CN112651541A - 一种电网区域内强降水预警方法和系统 - Google Patents
一种电网区域内强降水预警方法和系统 Download PDFInfo
- Publication number
- CN112651541A CN112651541A CN202010987411.XA CN202010987411A CN112651541A CN 112651541 A CN112651541 A CN 112651541A CN 202010987411 A CN202010987411 A CN 202010987411A CN 112651541 A CN112651541 A CN 112651541A
- Authority
- CN
- China
- Prior art keywords
- precipitation
- matrix
- time
- forecast
- historical
- 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
- 238000001556 precipitation Methods 0.000 title claims abstract description 223
- 238000000034 method Methods 0.000 title claims abstract description 47
- 239000011159 matrix material Substances 0.000 claims abstract description 218
- 238000012544 monitoring process Methods 0.000 claims description 15
- 230000001186 cumulative effect Effects 0.000 claims description 14
- 238000000354 decomposition reaction Methods 0.000 claims description 12
- 238000004422 calculation algorithm Methods 0.000 claims description 11
- 150000001875 compounds Chemical class 0.000 claims description 9
- 230000017105 transposition Effects 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 4
- 238000009825 accumulation Methods 0.000 claims description 3
- 238000012417 linear regression Methods 0.000 claims description 3
- 230000002265 prevention Effects 0.000 abstract description 8
- 230000006870 function Effects 0.000 description 28
- 238000010586 diagram Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 10
- 230000004044 response Effects 0.000 description 9
- 238000004458 analytical method Methods 0.000 description 7
- 238000004590 computer program Methods 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000010276 construction Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000002085 persistent effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 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
- 230000009467 reduction Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000010792 warming Methods 0.000 description 1
Images
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
- 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
- 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
- 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
