CN112966933A - 结合气象站、数值预报的多维度风灾精细化预警方法 - Google Patents
结合气象站、数值预报的多维度风灾精细化预警方法 Download PDFInfo
- Publication number
- CN112966933A CN112966933A CN202110240449.5A CN202110240449A CN112966933A CN 112966933 A CN112966933 A CN 112966933A CN 202110240449 A CN202110240449 A CN 202110240449A CN 112966933 A CN112966933 A CN 112966933A
- Authority
- CN
- China
- Prior art keywords
- area
- risk
- sub
- data
- real
- 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
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
- G06Q10/06—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
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/10—Devices for predicting weather conditions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
- 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)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Strategic Management (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Environmental & Geological Engineering (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Operations Research (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Public Health (AREA)
- Development Economics (AREA)
- Probability & Statistics with Applications (AREA)
- Educational Administration (AREA)
- Algebra (AREA)
- Bioinformatics & Computational Biology (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Evolutionary Biology (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Quality & Reliability (AREA)
- Atmospheric Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
Abstract
本发明公开了结合气象站、数值预报的多维度风灾精细化预警方法,包括如下步骤:根据经纬度将监控区域划分为多个子区域;对各个子区域进行威胁等级分析,将各个子区域分别标记为高危区域、中危区域以及低危区域;当监控到新的台风生成,实时获取台风的位置信息、移速信息和移向信息;结合移速信息和移向信息分别计算出台风移动到监控区域中高危区域、中危区域和低危区域所需时间;并对台风进行损害评值计算;若损害评值超过损害评值阈值,则主控制器驱动控制警报单元发出警报,并将损害评值传输到显示单元实时显示;本发明能够及时有效的对台风灾害采取有力的防范措施、最大限度的减小灾害损失;同时防止出现漏警以及虚警。
Description
技术领域
本发明涉及电力技术领域,具体涉及结合气象站、数值预报的多维度风灾精细化预警方法。
背景技术
台风是对输电网络影响最大的天气因素之一,我国东南部沿海城市每年都会受到台风的侵袭,台风过境时,较大的风力往往会引发风偏放电、断线、倒塔等事故,每次台风都会对当地的电网造成不小的破坏,评估台风破坏情况,根据不同设备对台风抵抗能力给出危险等级是减少台风对输电网络危害,提高设备安全性的重要举措;
