CN112835965A - 基于多普勒雷达强对流天气的电网设备故障预警方法 - Google Patents
基于多普勒雷达强对流天气的电网设备故障预警方法 Download PDFInfo
- Publication number
- CN112835965A CN112835965A CN202110240305.XA CN202110240305A CN112835965A CN 112835965 A CN112835965 A CN 112835965A CN 202110240305 A CN202110240305 A CN 202110240305A CN 112835965 A CN112835965 A CN 112835965A
- Authority
- CN
- China
- Prior art keywords
- power grid
- strong convection
- early warning
- doppler radar
- weather
- 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
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000012800 visualization Methods 0.000 claims description 10
- 230000006870 function Effects 0.000 claims description 9
- 239000003086 colorant Substances 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000004040 coloring Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 claims description 3
- 238000011161 development Methods 0.000 abstract description 6
- 230000002265 prevention Effects 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 10
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
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
- G06F16/248—Presentation of query results
-
- 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
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas 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
-
- 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
Abstract
本发明公开了基于多普勒雷达强对流天气的电网设备故障预警方法,包括以下步骤:获取电网设备地理信息、获取强对流多普勒雷达数据、对多普勒雷达数据进行解析、电网预警故障设备定位和强对流及电网预警设备可视化。本发明提出的基于多普勒雷达强对流天气的电网设备故障预警方法,实现了基于强对流天气的电网设备故障的提前预警功能,让电网调度运行人员及时了解强对流天气发展趋势,为调度及时采取预控措施、制定事故处理预案赢得先机,为应对恶劣天气能够提前开展电网事前应急处理提供技术支撑,切实提升电网防控能力,最大限度确保了电网安全供电。
Description
技术领域
本发明涉及电网运行安全分析技术领域,尤其涉及基于多普勒雷达强对流天气的电网设备故障预警方法。
背景技术
极端自然灾害对我国电网安全运行生产构成了越来越严重的威胁,因恶劣天气、自然灾害等多种复杂因素造成局部故障波及全网的风险增大,尤其局部强对流天气对电网影响最为明显。
随着气象预报和地理信息技术的发展,电网气象预警信息可很好应用于开展电网运行风险预警分析,将强对流多普勒雷电信息与电网设备地理信息进行融合,可提前给出电网中受强对流天气影响的设备,让电网调度运行人员及时了解强对流天气发展趋势,为调度及时采取预控措施、制定事故处理预案赢得先机,最大限度确保了电网安全供电,上述方法如何实现亟需本领域人员进行创造解决。
发明内容
本发明的目的是为了提升电网预警预控能力,做到事前防控,为电网调度运行人员应对强对流天气造成的影响赢取时间,提供一种基于多普勒雷达强对流天气的电网设备故障预警方法来解决上述问题。
本发明是通过以下技术方案实现:
基于多普勒雷达强对流天气的电网设备故障预警方法,包括以下步骤:
步骤一:获取电网设备地理信息;
步骤二:获取强对流多普勒雷达数据;
步骤三:对多普勒雷达数据进行解析;
步骤四:电网预警故障设备定位;
步骤五:强对流及电网预警设备可视化。
进一步的,步骤一中,获取电网设备地理信息的具体方法为:从电力地理信息系统中获取厂站位置、杆塔位置以及杆塔所属线路信息,以空间数据格式存储于数据库中。