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- 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
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Environmental & Geological Engineering (AREA)
- General Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Primary Health Care (AREA)
- Ecology (AREA)
- Environmental Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Biodiversity & Conservation Biology (AREA)
- Atmospheric Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种电网区域内强降水预警方法和系统,包括:利用历史降水量观测值,构建气象观测站对应的空间载荷矩阵;基于历史降水量预报值和实时降水量预报值,确定极端降水指数的预报时序序列;根据所述空间载荷矩阵、所述预报时序序列和实时降水量预报值进行强降水预警;本发明实现了快速准确的强降水预警,进而为电网防灾部门提供数据依据。
Description
技术领域
本发明涉及电力气象领域,具体涉及一种电网区域内强降水预警方法和系统。
背景技术
在全球变暖的气候背景下,极端强降水事件频发,强降水易引发洪水、滑坡、泥石流等次生灾害,造成电网电力设施受损、线路停运、台区停电等一系列事故,由此产生巨大的经济和社会损失。
鉴于强降水给电网安全稳定运行和运维检修带来的巨大挑战,每年汛期电网的防汛工作成为电网防灾减灾工作的重中之重,电网防汛的本质是对强降水天气过程的应急响应,决策者根据气象实时监测和未来预报结果,结合水文、地理、电网状况等信息,制定减少强降水天气带来损害的对策并响应执行。
以往的电力气象防灾领域,基本上是以气象要素和灾害作为主体研究,进行气象要素时间和空间上的演变值预报,通过气象灾害自身特点提出减少灾害损害的对策。由于气象灾害事件致灾因子的复杂性和不确定性,灾害演化中常出现许多衍生、次生、耦合的灾害事件,而对灾害的处置又往往涉及许多半结构化、非结构化的决策问题,因此应对灾害是一个复杂艰难的过程。
近年来电力气象防灾领域提出了情景分析的方法,通过“情景-应对”分析方法,把复杂问题简单化和清晰化,为灾害应对者提供基于气象灾害特征信息提取的情景内容,对灾害事件的危害程度进行描述,在分析过去情景的基础上,确定与情景匹配的应对决策或构建新的决策,使灾害应对者在有效时间内制定出合理的应对方案。
致灾性降水的特点主要体现在:持续时间长、影响范围大、降水强度大。在监测领域,气象上一般有“区域性暴雨”、“持续性暴雨”等致灾暴雨的定性概念,但在定量识别方面,没有既定的规则,通常基于观测的暴雨日数(持续时间)、暴雨区域(空间范围)、过程最大降水量等参数,在特定区域内由人为制定筛选条件来确定;而在预报领域,区域性、持续性暴雨等概念也是由预报员根据未来预报结果定性提出,鲜有定量识别的方法。同时,在降水过程的极端性描述方面,监测领域通常经由事后单站的降水监测数据对比历史监测数据来评估,而在预报领域,目前多是由集合预报中提出的极端天气指数(EFI指数)来衡量,但集合预报通常需要几十个成员的数值天气预报模式同时运行,基于模式回报的极端天气指数更是需要长达几十年的历史天气的回算,占用海量高性能计算资源。
在业务运行中,基于天气预报结果,提取降水天气过程的主要特征并分析极端性,为情景应对分析提供关键的气象灾害特征信息,通过“情景-应对”模型制定与情景匹配的应对决策,这其中降水天气过程特征的提取尤为关键,特征提取既要科学合理,同时还需兼顾经济和实用性。如何基于单一的确定性数值天气预报业务模式结果或少数几个大尺度和中尺度数值天气预报业务模式结果结合,提取降水预报的特征信息,使其能有效区分出“区域性暴雨”和“持续性暴雨”等致灾性降雨,描述出降水过程在时间、空间、强度上的主要特征,并对降水过程的极端性有所体现,是亟需解决的一个技术难点。
发明内容
针对现有技术的不足,本发明的目的是提供一种电网区域内强降水预警方法和系统,该方法实现了快速准确的强降水预警,进而为电网防灾部门提供数据依据。
本发明的目的是采用下述技术方案实现的:
本发明提供一种电网区域内强降水预警方法,其改进之处在于,所述方法包括:
利用历史降水量观测值,构建气象观测站对应的空间载荷矩阵;
基于历史降水量预报值和实时降水量预报值,确定极端降水指数的预报时序序列;
根据所述空间载荷矩阵、所述预报时序序列和实时降水量预报值进行强降水预警。
优选的,所述利用历史降水量观测值,构建气象观测站对应的空间载荷矩阵,包括:
根据历史降水量观测值构建历史降水量观测资料矩阵X;
利用历史降水量观测资料矩阵X确定极端降水指数的观测时序序列;
根据极端降水指数的观测时序序列确定气象观测站对应的空间载荷矩阵;