而各种电力设施包括输电、变电、配电等设施,分布地域广,设备类型繁多。目前并没有针对电网设施建立专门的台风灾害预警方法,往往通过耗费大量的人力物力对电网设备进行定期或不定期的检修,来预防台风灾害对电网设备的影响;对于突发的台风灾害,也并未考虑具体线路所处的微地形环境对风速的影响,不能及时有效的对台风灾害采取有力的防范措施、最大限度的减小灾害损失;同时易出现漏警以及虚警;因此,提出一种结合气象站、数值预报的多维度风灾精细化预警方法已成为亟待解决的问题。
发明内容
针对现有技术存在的不足,本发明目的是提供结合气象站、数值预报的多维度风灾精细化预警方法。
本发明的目的可以通过以下技术方案实现:结合气象站、数值预报的多维度风灾精细化预警方法,包括如下步骤:
步骤一:根据经纬度将监控区域划分为多个子区域,将气象监测设备与相对应的无线通信设备均匀分布于各个子区域内的输电线路上并固定于输电线架上;
步骤二:对各个子区域进行威胁等级分析,将各个子区域分别标记为高危区域、中危区域以及低危区域;具体步骤为:
V1:通过气象监测设备采集各个子区域内的实时微气象数据;通过气象平台获取各个子区域内的雨量预测数据;结合实时微气象数据和雨量预测数据进行分析,获取得到微气象影响系数Ht;
V2:采集各个子区域内的实时微地形数据,并对实时微地形数据进行分析,获取得到微地形影响系数Dt;
V3:采集各个子区域内的人文数据和电力设备数据;对人文数据和电力设备数据进行分析,得到人文影响系数Wc和电力设备影响系数WX;
V4:将微气象影响系数Ht、微地形影响系数Dt、人文影响系数Wc、电力设备影响系数WX进行归一化处理并取其数值;
利用公式WF=Ht×d5+Dt×d6+Wc×d7+WX×d8计算得到子区域的威胁值WF,其中d5、d6、d7、d8均为系数因子;
V4:将威胁值WF与威胁阈值相比较;所述威胁阈值包括Q1、Q2;且Q1<Q2;
若威胁值WF>Q2,则对应的子区域为高危区域;
若Q1<威胁值WF≤Q2,则对应的子区域为中危区域;
若威胁值WF≤Q1,则对应的子区域为低危区域;
步骤三:实时监控新的台风生成,当监控到新的台风生成,实时获取台风的位置信息、移速信息和移向信息;结合移速信息和移向信息分别计算出台风移动到监控区域中高危区域、中危区域和低危区域所需时间;并对台风进行损害评值计算;得到损害评值WJ;
步骤四:将损害评值WJ与损害评值阈值相比较;若损害评值WJ超过损害评值阈值,则主控制器驱动控制警报单元发出警报,并将损害评值WJ传输到显示单元实时显示。
进一步地,所述气象监测设备包括主控制器和与主控制器单独相连接的风速传感器、风向传感器、温度传感器、湿度传感器、气压传感器、电源模块及通信接口;所述主控制器用于接收风速传感器、风向传感器、温度传感器、湿度传感器、气压传感器所采集的信号,电源模块为主控制器提供电源;所述实时微气象数据包括风速、风向、温度、湿度、气压。
进一步地,所述步骤V1中结合实时微气象数据和雨量预测数据进行分析,获取得到微气象影响系数Ht;具体步骤为:
V11:获取各个子区域内的实时微气象数据和雨量预测数据;将对应的风速信息标记为Y1,将对应的温度信息标记为W1;将对应的湿度信息标记为X1,将对应的气压信息标记为N1;将对应的预测雨量信息标记为L1;
V13:将微气象影响系数Ht打上时间戳存储至主控制器。
进一步地,所述步骤V2中对实时微地形数据进行分析,具体分析步骤为:
V21:获取各个子区域内的实时微地形数据,所述实时微地形数据包括裸地面积占比、植被面积占比、建筑物面积占比、湖泊面积占比和平均海拔高度;具体包括:
V211:通过大气层外光学卫星获取各个子区域的实时影像信息,将实时影像信息转化成灰度图像,并通过图像预处理将灰度图像转化成标准图像;所属图像预处理包括高斯滤波、图像分割和图像增强;
V212:获取标准图像中像素点总数;并将其标记为Z1;
V213:对标准图像中的各像素点进行识别,分别统计出裸地像素点总数Z2、植被像素点总数Z3、建筑物像素点总数Z4和湖泊像素点总数Z5;具体包括:
V2131:首先将标准图像中像素点的灰度值标记为H1;
V2132:再将各像素点的灰度值与设定的标准灰度值参数做差分运算,得到差分结果并标记为C1;
V2133:设定每种类型的像素点均有一个对应的差分结果范围;将该像素点的差分结果与所有的差分结果范围相匹配,得到该像素点的类型;所述像素点的类型包括裸地像素点、植被像素点、建筑物像素点和湖泊像素点;
V2134:将同一类型的像素点数量进行统计,得到对应类型的像素点总数,具体表现为:分别统计出裸地像素点总数Z2、植被像素点总数Z3、建筑物像素点总数Z4和湖泊像素点总数Z5;
V214:将对应类型的像素点总数与像素点总数Z1进行比值计算,得到对应类型像素点的面积占比;
V22:将裸地面积占比标记为ZB1;将植被面积占比标记为ZB2,将建筑物面积占比标记为ZB3,将湖泊面积占比标记为ZB4;
