σ为斯蒂芬玻尔兹曼常数；a为辐射常数；ε为水汽的摩尔分子比；P为气压；ts为冰面温度；ta为气温；td为液滴碰撞温度；ea为水汽压；es为饱和水汽压；Lf为水冻结潜热；Le为蒸发潜热；Cp为空气；Cw为水的比热，r为电线表面局部恢复系数。
6.如权利要求1-5任一所述的复杂山地环境下导线覆冰厚度的预测方法，其特征在于，所述塔杆所在位置的环境温度、海拔信息以及风速通过塔杆顶端架设的超声风速仪所监测到。
CN202010878344.8A 2020-08-27 2020-08-27 一种复杂山地环境下导线覆冰厚度的预测方法 Active CN112116132B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010878344.8A CN112116132B (zh) 2020-08-27 2020-08-27 一种复杂山地环境下导线覆冰厚度的预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010878344.8A CN112116132B (zh) 2020-08-27 2020-08-27 一种复杂山地环境下导线覆冰厚度的预测方法

Publications (2)

Publication Number Publication Date
CN112116132A CN112116132A (zh) 2020-12-22
CN112116132B true CN112116132B (zh) 2023-08-01

Family

ID=73804219

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010878344.8A Active CN112116132B (zh) 2020-08-27 2020-08-27 一种复杂山地环境下导线覆冰厚度的预测方法

Country Status (1)

Country Link
CN (1) CN112116132B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113358040B (zh) * 2021-05-14 2024-01-23 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 输电线路覆冰厚度获取方法、装置和计算机设备
CN115325983B (zh) * 2022-08-04 2024-07-26 冰音科技(重庆)有限责任公司 一种基于积冰器的输电线路冰情定位方法
CN115327667B (zh) * 2022-08-05 2024-10-08 冰音科技(重庆)有限责任公司 一种现场覆冰探测及覆冰参数敏感度分析方法
CN115248022B (zh) * 2022-09-22 2022-12-06 四川大学 一种输电线路的结冰厚度检测方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105095670A (zh) * 2015-08-21 2015-11-25 国家电网公司 基于连续雨凇日数的输电线路覆冰厚度增长率分布图绘制方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10339478B2 (en) * 2014-03-26 2019-07-02 Ion Geophysical Corporation Simultaneous operations coordination and planning system
CN104614783B (zh) * 2015-01-29 2017-01-04 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 一种对电力系统输电杆塔周边环境的气象风险确定方法
CN106033556A (zh) * 2015-03-16 2016-10-19 国家电网公司 一种电网微气象灾害监测预警系统及其预警方法
CN105160599A (zh) * 2015-09-17 2015-12-16 上海电力学院 基于滤波和支持向量机的电力线路覆冰评估方法
CN109409682B (zh) * 2018-09-28 2022-03-08 国网湖南省电力有限公司 跨区域电网覆冰程度的评估方法及系统
CN109800905A (zh) * 2018-12-19 2019-05-24 国网重庆市电力公司检修分公司 山地环境微地形微气象影响的输电线路覆冰分析方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105095670A (zh) * 2015-08-21 2015-11-25 国家电网公司 基于连续雨凇日数的输电线路覆冰厚度增长率分布图绘制方法

Also Published As

Publication number Publication date
CN112116132A (zh) 2020-12-22

Similar Documents

Publication Publication Date Title
CN112116132B (zh) 一种复杂山地环境下导线覆冰厚度的预测方法
Makkonen Modeling power line icing in freezing precipitation
CN103453867B (zh) 输电线路覆冰厚度监测方法
Zerr Freezing rain: An observational and theoretical study
Wilson et al. A microphysically based precipitation scheme for the UK Meteorological Office Unified Model
Jones A simple model for freezing rain ice loads
Thériault et al. On the dependence of winter precipitation types on temperature, precipitation rate, and associated features
Saleeby et al. A binned approach to cloud-droplet riming implemented in a bulk microphysics model
Sun et al. The impacts of multiscale weather systems on freezing rain and snowstorms over southern China
Ilotoviz et al. Effect of aerosols on freezing drops, hail, and precipitation in a midlatitude storm
CN104636601B (zh) 一种引入动态融冰过程的输电线路覆冰厚度预报方法
Kalina et al. Aerosol effects on idealized supercell thunderstorms in different environments
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
Lim et al. Evaluation of simulated winter precipitation using WRF-ARW during the ICE-POP 2018 field campaign
Luque et al. Thunderstorm graupel charging in the absence of supercooled water droplets
CN112446535A (zh) 基于覆冰类型判别的输电线路覆冰厚度预报方法及装置
Jensen et al. Giant sea-salt aerosols and warm rain formation in marine stratocumulus
Waman et al. Dependencies of four mechanisms of secondary ice production on cloud-top temperature in a continental convective storm
Latham et al. Determination of precipitation rates and yields from lightning measurements
Strauss et al. Skill and potential economic value of forecasts of ice accretion on wind turbines
Drapalik et al. Ice aggregation and ice throw from small wind turbines
Khvorostyanov et al. Modeling with explicit spectral water and ice microphysics of a two‐layer cloud system of altostratus and cirrus observed during the FIRE Arctic Clouds Experiment
Jones et al. Vertical variation of ice loads from freezing rain
Hanna Meteorological effects of the mechanical draft cooling towers of the Oak Ridge Gaseous Diffusion Plant
Jones Freezing fraction in freezing rain

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