其中,历史降水量观测资料矩阵X为p行n列矩阵,xi,t-j∈X,xi,t-j为区域内第i个气象观测站在待预警时段t之前的第j个历史时段的降水量观测值的标准化矩平值,其位置处于历史降水量观测资料矩阵X的第i行第j列,i∈(1~p),j∈(1~n),p为区域内气象观测站的总数,n为预设时段数目。
优选的,所述基于历史降水量预报值和实时降水量预报值,确定极端降水指数的预报时序序列,包括:
根据历史降水量预报值和实时降水量预报值构建历史与实时结合的降水量预报资料矩阵F;
利用历史与实时结合的降水量预报资料矩阵F确定极端降水指数的预报时序序列;
其中,历史与实时结合的降水量预报资料矩阵F为p行n+1列矩阵,fi,t-x∈F,fi,t-x为区域内第i个气象观测站在待预警时段t之前的第j个时段的降水量预报值的标准化矩平值,其位置处于历史与实时结合的降水量预报资料矩阵F第i行第x+1列,i∈(1~p),x∈(0~n),p为区域内气象观测站的总数,n为预设时段数目,当历史与实时结合的降水量预报资料矩阵F中元素下标中的x取值为0时,则该元素对应的是实时降水量预报值,当历史与实时结合的降水量预报资料矩阵F中元素下标中的x取值为(1~n)时,则该元素对应的是历史降水量预报值。
优选的,所述根据所述空间载荷矩阵、所述预报时序序列和实时降水量预报值进行强降水预警,包括:
基于所述空间载荷矩阵和待预警时段实时的预报降水量确定待预警时段区域内的强降水范围;
计算由预报时序序列中各元素绘制的百分位曲线中百分位数为待预警时段的极端降水指数的预报值对应的归一化值时对应的百分位;
根据所述百分位和待预警时段区域内的强降水范围进行强降水预警。
本发明提供一种电网区域内强降水预警系统,其改进之处在于,所述系统包括:
构建模块,用于利用历史降水量观测值,构建气象观测站对应的空间载荷矩阵;
确定模块,用于基于历史降水量预报值和实时降水量预报值,确定极端降水指数的预报时序序列;
预警模块,用于根据所述空间载荷矩阵、所述预报时序序列和实时降水量预报值进行强降水预警。
与最接近的现有技术相比,本发明具有的有益效果:
本发明提供的技术方案,利用历史降水量观测值,构建气象观测站对应的空间载荷矩阵;基于历史降水量预报值和实时降水量预报值,确定极端降水指数的预报时序序列;根据所述空间载荷矩阵、所述预报时序序列和实时降水量预报值进行强降水预警;该方案从空间、时间(历史和实时)、预报以及监测等多个维度对降水数据进行挖掘分析,最大限度的保证了强降水预警的精确性,从而为电网防灾部门提供有效的数据依据。
本发明提供的技术方案,计算简单,可保证强降水预警的快速性。
本发明提供的技术方案,可操作性强,易于推广。
附图说明
图1是一种影响区域内电网设施安全的强降水预警方法流程图;
图2是本发明实施例中基于某区域极端降水指数的预报时序序列绘制的曲线示意图;
图3是本发明实施例中某区域内气象观测站的空间载荷示意图;
图4是本发明实施例中待预警日某区域内的强降水范围;
图5是一种影响区域内电网设施安全的强降水预警系统结构图。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步的详细说明。
为使本发明实施例的目的、技术方案和优点更加清楚,下面将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,所描述的实施例是本发明一部分实施例,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。
强降水是影响电网安全运行的主要灾害之一,电网防汛中进行“情景-应对”分析决策时,常需要提取气象事件的关键特征信息,在情景分析的基础上,确定与情景匹配的应对策略。气象事件的关键特征信息可以从降水特征分析和预报降水极端性两方面去考虑,但是当前强降水的特征分析方面,常以定性描述为主,定量描述也需要人为制定标准;在预报降水的极端性描述方面,也以耗费计算资源的集合预报结果为基础,使得提取气象事件的关键特征信息在准确度和计算简化度上均不足,基于此本发明提供一种电网区域内强降水预警方法,如图1所述,所述方法包括:
步骤101,用于利用历史降水量观测值,构建气象观测站对应的空间载荷矩阵;
步骤102,用于基于历史降水量预报值和实时降水量预报值,确定极端降水指数的预报时序序列;
步骤103,用于根据所述空间载荷矩阵、所述预报时序序列和实时降水量预报值进行强降水预警。
在本发明的最佳实施例中,极端性降水指数可以刻画其所属时段降水过程的降水强度。
具体的,所述步骤101,包括:
步骤101-1,根据历史降水量观测值构建历史降水量观测资料矩阵X;
步骤101-2,利用历史降水量观测资料矩阵X确定极端降水指数的观测时序序列;
步骤101-3,根据极端降水指数的观测时序序列确定气象观测站对应的空间载荷矩阵;
xi,t-j为区域内第i个气象观测站在待预警时段t之前的第j个历史时段的降水量观测值的标准化矩平值,其位置处于历史降水量观测资料矩阵X的第i行第j列,i∈(1~p),j∈(1~n),p为区域内气象观测站的总数,n为预设时段数目。
进一步的,所述步骤101-2,包括:
步骤101-2-1,利用经验正交分解算法分解所述历史降水量观测资料矩阵X,获取历史降水量观测资料矩阵X对应的时间函数矩阵Y;
步骤101-2-3,根据矩阵Y*计算极端降水指数的观测时序序列;