将平均海拔高度标记为G1;
将微地形影响系数Dt打上时间戳存储至主控制器。
进一步地,所述步骤V3中对人文数据和电力设备数据进行分析,具体步骤为:
V31:获取各个子区域内的人文数据,所述人文数据包括子区域的地区人口数量、人均GDP、失业率;
V32:将子区域内的地区人口数量标记为R1;将子区域内的人均GDP标记为R2;将子区域内的失业率标记为R3;
利用公式Wc=R1×A1+R2×A2-R3×A3获取得到子区域的人文影响系数Wc;其中A1、A2和A3均为系数因子;
V33:获取各个子区域内的电力设备数据;所述电力设备数据包括设备数量和运行年限;
V34:统计子区域内的电力设备数量并标记为L2;
将电力设备的运行年限标记为NXi,得到运行年限信息组;i=1,2,…,L2;其中i表示第i个电力设备;
按照平均值计算公式得到年限信息组NXi的平均值,并标记为NK;
按照标准差计算公式得到年限信息组NXi的标准差β,若β<标准差阈值,则令年均值NH=NK;
V35:将电力设备的供电线路总长度标记为NL;所述供电线路长度为各电力设备供电线路长度之和;
将电力设备的供电总户数标记为ND,所述供电总户数为各电力设备供电户数之和;
V36:将电力设备数量、年均值、供电线路总长度和供电总户数进行归一化处理并取其数值;
利用公式WX=L2×d1+NH×d2+NL×d3+ND×d4获取得到子区域的电力设备影响系数WX,其中d1、d2、d3和d4均为系数因子。
进一步地,所述步骤三中对台风进行损害评值计算;具体为:
S31:根据台风实时状态判断当前风力等级;设定所有的风力等级均有一个对应的风力值;将当前风力等级与所有的风力等级进行匹配得到对应的风力值并标记为F1;
S32:获取到台风的移速信息和移向信息,根据移向信息计算得到台风延伸方向,结合移速信息分别计算出台风蔓延到监控区域中高危区域、中危区域和低危区域所需时间,并将时间按照高危区域、中危区域和低危区域标注为T1、T2和T3;
S33:对高危区域、中危区域和低危区域发生危险分配权重;将高危区域、中危区域和低危区域的权重依次分配为K1、K2和K3,其中K1+K2+K3=1且K1>K2>K3;
S34:根据公式WJ=F1×(T1×K1+T2×K2+T3×K3)计算得到损害评值WJ。
进一步地,所述步骤四中将损害评值WJ与损害评值阈值相比较;具体包括:
S41:将损害评值WJ与损害评值阈值相比较;所述损害评值阈值包括SH1、SH2;且SH1<SH2;
S42:若损害评值WJ>SH2,则生成红色警报指令,显示单元显示“红色警报”,并将背景颜色设置成红色;
若SH1<损害评值WJ≤SH2,则生成橙色警报指令,显示单元显示“橙色警报”,并将背景颜色设置成橙色;
若损害评值WJ≤SH1,则生成黄色警报指令,显示单元显示“黄色警报”,并将背景颜色设置成黄色。
本发明的有益效果是:
1、本发明根据经纬度将监控区域划分为多个子区域,通过气象监测设备采集各个子区域内的实时微气象数据,通过气象平台获取各个子区域内的雨量预测数据;结合实时微气象数据和雨量预测数据进行分析,获取得到微气象影响系数;采集各个子区域内的实时微地形数据,并对实时微地形数据进行分析,结合裸地面积占比、植被面积占比、建筑物面积占比、湖泊面积占比和平均海拔高度,计算得到子区域的微地形影响系数;采集各个子区域内的人文数据和电力设备数据;对人文数据和电力设备数据进行分析,得到人文影响系数和电力设备影响系数,结合微气象影响系数、微地形影响系数、人文影响系数、电力设备影响系数计算得到子区域的威胁值;根据威胁值对各个子区域进行威胁等级分析;将各个子区域分别标记为高危区域、中危区域以及低危区域;便于管理人员作出不同应对;
2、本发明实时监控新的台风生成,当监控到新的台风生成,实时获取台风的位置信息、移速信息和移向信息;结合移速信息和移向信息分别计算出台风移动到监控区域中高危区域、中危区域和低危区域所需时间;并对台风进行损害评值计算;若损害评值超过损害评值阈值,则主控制器驱动控制警报单元发出警报,并将损害评值传输到显示单元实时显示,便于管理人员直观了解并进行相应处理。
附图说明
为了便于本领域技术人员理解,下面结合附图对本发明作进一步的说明。
图1为本发明的流程示意图。
具体实施方式
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,所描述的实施例仅仅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作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。
如图1所示,结合气象站、数值预报的多维度风灾精细化预警方法,包括如下步骤:
步骤一:根据经纬度将监控区域划分为多个子区域,将气象监测设备与相对应的无线通信设备均匀分布于各个子区域内的输电线路上并固定于输电线架上;所述气象监测设备包括主控制器和与主控制器单独相连接的风速传感器、风向传感器、温度传感器、湿度传感器、气压传感器、电源模块及通信接口;所述主控制器用于接收风速传感器、风向传感器、温度传感器、湿度传感器、气压传感器所采集的信号,电源模块为主控制器提供电源;
步骤二:对各个子区域进行威胁等级分析,将各个子区域分别标记为高危区域、中危区域以及低危区域;具体步骤为:
V1:通过气象监测设备采集各个子区域内的实时微气象数据,所述实时微气象数据包括风速、风向、温度、湿度、气压;通过气象平台获取各个子区域内的雨量预测数据;结合实时微气象数据和雨量预测数据进行分析,获取得到微气象影响系数;具体步骤为:
V11:获取各个子区域内的实时微气象数据和雨量预测数据;将对应的风速信息标记为Y1,将对应的温度信息标记为W1;将对应的湿度信息标记为X1,将对应的气压信息标记为N1;将对应的预测雨量信息标记为L1;
V13:将微气象影响系数Ht打上时间戳存储至主控制器;
V2:采集各个子区域内的实时微地形数据,并对实时微地形数据进行分析,具体分析步骤为:
V21:获取各个子区域内的实时微地形数据,所述实时微地形数据包括裸地面积占比、植被面积占比、建筑物面积占比、湖泊面积占比和平均海拔高度;具体包括:
V211:通过大气层外光学卫星获取各个子区域的实时影像信息,将实时影像信息转化成灰度图像,并通过图像预处理将灰度图像转化成标准图像;所属图像预处理包括高斯滤波、图像分割和图像增强;
V212:获取标准图像中像素点总数;并将其标记为Z1;
V213:对标准图像中的各像素点进行识别,分别统计出裸地像素点总数Z2、植被像素点总数Z3、建筑物像素点总数Z4和湖泊像素点总数Z5;具体包括:
V2131:首先将标准图像中像素点的灰度值标记为H1;
V2132:再将各像素点的灰度值与设定的标准灰度值参数做差分运算,得到差分结果并标记为C1;
V2133:设定每种类型的像素点均有一个对应的差分结果范围;将该像素点的差分结果与所有的差分结果范围相匹配,得到该像素点的类型;所述像素点的类型包括裸地像素点、植被像素点、建筑物像素点和湖泊像素点;
V2134:将同一类型的像素点数量进行统计,得到对应类型的像素点总数,具体表现为:分别统计出裸地像素点总数Z2、植被像素点总数Z3、建筑物像素点总数Z4和湖泊像素点总数Z5;
V214:将对应类型的像素点总数与像素点总数Z1进行比值计算,得到对应类型像素点的面积占比;
V22:将裸地面积占比标记为ZB1;将植被面积占比标记为ZB2,将建筑物面积占比标记为ZB3,将湖泊面积占比标记为ZB4;
将平均海拔高度标记为G1;
将微地形影响系数Dt打上时间戳存储至主控制器;
V3:采集各个子区域内的人文数据和电力设备数据;对人文数据和电力设备数据进行分析,得到人文影响系数和电力设备影响系数,具体步骤为:
V31:获取各个子区域内的人文数据,所述人文数据包括子区域的地区人口数量、人均GDP、失业率;
V32:将子区域内的地区人口数量标记为R1;将子区域内的人均GDP标记为R2;将子区域内的失业率标记为R3;
利用公式Wc=R1×A1+R2×A2-R3×A3获取得到子区域的人文影响系数Wc;其中A1、A2和A3均为系数因子;例如A1取值0.22,A2取值0.41,A3取值0.38;
V33:获取各个子区域内的电力设备数据;所述电力设备数据包括设备数量和运行年限;
V34:统计子区域内的电力设备数量并标记为L2;
将电力设备的运行年限标记为NXi,得到运行年限信息组;i=1,2,…,L2;其中i表示第i个电力设备;
按照平均值计算公式得到年限信息组NXi的平均值,并标记为NK;
按照标准差计算公式得到年限信息组NXi的标准差β,若β<标准差阈值,则令年均值NH=NK;
V35:将电力设备的供电线路总长度标记为NL;所述供电线路长度为各电力设备供电线路长度之和;
将电力设备的供电总户数标记为ND,所述供电总户数为各电力设备供电户数之和;
V36:将电力设备数量、年均值、供电线路总长度和供电总户数进行归一化处理并取其数值;
利用公式WX=L2×d1+NH×d2+NL×d3+ND×d4获取得到子区域的电力设备影响系数WX,其中d1、d2、d3和d4均为系数因子;例如d1取值0.35,d2取值0.42,d3取值0.46,d4取值0.58;
V4:将微气象影响系数Ht、微地形影响系数Dt、人文影响系数Wc、电力设备影响系数WX进行归一化处理并取其数值;
利用公式WF=Ht×d5+Dt×d6+Wc×d7+WX×d8计算得到子区域的威胁值WF,其中d5、d6、d7、d8均为系数因子;例如d5取值0.44,d6取值0.37,d7取值0.61,d8取值0.29;