进一步的,所述数据库为PostgreSQL系统数据库。
进一步的,步骤二中,获取强对流多普勒雷达数据的具体方法为:从气象局获取强对流多普勒雷达的栅格数据,数据以文本形式存储,其中每个栅格范围大小精细度为经度0.01度×纬度0.01度,存储每个栅格点的数值代表强对流雷达回波强度(单位:dBZ),分为15个等级区间,分别为(0,5]、(5,10]、(10,15]、(15,20]、(20,25]、(25,30]、(30,35]、(35,40]、(40,45]、(45,50]、(50,55]、(55,60]、(60,65]、(65,70]、(70,∞)。
进一步的,采用专用通信通道从气象局获取强对流多普勒雷达的栅格数据。
进一步的,步骤三中,对多普勒雷达数据进行解析的具体方法如下:基于python语言,对步骤一中获取强对流的栅格文本数据进行按行读取解析,通过调用python的shapefile内库将强对流多普勒雷达数据转换为矢量数据格式的shape文件,以空间矢量数据格式存储于PostgreSQL数据库中,同时通过调用PIL内库将强对流多普勒雷达数据按15个等级进行着色,通过python中的plt.pcolormesh将数据转换为800*900分辨率的图片,其中每个等级的颜色按照RGB配色表进行分类形成15种不同的颜色进行区分。
进一步的,所述PIL内库为python的第三方图像处理库。
进一步的,通过python中的plt.pcolormesh将数据转换成的图片格式为PNG格式。
进一步的,步骤四中,电网预警故障设备定位的具体方法如下:将步骤三中存储于PostgreSQL数据库中强对流影响的地理空间信息进行处理,将强对流雷达回波强度在45dBZ及以上的区域与步骤一中的电网设备及站点地理信息求交集计算,通过调用PostgreSQL数据库中ST_Intersects(A,B)函数,给出两者交集C,其中交集C为受影响的电网设备,A为强对流影响范围,B为电网设备或厂站位置。
进一步的,步骤五中,强对流及电网预警设备可视化的具体方式如下:基于电力地理信息系统,通过按时间循环播放方式将步骤三中转换的强对流图片叠加到地理信息上,将步骤四中定位出电网预警设备在地理信息上进行直观定位标注,实现图片播放与预警设备标注做到展示,并提供播放暂停和开始功能,方便电网调度运行人员直观分析评估电网运行风险。
与现有的技术相比,本发明的有益效果是:
本发明提出的基于多普勒雷达强对流天气的电网设备故障预警方法,实现了基于强对流天气的电网设备故障的提前预警功能,让电网调度运行人员及时了解强对流天气发展趋势,为调度及时采取预控措施、制定事故处理预案赢得先机,为应对恶劣天气能够提前开展电网事前应急处理提供技术支撑,切实提升电网防控能力,最大限度确保了电网安全供电。
附图说明
图1为本发明基于多普勒雷达强对流天气的电网设备故障预警方法的流程图;
图2为实施例中的多普勒雷达的原始栅格数据文件图;
图3为实施例中的多普勒雷达的栅格数据转换后生成的shape文件示意图;
图4为实施例中的多普勒雷达的栅格数据转换后生成png格式的图片示意图;
图5为实施例中的基于地理信息系统强对流可视化及预警设备的可视化示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实例,对本发明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仅用以解释本发明,并不用于限定本发明。
请参阅图1,图1为本发明基于多普勒雷达强对流天气的电网设备故障预警方法的流程图。
基于多普勒雷达强对流天气的电网设备故障预警方法,包括以下步骤:
步骤一:获取电网设备地理信息。
从电力地理信息系统中获取厂站位置、杆塔位置以及杆塔所属线路信息,以空间数据格式存储于数据库中,所述数据库为PostgreSQL系统数据库。
步骤二:获取强对流多普勒雷达数据。
采用专用通信通道从气象局获取强对流多普勒雷达的栅格数据,数据以文本形式存储,其中每个栅格范围大小精细度为经度0.01度×纬度0.01度,相当于经度1km×纬度1.113km,存储每个栅格点的数值代表强对流雷达回波强度(单位:dBZ),分为15个等级区间,分别为(0,5]、(5,10]、(10,15]、(15,20]、(20,25]、(25,30]、(30,35]、(35,40]、(40,45]、(45,50]、(50,55]、(55,60]、(60,65]、(65,70]、(70,∞)。
步骤三:对多普勒雷达数据进行解析。
基于python语言,对步骤一中获取强对流的栅格文本数据进行按行读取解析,通过调用python的shapefile内库将强对流多普勒雷达数据转换为矢量数据格式的shape文件,以空间矢量数据格式存储于PostgreSQL数据库中。
同时通过调用PIL内库将强对流多普勒雷达数据按15个等级进行着色,所述PIL内库为python的第三方图像处理库,通过python中的plt.pcolormesh将数据转换为800*900分辨率的图片,图片格式为PNG格式最佳,其中每个等级的颜色按照RGB配色表进行分类形成15种不同的颜色进行区分。
RGB配色表中的R代表红色、G代表绿色、B代表蓝色三原色,多普勒雷达数据的15个等级分别对应的RGB配色如下表:
步骤四:电网预警故障设备定位。