其中,λi为所述时间函数矩阵Y中第i行元素的累计方差贡献率,其数值等于矩阵X·X'的非零特征值降序序列中第i个特征值,δ为累计方差贡献率设定阈值,m为大于1小于p的正整数,X'为历史降水量观测资料矩阵X的转置矩阵,p为区域内气象观测站的总数。
再进一步的,所述步骤101-2-1,包括:
按下式确定所述历史降水量观测资料矩阵X对应的时间函数矩阵Y:
Y=V′·X
式中,V'为历史降水量观测资料矩阵X对应的空间函数矩阵V的转置;
其中,所述历史降水量观测资料矩阵X对应的空间函数矩阵V为p行p列矩阵,viz∈V,viz为矩阵X·X'的非零特征值降序序列中第z个特征值对应的特征向量中第i个元素,z∈(1~p)。
再进一步的,所述步骤101-2-3,包括:
按下式确定极端降水指数的观测时序序列S:
S={St-1…St-j…St-n}
式中,St-j为区域在待预警时段t之前的第j个时段的极端降水指数的观测值,j∈(1~n),n为预设时段数目;
其中,按下式确定区域在待预警时段t之前的第j个时段的极端降水指数的观测值St-j:
进一步的,所述步骤101-3,包括:
步骤101-3-1,在历史降水量观测资料矩阵X中截取前c列元素,生成矩阵X*;
步骤101-3-2,在极端降水指数的观测时序序列中截取前c个元素,生成c行1列的极端降水指数观测矩阵Q;
步骤101-3-3,利用线性回归算法拟合所述矩阵X*和矩阵Q,拟合后生成的p行1列的矩阵G;
其中,矩阵G中第i行元素为区域内第i个气象观测站的空间载荷,c为预警设定的降水累加时间窗口包含的时段总数。
在本发明的最佳实施例中,利用历史降水量观测资料矩阵X前c列元素和极端降水指数的观测时序序列前c个元素重构空间载荷矩阵,提高了气象观测站的空间载荷的计算准确性。
具体的,所述步骤102,包括:
步骤102-1,根据历史降水量预报值和实时降水量预报值构建历史与实时结合的降水量预报资料矩阵F;
步骤102-2,利用历史与实时结合的降水量预报资料矩阵F确定极端降水指数的预报时序序列;
其中,历史与实时结合的降水量预报资料矩阵为p行n+1列矩阵,fi,t-x∈F,fi,t-x为区域内第i个气象观测站在待预警时段t之前的第j个时段的降水量预报值的标准化矩平值,其位置处于历史与实时结合的降水量预报资料矩阵F第i行第x+1列,i∈(1~p),x∈(0~n),p为区域内气象观测站的总数,n为预设时段数目,当历史与实时结合的降水量预报资料矩阵F中元素下标中的x取值为0时,则该元素对应的是实时降水量预报值,当历史与实时结合的降水量预报资料矩阵F中元素下标中的x取值为(1~n)时,则该元素对应的是历史降水量预报值。
进一步的,所述步骤102-2,包括:
步骤102-2-1,利用经验正交分解算法分解所述历史与实时结合的降水量预报资料矩阵F,获取所述历史与实时结合的降水量预报资料矩阵F对应的时间函数矩阵H;
步骤102-2-3,根据矩阵H*计算极端降水指数的预报时序序列;
其中,γi为所述时间函数矩阵H中第i行元素的累计方差贡献率,其数值等于矩阵F·F*的非零特征值降序序列中第i个特征值,δ为累计方差贡献率设定阈值,k为大于1小于p的正整数,F*为所述历史与实时结合的降水量预报资料矩阵F的转置矩阵,p为区域内气象观测站的总数。
再进一步的,所述步骤102-2-1,包括:
按下式确定所述历史与实时结合的降水量预报资料矩阵F对应的时间函数矩阵H:
H=U'·F
式中,U'为所述历史与实时结合的降水量预报资料矩阵F对应的空间函数矩阵U的转置;
其中,所述历史与实时结合的降水量预报资料矩阵F对应的空间函数矩阵U为p行p列矩阵,uiz∈U,uiz为矩阵F·F'的非零特征值降序序列中第z个特征值对应的特征向量中第i个元素,z∈(1~p)。
再进一步的,所述步骤102-2-3,包括:
按下式确定极端降水指数的预报时序序列R#:
其中,按下式确定区域在待预警时段t之前的第x个时段的极端降水指数的预报值Rt-x:
具体的,所述步骤103,包括:
步骤103-1,基于所述空间载荷矩阵和待预警时段实时的预报降水量确定待预警时段区域内的强降水范围;
步骤103-2,计算由预报时序序列中各元素绘制的百分位曲线中百分位数为待预警时段的极端降水指数的预报值对应的归一化值时对应的百分位;
步骤103-3,根据所述百分位和待预警时段区域内的强降水范围进行强降水预警。
进一步的,所述步骤103-1,包括:
步骤103-1-1,在区域内全部气象观测站中选择空间载荷大于空间载荷阈值且在待预警时段的预报降水量大于降水阈值的气象观测站;
步骤103-1-2,将选择的气象观测站所对应的预报范围作为待预警时段区域内的强降水范围。
再进一步的,所述步骤103-3,包括:
若所述百分位处于区间[0,α),则不预警;
若所述百分位处于区间[α,β),则向区域内电网灾害监控部门发出一级预警,并推送待预警时段区域内的强降水范围;
若所述百分位处于区间[β,ε),则向区域内电网灾害监控部门发出二级预警,并推送待预警时段区域内的强降水范围;
若所述百分位处于区间[ε,100],则向区域内电网灾害监控部门发出三级预警,并推送待预警时段区域内的强降水范围;
其中,α为第一预设预警阈值,β为第二预设预警阈值,ε为第三预设预警阈值,三级预警优先级大于二级预警优先级,二级预警优先级大于一级预警优先级。