V4:将威胁值WF与威胁阈值相比较;所述威胁阈值包括Q1、Q2;且Q1<Q2;
若威胁值WF>Q2,则对应的子区域为高危区域;
若Q1<威胁值WF≤Q2,则对应的子区域为中危区域;
若威胁值WF≤Q1,则对应的子区域为低危区域;
步骤三:实时监控新的台风生成,当监控到新的台风生成,实时获取台风的位置信息、移速信息和移向信息;结合移速信息和移向信息分别计算出台风移动到监控区域中高危区域、中危区域和低危区域所需时间;并对台风进行损害评值计算;具体为:
S31:根据台风实时状态判断当前风力等级;设定所有的风力等级均有一个对应的风力值;将当前风力等级与所有的风力等级进行匹配得到对应的风力值并标记为F1;
S32:获取到台风的移速信息和移向信息,根据移向信息计算得到台风延伸方向,结合移速信息分别计算出台风蔓延到监控区域中高危区域、中危区域和低危区域所需时间,并将时间按照高危区域、中危区域和低危区域标注为T1、T2和T3;
S33:对高危区域、中危区域和低危区域发生危险分配权重;将高危区域、中危区域和低危区域的权重依次分配为K1、K2和K3,其中K1+K2+K3=1且K1>K2>K3;
S34:根据公式WJ=F1×(T1×K1+T2×K2+T3×K3)计算得到损害评值WJ;
步骤四:将损害评值WJ与损害评值阈值相比较;若损害评值WJ超过损害评值阈值,则主控制器驱动控制警报单元发出警报,并将损害评值WJ传输到显示单元实时显示;具体包括:
S41:将损害评值WJ与损害评值阈值相比较;所述损害评值阈值包括SH1、SH2;且SH1<SH2;
S42:若损害评值WJ>SH2,则生成红色警报指令,显示单元显示“红色警报”,并将背景颜色设置成红色;
若SH1<损害评值WJ≤SH2,则生成橙色警报指令,显示单元显示“橙色警报”,并将背景颜色设置成橙色;
若损害评值WJ≤SH1,则生成黄色警报指令,显示单元显示“黄色警报”,并将背景颜色设置成黄色。
本发明的工作原理是:
结合气象站、数值预报的多维度风灾精细化预警方法,在工作时,根据经纬度将监控区域划分为多个子区域,将气象监测设备与相对应的无线通信设备均匀分布于各个子区域内的输电线路上并固定于输电线架上;对各个子区域进行威胁等级分析;通过气象监测设备采集各个子区域内的实时微气象数据,通过气象平台获取各个子区域内的雨量预测数据;结合实时微气象数据和雨量预测数据进行分析,获取得到微气象影响系数;采集各个子区域内的实时微地形数据,并对实时微地形数据进行分析,结合裸地面积占比、植被面积占比、建筑物面积占比、湖泊面积占比和平均海拔高度,计算得到子区域的微地形影响系数;采集各个子区域内的人文数据和电力设备数据;对人文数据和电力设备数据进行分析,得到人文影响系数和电力设备影响系数,结合微气象影响系数、微地形影响系数、人文影响系数、电力设备影响系数计算得到子区域的威胁值;将威胁值与威胁阈值相比较;将各个子区域分别标记为高危区域、中危区域以及低危区域;
实时监控新的台风生成,当监控到新的台风生成,实时获取台风的位置信息、移速信息和移向信息;结合移速信息和移向信息分别计算出台风移动到监控区域中高危区域、中危区域和低危区域所需时间;并对台风进行损害评值计算;根据台风实时状态判断当前风力等级并获取对应的风力值;对高危区域、中危区域和低危区域发生危险分配权重;计算得到损害评值;将损害评值与损害评值阈值相比较;若损害评值超过损害评值阈值,则主控制器驱动控制警报单元发出警报,并将损害评值传输到显示单元实时显示,便于管理人员直观了解并进行相应处理。
上述公式和系数因子均是由采集大量数据进行软件模拟及相应专家进行参数设置处理,得到与真实结果符合的公式和系数因子。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节,也不限制该发明仅为的具体实施方式。显然,根据本说明书的内容,可作很多的修改和变化。本说明书选取并具体描述这些实施例,是为了更好地解释本发明的原理和实际应用,从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (7)
1.结合气象站、数值预报的多维度风灾精细化预警方法,其特征在于,包括如下步骤:
步骤一:根据经纬度将监控区域划分为多个子区域,将气象监测设备与相对应的无线通信设备均匀分布于各个子区域内的输电线路上并固定于输电线架上;
步骤二:对各个子区域进行威胁等级分析,将各个子区域分别标记为高危区域、中危区域以及低危区域;具体步骤为:
V1:通过气象监测设备采集各个子区域内的实时微气象数据;通过气象平台获取各个子区域内的雨量预测数据;结合实时微气象数据和雨量预测数据进行分析,获取得到微气象影响系数Ht;
V2:采集各个子区域内的实时微地形数据,并对实时微地形数据进行分析,获取得到微地形影响系数Dt;