将步骤三中存储于PostgreSQL数据库中强对流影响的地理空间信息进行处理,将强对流雷达回波强度在45dBZ及以上的区域与步骤一中的电网设备及站点地理信息求交集计算,通过调用PostgreSQL数据库中ST_Intersects(A,B)函数,给出两者交集C,其中交集C为受影响的电网设备,A为强对流影响范围,B为电网设备或厂站位置。
雷达回波强度在45dBZ及以上代表有大雨到暴雨、大暴雨、大风或冰雹甚至龙卷风等极端天气。
步骤五:强对流及电网预警设备可视化。
基于电力地理信息系统,通过按时间循环播放方式将步骤三中转换的强对流图片叠加到地理信息上,将步骤四中定位出电网预警设备在地理信息上进行直观定位标注,实现图片播放与预警设备标注做到展示,并提供播放暂停和开始功能,方便电网调度运行人员直观分析评估电网运行风险。
实施例:
(1)获取电网设备地理信息。
基于PostgreSQL数据库存储厂站、线路和杆塔位置信息如下表所示。
线路和杆塔位置信息:
序号 | 线路名称 | 杆塔 | 经度 | 纬度 |
1 | 500kV关涂5323线 | #111 | 118.449 | 31.516 |
2 | 500kV关涂5323线 | #112 | 118.449 | 31.517 |
3 | 500kV关涂5323线 | #114 | 118.455 | 31.519 |
4 | 500kV当关5324线 | #001 | 118.570 | 31.569 |
5 | 500kV当关5324线 | #003 | 118.570 | 31.563 |
6 | 500kV当关5324线 | #013 | 118.545 | 31.531 |
7 | …… | …… | …… | …… |
厂站信息:
序号 | 电压等级 | 经度 | 纬度 | 站点名称 |
1 | 500kV | 118.571 | 31.571 | 500kV当涂变电站 |
2 | 500kV | 118.009 | 31.676 | 500kV昭关变电站 |
(2)获取强对流多普勒雷达数据。
以2019年3月20日强对流多普勒雷达数据为例,从气象局获取到强对流多普勒雷达的原始栅格数据文件和内容,具体内容如图2所示,图2为实施例中的多普勒雷达的原始栅格数据文件图,图中的每份文件中,包含多普勒雷达的原始栅格数据内容。
(3)对多普勒雷达数据进行解析。
将图中的每份文件中的多普勒雷达的原始栅格数据通过python的解析生成shape文件、PostgreSQL存储矢量数据和图片。多普勒雷达的栅格数据转换后生成的shape文件如图3所示,图3为实施例中的多普勒雷达的栅格数据转换后生成的shape文件示意图。
多普勒雷达的栅格数据转换后生成png格式的图片,如图4所示,图4为实施例中的多普勒雷达的栅格数据转换后生成png格式的图片示意图。
多普勒雷达的栅格数据存储入PostgreSQL库空间数据,如下表所示:
(4)电网预警故障设备定位。
将PostgreSQL库中的矢量强对流数据与电网资源线路、杆塔、厂站数据通过postgis的空间计算函数st_intersects对数据进行求交集,定位后电网故障信息如下表所示:
(5)强对流及电网预警设备可视化
以2019年3月20日强对流多普勒雷达数据为例,基于地理信息系统强对流可视化及预警设备的可视化展示如图5所示,图5为实施例中的基于地理信息系统强对流可视化及预警设备的可视化示意图。
与现有的技术相比,本发明的有益效果是:
本发明提出的基于多普勒雷达强对流天气的电网设备故障预警方法,实现了基于强对流天气的电网设备故障的提前预警功能,让电网调度运行人员及时了解强对流天气发展趋势,为调度及时采取预控措施、制定事故处理预案赢得先机,为应对恶劣天气能够提前开展电网事前应急处理提供技术支撑,切实提升电网防控能力,最大限度确保了电网安全供电。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的仅为本发明的优选例,并不用来限制本发明,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (10)
1.基于多普勒雷达强对流天气的电网设备故障预警方法,其特征在于,包括以下步骤:
步骤一:获取电网设备地理信息;
步骤二:获取强对流多普勒雷达数据;
步骤三:对多普勒雷达数据进行解析;
步骤四:电网预警故障设备定位;
步骤五:强对流及电网预警设备可视化。
2.根据权利要求1所述的基于多普勒雷达强对流天气的电网设备故障预警方法,其特征在于,步骤一中,获取电网设备地理信息的具体方法为:从电力地理信息系统中获取厂站位置、杆塔位置以及杆塔所属线路信息,以空间数据格式存储于数据库中。
3.根据权利要求2所述的基于多普勒雷达强对流天气的电网设备故障预警方法,其特征在于,所述数据库为PostgreSQL系统数据库。
4.根据权利要求2所述的基于多普勒雷达强对流天气的电网设备故障预警方法,其特征在于,步骤二中,获取强对流多普勒雷达数据的具体方法为:从气象局获取强对流多普勒雷达的栅格数据,数据以文本形式存储,其中每个栅格范围大小精细度为经度0.01度×纬度0.01度,存储每个栅格点的数值代表强对流雷达回波强度(单位:dBZ),分为15个等级区间,分别为(0,5]、(5,10]、(10,15]、(15,20]、(20,25]、(25,30]、(30,35]、(35,40]、(40,45]、(45,50]、(50,55]、(55,60]、(60,65]、(65,70]、(70,∞)。