在本发明的最佳实施例中,α可以取50%,β可以取75%,ε可以取90%。
在本发明的最佳实施例中,以实现某区域范围强降水预警为例,获取该区域待预警日以及待预警日之前的1000日的预报降雨数据,以及该区域待预警日以之前的1000日的实测降雨数据,依据本发明提供的方案对上述数据进行处理,可得该区域待预警日以及待预警日之前的1000日的极端降水指数的预报值的归一化值,该区域待预警日前1日到待预警日之前的93日的极端降水指数的预报值的归一化值如图2所示,获取在待预警日及其之前1000日的极端降水指数的预报值的归一化值对应的预报时序序列,计算由预报时序序列中各元素绘制的百分位曲线中百分位数为待预警日的极端降水指数的预报值对应的归一化值时对应的百分位预警设定的降水累加时间窗口设为10天,通过计算得到的某区域内气象观测站的空间载荷如图3所示,设定降水量阈值以暴雨阈值50毫米为标准,设定空间载荷以0.03为标准,选取某区域在待预警日的强降雨范围,如图4所示,其结果能有效展示过去10天的“涝区”及未来降水的主要影响区域,辨识两者叠加效应最显著的区域。
基于上述百分位和强降水区域进行强降水预警。
本发明提供一种电网区域内强降水预警系统,如图5所示,所述系统包括:
构建模块,用于利用历史降水量观测值,构建气象观测站对应的空间载荷矩阵;
确定模块,用于基于历史降水量预报值和实时降水量预报值,确定极端降水指数的预报时序序列;
预警模块,用于根据所述空间载荷矩阵、所述预报时序序列和实时降水量预报值进行强降水预警。
具体的,所述构建模块,包括:
第一构建单元,用于根据历史降水量观测值构建历史降水量观测资料矩阵X;
第一确定单元,用于利用历史降水量观测资料矩阵X确定极端降水指数的观测时序序列;
第二确定单元,用于根据极端降水指数的观测时序序列确定气象观测站对应的空间载荷矩阵;
其中,历史降水量观测资料矩阵X为p行n列矩阵,xi,t-j∈X,xi,t-j为区域内第i个气象观测站在待预警时段t之前的第j个历史时段的降水量观测值的标准化矩平值,其位置处于历史降水量观测资料矩阵X的第i行第j列,i∈(1~p),j∈(1~n),p为区域内气象观测站的总数,n为预设时段数目。
具体的,所述第一确定单元,包括:
第一分解子模块,用于利用经验正交分解算法分解所述历史降水量观测资料矩阵X,获取历史降水量观测资料矩阵X对应的时间函数矩阵Y;
第一确定子模块,用于根据矩阵Y*计算极端降水指数的观测时序序列;
其中,λi为所述时间函数矩阵Y中第i行元素的累计方差贡献率,其数值等于矩阵X·X'的非零特征值降序序列中第i个特征值,δ为累计方差贡献率设定阈值,m为大于1小于p的正整数,X'为历史降水量观测资料矩阵X的转置矩阵,p为区域内气象观测站的总数。
具体的,所述第一分解子模块,用于:
按下式确定所述历史降水量观测资料矩阵X对应的时间函数矩阵Y:
Y=V′·X
式中,V'为历史降水量观测资料矩阵X对应的空间函数矩阵V的转置;
其中,所述历史降水量观测资料矩阵X对应的空间函数矩阵V为p行p列矩阵,viz∈V,viz为矩阵X·X'的非零特征值降序序列中第z个特征值对应的特征向量中第i个元素,z∈(1~p)。
具体的,所述第一确定子模块,包括:
按下式确定极端降水指数的观测时序序列S:
S={St-1…St-j...St-n}
式中,St-j为区域在待预警时段t之前的第j个时段的极端降水指数的观测值,j∈(1~n),n为预设时段数目;
其中,按下式确定区域在待预警时段t之前的第j个时段的极端降水指数的观测值St-j:
具体的,所述第二确定单元,包括:
在历史降水量观测资料矩阵X中截取前c列元素,生成矩阵X*;
在极端降水指数的观测时序序列中截取前c个元素,生成c行1列的极端降水指数观测矩阵Q;
利用线性回归算法拟合所述矩阵X*和矩阵Q,拟合后生成的p行1列的矩阵G;
其中,矩阵G中第i行元素为区域内第i个气象观测站的空间载荷,c为预警设定的降水累加时间窗口包含的时段总数。
具体的,所述确定模块,包括:
第二构建单元,用于根据历史降水量预报值和实时降水量预报值构建历史与实时结合的降水量预报资料矩阵F;
第三确定单元,用于利用历史与实时结合的降水量预报资料矩阵F确定极端降水指数的预报时序序列;
其中,历史与实时结合的降水量预报资料矩阵F为p行n+1列矩阵,fi,t-x∈F,fi,t-x为区域内第i个气象观测站在待预警时段t之前的第j个时段的降水量预报值的标准化矩平值,其位置处于历史与实时结合的降水量预报资料矩阵F第i行第x+1列,i∈(1~p),x∈(0~n),p为区域内气象观测站的总数,n为预设时段数目,当历史与实时结合的降水量预报资料矩阵F中元素下标中的x取值为0时,则该元素对应的是实时降水量预报值,当历史与实时结合的降水量预报资料矩阵F中元素下标中的x取值为(1~n)时,则该元素对应的是历史降水量预报值。
具体的,所述第三确定单元,包括:
第二分解子模块,用于利用经验正交分解算法分解所述历史与实时结合的降水量预报资料矩阵F,获取所述历史与实时结合的降水量预报资料矩阵F对应的时间函数矩阵H;
第二计算子模块,用于根据矩阵H*计算极端降水指数的预报时序序列;