V3:采集各个子区域内的人文数据和电力设备数据;对人文数据和电力设备数据进行分析,得到人文影响系数Wc和电力设备影响系数WX;
V4:将微气象影响系数Ht、微地形影响系数Dt、人文影响系数Wc、电力设备影响系数WX进行归一化处理并取其数值;
利用公式WF=Ht×d5+Dt×d6+Wc×d7+WX×d8计算得到子区域的威胁值WF,其中d5、d6、d7、d8均为系数因子;
V4:将威胁值WF与威胁阈值相比较;所述威胁阈值包括Q1、Q2;且Q1<Q2;
若威胁值WF>Q2,则对应的子区域为高危区域;
若Q1<威胁值WF≤Q2,则对应的子区域为中危区域;
若威胁值WF≤Q1,则对应的子区域为低危区域;
步骤三:实时监控新的台风生成,当监控到新的台风生成,实时获取台风的位置信息、移速信息和移向信息;结合移速信息和移向信息分别计算出台风移动到监控区域中高危区域、中危区域和低危区域所需时间;并对台风进行损害评值计算;得到损害评值WJ;
步骤四:将损害评值WJ与损害评值阈值相比较;若损害评值WJ超过损害评值阈值,则主控制器驱动控制警报单元发出警报,并将损害评值WJ传输到显示单元实时显示。
2.根据权利要求1所述的结合气象站、数值预报的多维度风灾精细化预警方法,其特征在于,所述气象监测设备包括主控制器和与主控制器单独相连接的风速传感器、风向传感器、温度传感器、湿度传感器、气压传感器、电源模块及通信接口;所述主控制器用于接收风速传感器、风向传感器、温度传感器、湿度传感器、气压传感器所采集的信号,电源模块为主控制器提供电源;所述实时微气象数据包括风速、风向、温度、湿度、气压。
4.根据权利要求1所述的结合气象站、数值预报的多维度风灾精细化预警方法,其特征在于,步骤V2中对实时微地形数据进行分析,具体分析步骤为:
V21:获取各个子区域内的实时微地形数据,所述实时微地形数据包括裸地面积占比、植被面积占比、建筑物面积占比、湖泊面积占比和平均海拔高度;具体包括:
V211:通过大气层外光学卫星获取各个子区域的实时影像信息,将实时影像信息转化成灰度图像,并通过图像预处理将灰度图像转化成标准图像;所属图像预处理包括高斯滤波、图像分割和图像增强;
V212:获取标准图像中像素点总数;并将其标记为Z1;
V213:对标准图像中的各像素点进行识别,分别统计出裸地像素点总数Z2、植被像素点总数Z3、建筑物像素点总数Z4和湖泊像素点总数Z5;具体包括:
V2131:首先将标准图像中像素点的灰度值标记为H1;
V2132:再将各像素点的灰度值与设定的标准灰度值参数做差分运算,得到差分结果并标记为C1;
V2133:设定每种类型的像素点均有一个对应的差分结果范围;将该像素点的差分结果与所有的差分结果范围相匹配,得到该像素点的类型;所述像素点的类型包括裸地像素点、植被像素点、建筑物像素点和湖泊像素点;
V2134:将同一类型的像素点数量进行统计,得到对应类型的像素点总数,具体表现为:分别统计出裸地像素点总数Z2、植被像素点总数Z3、建筑物像素点总数Z4和湖泊像素点总数Z5;
V214:将对应类型的像素点总数与像素点总数Z1进行比值计算,得到对应类型像素点的面积占比;
V22:将裸地面积占比标记为ZB1;将植被面积占比标记为ZB2,将建筑物面积占比标记为ZB3,将湖泊面积占比标记为ZB4;
将平均海拔高度标记为G1;
将微地形影响系数Dt打上时间戳存储至主控制器。
5.根据权利要求1所述的结合气象站、数值预报的多维度风灾精细化预警方法,其特征在于,步骤V3中对人文数据和电力设备数据进行分析,具体步骤为:
V31:获取各个子区域内的人文数据,所述人文数据包括子区域的地区人口数量、人均GDP、失业率;
V32:将子区域内的地区人口数量标记为R1;将子区域内的人均GDP标记为R2;将子区域内的失业率标记为R3;
利用公式Wc=R1×A1+R2×A2-R3×A3获取得到子区域的人文影响系数Wc;其中A1、A2和A3均为系数因子;
V33:获取各个子区域内的电力设备数据;所述电力设备数据包括设备数量和运行年限;
V34:统计子区域内的电力设备数量并标记为L2;
将电力设备的运行年限标记为NXi,得到运行年限信息组;i=1,2,…,L2;其中i表示第i个电力设备;
按照平均值计算公式得到年限信息组NXi的平均值,并标记为NK;
按照标准差计算公式得到年限信息组NXi的标准差β,若β<标准差阈值,则令年均值NH=NK;
V35:将电力设备的供电线路总长度标记为NL;所述供电线路长度为各电力设备供电线路长度之和;
将电力设备的供电总户数标记为ND,所述供电总户数为各电力设备供电户数之和;
V36:将电力设备数量、年均值、供电线路总长度和供电总户数进行归一化处理并取其数值;