5.根据权利要求4所述的基于多普勒雷达强对流天气的电网设备故障预警方法,其特征在于,采用专用通信通道从气象局获取强对流多普勒雷达的栅格数据。
6.根据权利要求4所述的基于多普勒雷达强对流天气的电网设备故障预警方法,其特征在于,步骤三中,对多普勒雷达数据进行解析的具体方法如下:基于python语言,对步骤一中获取强对流的栅格文本数据进行按行读取解析,通过调用python的shapefile内库将强对流多普勒雷达数据转换为矢量数据格式的shape文件,以空间矢量数据格式存储于PostgreSQL数据库中;
同时通过调用PIL内库将强对流多普勒雷达数据按15个等级进行着色,通过python中的plt.pcolormesh将数据转换为800*900分辨率的图片,其中每个等级的颜色按照RGB配色表进行分类形成15种不同的颜色进行区分。
7.根据权利要求6所述的基于多普勒雷达强对流天气的电网设备故障预警方法,其特征在于,所述PIL内库为python的第三方图像处理库。
8.根据权利要求6所述的基于多普勒雷达强对流天气的电网设备故障预警方法,其特征在于,通过python中的plt.pcolormesh将数据转换成的图片格式为PNG格式。
9.根据权利要求6所述的基于多普勒雷达强对流天气的电网设备故障预警方法,其特征在于,步骤四中,电网预警故障设备定位的具体方法如下:将步骤三中存储于PostgreSQL数据库中强对流影响的地理空间信息进行处理,将强对流雷达回波强度在45dBZ及以上的区域与步骤一中的电网设备及站点地理信息求交集计算,通过调用PostgreSQL数据库中ST_Intersects(A,B)函数,给出两者交集C,其中交集C为受影响的电网设备,A为强对流影响范围,B为电网设备或厂站位置。
10.根据权利要求9所述的基于多普勒雷达强对流天气的电网设备故障预警方法,其特征在于,步骤五中,强对流及电网预警设备可视化的具体方式如下:基于电力地理信息系统,通过按时间循环播放方式将步骤三中转换的强对流图片叠加到地理信息上,将步骤四中定位出电网预警设备在地理信息上进行直观定位标注,实现图片播放与预警设备标注做到展示,并提供播放暂停和开始功能,方便电网调度运行人员直观分析评估电网运行风险。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110240305.XA CN112835965A (zh) | 2021-03-04 | 2021-03-04 | 基于多普勒雷达强对流天气的电网设备故障预警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110240305.XA CN112835965A (zh) | 2021-03-04 | 2021-03-04 | 基于多普勒雷达强对流天气的电网设备故障预警方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112835965A true CN112835965A (zh) | 2021-05-25 |
Family
ID=75934605
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110240305.XA Pending CN112835965A (zh) | 2021-03-04 | 2021-03-04 | 基于多普勒雷达强对流天气的电网设备故障预警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112835965A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102279424A (zh) * | 2011-05-12 | 2011-12-14 | 福建省电力有限公司 | 电网气象灾害预警系统 |
CN104050518B (zh) * | 2014-07-04 | 2017-02-22 | 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 |
CN207337594U (zh) * | 2017-07-11 | 2018-05-08 | 国网福建省电力有限公司 | 一种基于气象雷达扫描的输电线路山火预警系统 |
CN109541602A (zh) * | 2018-10-18 | 2019-03-29 | 国网山东省电力公司应急管理中心 | 一种多普勒雷达气象矢量化电网精细预警及调控系统 |
CN110806606A (zh) * | 2019-11-14 | 2020-02-18 | 国网山东省电力公司聊城供电公司 | 一种电力气象精细化预报预警系统及方法 |
CN111221925A (zh) * | 2018-11-26 | 2020-06-02 | 中国电力科学研究院有限公司 | 一种配电网风涝灾害监测组网方法和装置 |
CN111323782A (zh) * | 2020-04-16 | 2020-06-23 | 内蒙古工业大学 | 一种基于模糊逻辑的雷达同步监测方法 |
-
2021