其中,γi为所述时间函数矩阵H中第i行元素的累计方差贡献率,其数值等于矩阵F·F*的非零特征值降序序列中第i个特征值,δ为累计方差贡献率设定阈值,k为大于1小于p的正整数,F*为所述历史与实时结合的降水量预报资料矩阵F的转置矩阵,p为区域内气象观测站的总数。
具体的,所述第二分解子模块,用于:
按下式确定所述历史与实时结合的降水量预报资料矩阵F对应的时间函数矩阵H:
H=U'·F
式中,U'为所述历史与实时结合的降水量预报资料矩阵F对应的空间函数矩阵U的转置;
其中,所述历史与实时结合的降水量预报资料矩阵F对应的空间函数矩阵U为p行p列矩阵,uiz∈U,uiz为矩阵F·F'的非零特征值降序序列中第z个特征值对应的特征向量中第i个元素,z∈(1~p)。
具体的,所述第二计算子模块,用于:
按下式确定极端降水指数的预报时序序列R#:
其中,按下式确定区域在待预警时段t之前的第x个时段的极端降水指数的预报值Rt-x:
具体的,所述预警模块,包括:
第四确定单元,用于基于所述空间载荷矩阵和待预警时段实时的预报降水量确定待预警时段区域内的强降水范围;
计算单元,用于计算由预报时序序列中各元素绘制的百分位曲线中百分位数为待预警时段的极端降水指数的预报值对应的归一化值时对应的百分位;
预警单元,用于根据所述百分位和待预警时段区域内的强降水范围进行强降水预警。
具体的,所述第四确定单元,包括:
选择子模块,用于在区域内全部气象观测站中选择空间载荷大于空间载荷阈值且在待预警时段的预报降水量大于降水阈值的气象观测站;
选定子模块,用于将选择的气象观测站所对应的预报范围作为待预警时段区域内的强降水范围。
具体的,所述预警单元,用于:
若所述百分位处于区间[0,α),则不预警;
若所述百分位处于区间[α,β),则向区域内电网灾害监控部门发出一级预警,并推送待预警时段区域内的强降水范围;
若所述百分位处于区间[β,ε),则向区域内电网灾害监控部门发出二级预警,并推送待预警时段区域内的强降水范围;
若所述百分位处于区间[ε,100],则向区域内电网灾害监控部门发出三级预警,并推送待预警时段区域内的强降水范围;
其中,α为第一预设预警阈值,β为第二预设预警阈值,ε为第三预设预警阈值,三级预警优先级大于二级预警优先级,二级预警优先级大于一级预警优先级。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。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者等同替换,而未脱离本发明精神和范围的任何修改或者等同替换,其均应涵盖在本发明的权利要求保护范围之内。
Claims (14)
1.一种电网区域内强降水预警方法,其特征在于,所述方法包括:
利用历史降水量观测值,构建气象观测站对应的空间载荷矩阵;
基于历史降水量预报值和实时降水量预报值,确定极端降水指数的预报时序序列;
根据所述空间载荷矩阵、所述预报时序序列和实时降水量预报值进行强降水预警。
2.如权利要求1所述的方法,其特征在于,所述利用历史降水量观测值,构建气象观测站对应的空间载荷矩阵,包括:
根据历史降水量观测值构建历史降水量观测资料矩阵X;
利用历史降水量观测资料矩阵X确定极端降水指数的观测时序序列;
根据极端降水指数的观测时序序列确定气象观测站对应的空间载荷矩阵;
其中,历史降水量观测资料矩阵X为p行n列矩阵,xi,t-j∈X,xi,t-j为区域内第i个气象观测站在待预警时段t之前的第j个历史时段的降水量观测值的标准化矩平值,其位置处于历史降水量观测资料矩阵X的第i行第j列,i∈(1~p),j∈(1~n),p为区域内气象观测站的总数,n为预设时段数目。
4.如权利要求3所述的方法,其特征在于,所述利用经验正交分解算法分解所述历史降水量观测资料矩阵X,获取历史降水量观测资料矩阵X对应的时间函数矩阵Y,包括:
按下式确定所述历史降水量观测资料矩阵X对应的时间函数矩阵Y:
Y=V′·X
式中,V'为历史降水量观测资料矩阵X对应的空间函数矩阵V的转置;
其中,所述历史降水量观测资料矩阵X对应的空间函数矩阵V为p行p列矩阵,viz∈V,viz为矩阵X·X'的非零特征值降序序列中第z个特征值对应的特征向量中第i个元素,z∈(1~p)。
6.如权利要求2所述的方法,其特征在于,所述根据极端降水指数的观测时序序列确定气象观测站对应的空间载荷矩阵,包括:
在历史降水量观测资料矩阵X中截取前c列元素,生成矩阵X*;
在极端降水指数的观测时序序列中截取前c个元素,生成c行1列的极端降水指数观测矩阵Q;
利用线性回归算法拟合所述矩阵X*和矩阵Q,拟合后生成的p行1列的矩阵G;
其中,矩阵G中第i行元素为区域内第i个气象观测站的空间载荷,c为预警设定的降水累加时间窗口包含的时段总数。
7.如权利要求1所述的方法,其特征在于,所述基于历史降水量预报值和实时降水量预报值,确定极端降水指数的预报时序序列,包括:
根据历史降水量预报值和实时降水量预报值构建历史与实时结合的降水量预报资料矩阵F;
利用历史与实时结合的降水量预报资料矩阵F确定极端降水指数的预报时序序列;
其中,历史与实时结合的降水量预报资料矩阵F为p行n+1列矩阵,fi,t-x∈F,fi,t-x为区域内第i个气象观测站在待预警时段t之前的第j个时段的降水量预报值的标准化矩平值,其位置处于历史与实时结合的降水量预报资料矩阵F第i行第x+1列,i∈(1~p),x∈(0~n),p为区域内气象观测站的总数,n为预设时段数目,当历史与实时结合的降水量预报资料矩阵F中元素下标中的x取值为0时,则该元素对应的是实时降水量预报值,当历史与实时结合的降水量预报资料矩阵F中元素下标中的x取值为(1~n)时,则该元素对应的是历史降水量预报值。