利用公式WX=L2×d1+NH×d2+NL×d3+ND×d4获取得到子区域的电力设备影响系数WX,其中d1、d2、d3和d4均为系数因子。
6.根据权利要求1所述的结合气象站、数值预报的多维度风灾精细化预警方法,其特征在于,所述步骤三中对台风进行损害评值计算;具体为:
S31:根据台风实时状态判断当前风力等级;设定所有的风力等级均有一个对应的风力值;将当前风力等级与所有的风力等级进行匹配得到对应的风力值并标记为F1;
S32:获取到台风的移速信息和移向信息,根据移向信息计算得到台风延伸方向,结合移速信息分别计算出台风蔓延到监控区域中高危区域、中危区域和低危区域所需时间,并将时间按照高危区域、中危区域和低危区域标注为T1、T2和T3;
S33:对高危区域、中危区域和低危区域发生危险分配权重;将高危区域、中危区域和低危区域的权重依次分配为K1、K2和K3,其中K1+K2+K3=1且K1>K2>K3;
S34:根据公式WJ=F1×(T1×K1+T2×K2+T3×K3)计算得到损害评值WJ。
7.根据权利要求1所述的结合气象站、数值预报的多维度风灾精细化预警方法,其特征在于,所述步骤四中将损害评值WJ与损害评值阈值相比较;具体包括:
S41:将损害评值WJ与损害评值阈值相比较;所述损害评值阈值包括SH1、SH2;且SH1<SH2;
S42:若损害评值WJ>SH2,则生成红色警报指令,显示单元显示“红色警报”,并将背景颜色设置成红色;
若SH1<损害评值WJ≤SH2,则生成橙色警报指令,显示单元显示“橙色警报”,并将背景颜色设置成橙色;
若损害评值WJ≤SH1,则生成黄色警报指令,显示单元显示“黄色警报”,并将背景颜色设置成黄色。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110240449.5A CN112966933A (zh) | 2021-03-04 | 2021-03-04 | 结合气象站、数值预报的多维度风灾精细化预警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110240449.5A CN112966933A (zh) | 2021-03-04 | 2021-03-04 | 结合气象站、数值预报的多维度风灾精细化预警方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112966933A true CN112966933A (zh) | 2021-06-15 |
Family
ID=76276481
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110240449.5A Pending CN112966933A (zh) | 2021-03-04 | 2021-03-04 | 结合气象站、数值预报的多维度风灾精细化预警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112966933A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113596404A (zh) * | 2021-07-29 | 2021-11-02 | 中大检测(湖南)股份有限公司 | 一种多通信方式多功能监测方法及设备 |
CN114114466A (zh) * | 2021-08-13 | 2022-03-01 | 广东省气象公共服务中心(广东气象影视宣传中心) | 一种智能气象安全卫士系统 |
CN114137636A (zh) * | 2021-11-11 | 2022-03-04 | 四川九通智路科技有限公司 | 一种环形压力传感器的区域气象监测管理方法及系统 |
CN115765159A (zh) * | 2022-10-31 | 2023-03-07 | 国网河南省电力公司新乡供电公司 | 一种基于数据分析的输电线路安全预警系统 |
CN116977146A (zh) * | 2023-08-25 | 2023-10-31 | 山东省环科院环境工程有限公司 | 基于物联网的环保监测用仪表数据管控系统 |
JP7382097B2 (ja) | 2021-08-10 | 2023-11-16 | 南京師範大学 | 量子ウォークに基づく近接空間大気状態シミュレーション方法および装置 |
-
2021
- 2021-03-04 CN CN202110240449.5A patent/CN112966933A/zh active Pending
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113596404A (zh) * | 2021-07-29 | 2021-11-02 | 中大检测(湖南)股份有限公司 | 一种多通信方式多功能监测方法及设备 |