- 2021-03-04 CN CN202110240305.XA patent/CN112835965A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102279424A (zh) * | 2011-05-12 | 2011-12-14 | 福建省电力有限公司 | 电网气象灾害预警系统 |
CN104050518B (zh) * | 2014-07-04 | 2017-02-22 | 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 |
CN207337594U (zh) * | 2017-07-11 | 2018-05-08 | 国网福建省电力有限公司 | 一种基于气象雷达扫描的输电线路山火预警系统 |
CN109541602A (zh) * | 2018-10-18 | 2019-03-29 | 国网山东省电力公司应急管理中心 | 一种多普勒雷达气象矢量化电网精细预警及调控系统 |
CN111221925A (zh) * | 2018-11-26 | 2020-06-02 | 中国电力科学研究院有限公司 | 一种配电网风涝灾害监测组网方法和装置 |
CN110806606A (zh) * | 2019-11-14 | 2020-02-18 | 国网山东省电力公司聊城供电公司 | 一种电力气象精细化预报预警系统及方法 |
CN111323782A (zh) * | 2020-04-16 | 2020-06-23 | 内蒙古工业大学 | 一种基于模糊逻辑的雷达同步监测方法 |
Non-Patent Citations (1)
Title |
---|
吴迪: "基于气象指标的安徽电网负荷特性分析及研究", 《东北电力技术》, vol. 41, no. 2 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112541389B (zh) | 一种基于EfficientDet网络的输电线路故障检测方法 | |
CN105046581B (zh) | 基于多参数风荷载的输电线路强风跳闸风险评估方法 | |
CN104166549B (zh) | 气象要素等值面分析平台及构建方法 | |
US20230281895A1 (en) | Visualization Analysis Method of the Tropical Cyclone Forecast Verification Index Data | |
Gerst et al. | Using visualization science to improve expert and public understanding of probabilistic temperature and precipitation outlooks | |
CN104991932A (zh) | 基于电网gis的卫星实时预警电网设备火灾的方法及其系统 | |
CN111209864A (zh) | 一种电力设备目标识别方法 | |
CN109188568B (zh) | 一种多普勒雷达气象矢量化电网精细预警系统 | |
CN113537846B (zh) | 基于气象灾害的输配电线路杆塔的风险分析方法及系统 | |
CN111753645A (zh) | 一种光伏电站的巡检方法、巡检装置以及存储介质 | |
CN112835965A (zh) | 基于多普勒雷达强对流天气的电网设备故障预警方法 | |
CN114677015A (zh) | 一种基于网格化管理的智慧城市安全管控平台及管控方法 | |
CN104268794A (zh) | 一种输电线路鸟害分布图的绘制方法 | |
CN110322112A (zh) | 一种基于智能电网的电网参数管理方法及系统 | |
CN102865864A (zh) | 一种基于ecdis的船舶-热带气旋动态显示标绘系统和方法 | |
CN110806606B (zh) | 一种电力气象精细化预报预警系统及方法 | |
CN108154446B (zh) | 一种气象要素影响电网设备的分析方法 | |
CN116384145A (zh) | 基于gpu的作战场景多源、多要素数据独立图层渲染方法 | |
CN110889019A (zh) | 一种电力负荷的图形化描述新方法 | |
CN111540046A (zh) | 一种基于虚拟现实的输电通道仿真方法 | |
CN106845837A (zh) | 基于大数据技术的输变电工程环境敏感区域监控系统及方法 | |
Barreto et al. | Hexagonal hierarchical cartogram: Towards a thematic map of Brazil | |
CN116612065A (zh) | 一种基于YOLO v5的输电线路巡检图像缺陷智能识别方法 | |
Li et al. | Quality control framework of big data for early warning of agricultural meteorological disasters | |
CN111815044B (zh) | 电网大风安全预警管控方法及系统 |
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 |