8.如权利要求1所述的方法,其特征在于,所述利用历史与实时结合的降水量预报资料矩阵F确定极端降水指数的预报时序序列,包括:
利用经验正交分解算法分解所述历史与实时结合的降水量预报资料矩阵F,获取所述历史与实时结合的降水量预报资料矩阵F对应的时间函数矩阵H;
根据矩阵H*计算极端降水指数的预报时序序列;
其中,γi为所述时间函数矩阵H中第i行元素的累计方差贡献率,其数值等于矩阵F·F*的非零特征值降序序列中第i个特征值,δ为累计方差贡献率设定阈值,k为大于1小于p的正整数,F*为所述历史与实时结合的降水量预报资料矩阵F的转置矩阵,p为区域内气象观测站的总数。
9.如权利要求8所述的方法,其特征在于,所述利用经验正交分解算法分解所述历史与实时结合的降水量预报资料矩阵F,获取所述历史与实时结合的降水量预报资料矩阵F对应的时间函数矩阵H,包括:
按下式确定所述历史与实时结合的降水量预报资料矩阵F对应的时间函数矩阵H:
H=U'·F
式中,U'为所述历史与实时结合的降水量预报资料矩阵F对应的空间函数矩阵U的转置;
其中,所述历史与实时结合的降水量预报资料矩阵F对应的空间函数矩阵U为p行p列矩阵,uiz∈U,uiz为矩阵F·F'的非零特征值降序序列中第z个特征值对应的特征向量中第i个元素,z∈(1~p)。
11.如权利要求1所述的方法,其特征在于,所述根据所述空间载荷矩阵、所述预报时序序列和实时降水量预报值进行强降水预警,包括:
基于所述空间载荷矩阵和待预警时段实时的预报降水量确定待预警时段区域内的强降水范围;
计算由预报时序序列中各元素绘制的百分位曲线中百分位数为待预警时段的极端降水指数的预报值对应的归一化值时对应的百分位;
根据所述百分位和待预警时段区域内的强降水范围进行强降水预警。
12.如权利要求11所述的方法,其特征在于,所述基于所述空间载荷矩阵和待预警时段实时的预报降水量确定待预警时段区域内的强降水范围,包括:
在区域内全部气象观测站中选择空间载荷大于空间载荷阈值且在待预警时段的预报降水量大于降水阈值的气象观测站;
将选择的气象观测站所对应的预报范围作为待预警时段区域内的强降水范围。
13.如权利要求11所述的方法,其特征在于,所述根据所述百分位和待预警时段区域内的强降水范围进行强降水预警,包括:
若所述百分位处于区间[0,α),则不预警;
若所述百分位处于区间[α,β),则向区域内电网灾害监控部门发出一级预警,并推送待预警时段区域内的强降水范围;
若所述百分位处于区间[β,ε),则向区域内电网灾害监控部门发出二级预警,并推送待预警时段区域内的强降水范围;
若所述百分位处于区间[ε,100],则向区域内电网灾害监控部门发出三级预警,并推送待预警时段区域内的强降水范围;
其中,α为第一预设预警阈值,β为第二预设预警阈值,ε为第三预设预警阈值,三级预警优先级大于二级预警优先级,二级预警优先级大于一级预警优先级。
14.一种电网区域内强降水预警系统,其特征在于,所述系统包括:
构建模块,用于利用历史降水量观测值,构建气象观测站对应的空间载荷矩阵;
确定模块,用于基于历史降水量预报值和实时降水量预报值,确定极端降水指数的预报时序序列;
预警模块,用于根据所述空间载荷矩阵、所述预报时序序列和实时降水量预报值进行强降水预警。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010987411.XA CN112651541A (zh) | 2020-09-18 | 2020-09-18 | 一种电网区域内强降水预警方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010987411.XA CN112651541A (zh) | 2020-09-18 | 2020-09-18 | 一种电网区域内强降水预警方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112651541A true CN112651541A (zh) | 2021-04-13 |
Family
ID=75346407
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010987411.XA Pending CN112651541A (zh) | 2020-09-18 | 2020-09-18 | 一种电网区域内强降水预警方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112651541A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113344553A (zh) * | 2021-07-20 | 2021-09-03 | 中南林业科技大学 | 一种流域综合管理系统及方法 |