CN113596404B (zh) * | 2021-07-29 | 2022-05-03 | 中大检测(湖南)股份有限公司 | 一种多通信方式多功能监测方法及设备 |
JP7382097B2 (ja) | 2021-08-10 | 2023-11-16 | 南京師範大学 | 量子ウォークに基づく近接空間大気状態シミュレーション方法および装置 |
CN114114466A (zh) * | 2021-08-13 | 2022-03-01 | 广东省气象公共服务中心(广东气象影视宣传中心) | 一种智能气象安全卫士系统 |
CN114137636A (zh) * | 2021-11-11 | 2022-03-04 | 四川九通智路科技有限公司 | 一种环形压力传感器的区域气象监测管理方法及系统 |
CN114137636B (zh) * | 2021-11-11 | 2022-08-12 | 四川九通智路科技有限公司 | 一种环形压力传感器的区域气象监测管理方法及系统 |
CN115765159A (zh) * | 2022-10-31 | 2023-03-07 | 国网河南省电力公司新乡供电公司 | 一种基于数据分析的输电线路安全预警系统 |
CN115765159B (zh) * | 2022-10-31 | 2024-01-23 | 国网河南省电力公司新乡供电公司 | 一种基于数据分析的输电线路安全预警系统 |
CN116977146A (zh) * | 2023-08-25 | 2023-10-31 | 山东省环科院环境工程有限公司 | 基于物联网的环保监测用仪表数据管控系统 |
CN116977146B (zh) * | 2023-08-25 | 2024-02-09 | 山东省环科院环境工程有限公司 | 基于物联网的环保监测用仪表数据管控系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112966933A (zh) | 结合气象站、数值预报的多维度风灾精细化预警方法 | |
WO2023061039A1 (zh) | 基于物联网的尾矿库风险监测预警系统 | |
CN112308292B (zh) | 一种火灾风险等级分布图的绘制方法 | |
CN103337133B (zh) | 基于识别预报技术的电网雷暴灾害预警系统及方法 | |
CN107403268A (zh) | 输电线路风险评估系统 | |
CN106017551A (zh) | 一种智能化输电线路综合监测分析预警方法 | |
Li et al. | A statistical model for risk management of electric outage forecasts | |
CN114966467A (zh) | 一种基于数字孪生的输电线路状态评估方法 | |
CN111897030A (zh) | 一种雷暴预警系统及方法 | |
CN104182594A (zh) | 一种电力系统风区图的绘制方法 | |
CN113284026A (zh) | 一种大数据智慧园区管理系统 | |
CN114021946A (zh) | 一种企业环保管家管理系统 | |
CN105279612A (zh) | 一种基于泊松分布的输电线路跳闸风险评估方法 | |
CN109518732B (zh) | 电网通道降水型滑坡灾害的致灾降水阈值划分方法及系统 | |
CN110865424A (zh) | 一种基于移动终端的预警监测系统及方法 | |
CN112507633A (zh) | 一种输电杆塔风速预测预警方法及系统 | |
CN115824975A (zh) | 基于国产高分遥感卫星的人居环境监测系统 | |
CN109146230A (zh) | 一种输配电线路台风风涝灾害短临预警方法和装置 | |
CN113485218B (zh) | 一种基于5g的智慧物联监管平台 | |
CN104574211A (zh) | 基于风险源的电网调度操作风险预警方法和系统 | |
CN112926863A (zh) | 基于六大预警中心的电网灾害综合监测系统 | |
CN113822533A (zh) | 基于实时事件驱动的风险评估量化模型构建方法及系统 | |
CN105930964A (zh) | 一种基于时空因素影响的输电线路覆冰风险评估方法 | |
CN115664006B (zh) | 一种增量配电网智能管控一体化平台 | |
CN114240070A (zh) | 一种配电网工程造价智能化评估系统 |
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 |