CN115640967A (zh) * | 2022-10-14 | 2023-01-24 | 国网浙江省电力有限公司嘉兴供电公司 | 一种基于极端降水灾害预估的电网资源弹性调配方法 |
-
2020
- 2020-09-18 CN CN202010987411.XA patent/CN112651541A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113344553A (zh) * | 2021-07-20 | 2021-09-03 | 中南林业科技大学 | 一种流域综合管理系统及方法 |
CN115640967A (zh) * | 2022-10-14 | 2023-01-24 | 国网浙江省电力有限公司嘉兴供电公司 | 一种基于极端降水灾害预估的电网资源弹性调配方法 |
CN115640967B (zh) * | 2022-10-14 | 2024-05-14 | 国网浙江省电力有限公司嘉兴供电公司 | 一种基于极端降水灾害预估的电网资源弹性调配方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112651541A (zh) | 一种电网区域内强降水预警方法和系统 | |
JP6359960B2 (ja) | 故障予測装置、故障予測方法及び故障予測プログラム | |
CN108732649A (zh) | 一种基于气象干旱传递的水文干旱预测预警方法 | |
US10062034B2 (en) | Method and system for obtaining and analyzing information from a plurality of sources | |
KR102280804B1 (ko) | 강우 지속 시간별 산사태 위험예보 장치 및 방법 | |
CN109670260B (zh) | 一种山火蔓延面积预测方法、装置和设备 | |
Weng et al. | Cluster-based lognormal distribution model for accident duration | |
CN102129776A (zh) | 行人异常交通状态自动检测方法及系统 | |
Chohlas-Wood et al. | Mining 911 calls in New York City: Temporal patterns, detection, and forecasting | |
Sun et al. | An ensemble system to predict the spatiotemporal distribution of energy security weaknesses in transmission networks | |
Sorensen et al. | Community response to hurricane threat: Estimates of warning issuance time distributions | |
CN106845780A (zh) | 一种发电机组运行工况分析系统及其分析方法 | |
CN108446202A (zh) | 一种机房设备的安全状况的判断方法 | |
Liu et al. | Grid-based multi-attribute risk assessment of snow disasters in the grasslands of Xilingol, Inner Mongolia | |
CN116957204A (zh) | 场所的消防安全隐患评估方法、装置、大数据平台及介质 | |
CN111047098A (zh) | 一种建筑工程进度及造价管理系统、计算机设备及计算机可读存储介质 | |
CN112288117A (zh) | 目标客户的成交概率预测方法、装置与电子设备 | |
CN113505681B (zh) | 用于监测市场内部地面卫生情况的方法 | |
Penkova et al. | On-line control of the state of technosphere and environment objects in Krasnoyarsk region based on monitoring data | |
CN115470308A (zh) | 一种基于gis系统的气象信息管理平台构建方法及系统 | |
Sulasikin et al. | Developing a knowledge management system for supporting flood decision-making | |
CN110888013A (zh) | 电力设备的故障预测方法、装置和电力监控系统 | |
Ayudhya | Locating humanitarian relief effort facility using p-center method | |
CN113986999A (zh) | 雷电预警方法、预警装置、电子设备和计算机存储介质 | |
CN112766588A (zh) | 一种核事故应急对策评价方法、评价系统 |
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 |