CN113077164A - 一种基于熵值法的输电线路落雷风险系数评估方法 - Google Patents

Abstract

本申请提供一种基于熵值法的输电线路落雷风险系数评估方法，包括获取输电线路逐基杆塔的地貌特征数据和地闪密度值；对地貌特征数据与地闪密度值进行斯皮尔曼相关性分析，并计算相关系数；对地貌特征数据进行标准化处理，并根据标准地貌特征数据建立落雷风险评价指标因子；根据相关系数对落雷风险评价指标因子进行重新赋值，建立原始评估矩阵；对原始评估矩阵进行标准化，得到标准化评估矩阵；根据标准化评估矩阵计算落雷风险评价指标因子的熵值；根据熵值计算落雷风险评价指标因子的权重；根据权重和重新赋值后的落雷风险评价指标因子计算输电线路逐基杆塔的落雷风险系数。本申请可以更加精细化的表征地形地貌特征数据，保证评估方法的客观性。

Description

一种基于熵值法的输电线路落雷风险系数评估方法

技术领域

本申请涉及输电线路雷害风险评估及防护技术领域，尤其涉及一种基于熵值法的输电线路落雷风险系数评估方法。

背景技术

输电线路是电网的基础组成部分。因此，输电线路的安全性、可靠性以及稳定性对于保证电力系统的稳定运行具有至关重要的作用。输电走廊途经的地形相当复杂，地貌极具多样化，在雷雨季节，绝大数110kV及以上电压等级的架空输电线路，都会频繁发生雷击故障。输电线路的雷击故障在整个电力系统故障率中占很高的比例，会严重威胁到电网的安全稳定运行。

当前对输电线路的雷害风险评估计算仅停留在利用网格法统计沿线的地闪密度和雷电活动强度随季节、月份等时间变化的情况，但是此种方法缺乏对地形地貌等现场因素的定量考虑，而地貌特征直接影响地闪发生的几率及强度，决定了雷击风险的大小。并且雷电活动具有强分散性和强随机性的特征，影响因素繁多，没有占据主导作用的因素，采用现有的统计学方法通过计算方法难以准确定量描述雷电活动，多个因素对雷电活动的影响程度分析不准确，得到的分析结果对输电线路建设以及防雷措施改造工作不具备参考价值。

发明内容

本申请提供了一种基于熵值法的输电线路落雷风险系数评估方法，以解决现有技术中存在的在评估输电线路雷害风险时，缺乏考虑地形地貌等现场因素的影响，并且地形特征不够精细化，难以准确定量描述雷电活动的问题。

本申请提供一种基于熵值法的输电线路落雷风险系数评估方法，具体包括以下步骤：

获取输电线路逐基杆塔的地貌特征数据和地闪密度值；

对所述地貌特征数据与所述地闪密度值进行斯皮尔曼相关性分析，并计算相关系数；

对所述地貌特征数据进行标准化处理，并根据标准地貌特征数据建立落雷风险评价指标因子；

根据所述相关系数对所述落雷风险评价指标因子进行重新赋值，建立原始评估矩阵；

对所述原始评估矩阵进行标准化，得到标准化评估矩阵；

根据所述标准化评估矩阵计算所述落雷风险评价指标因子的熵值；

根据所述熵值计算所述落雷风险评价指标因子的权重；

根据所述权重和重新赋值后的落雷风险评价指标因子计算输电线路逐基杆塔的落雷风险系数。

上述技术方案中，所述地貌特征数据通过ARCGIS地理信息软件进行精细化提取，所述地闪密度值通过逐基杆塔的地闪密度表征雷电活动获取。

在本申请的较佳实施例中，所述地貌特征数据包括杆塔地形位置指数、海拔高度、坡度、地势起伏度和土地利用类型，其中，所述杆塔地形位置指数、海拔高度、坡度和地势起伏度通过数字高程数据获取，所述土地利用类型通过地表覆盖类型数据获取。

在本申请的较佳实施例中，所述数字高程数据采用30m*30m的分辨率，所述地表覆盖类型数据采用10m*10m的分辨率。

在本申请的较佳实施例中，对所述地貌特征数据与所述地闪密度值进行斯皮尔曼相关性分析，计算相关系数之前，需要对所述地貌特征数据进行离散化处理。

在本申请的较佳实施例中，根据所述标准化评估矩阵计算所述落雷风险评价指标因子的熵值，具体公式如下：

其中，E_j表示落雷风险评价指标因子j的熵值，r_ij'表示标准化评估矩阵R中的元素，i表示杆塔基数，j表示落雷风险评价指标因子个数，i为i＝1,2,...,M，j＝1,2,3,4,5。

在本申请的较佳实施例中，根据所述熵值计算所述落雷风险评价指标因子的权重，具体公式如下：

其中，μ_j表示落雷风险评价指标因子j的权重，E_j表示落雷风险评价指标因子j的熵值，j表示落雷风险评价指标因子个数，j＝1,2,3,4,5。

在本申请的较佳实施例中，根据所述权重和重新赋值后的落雷风险评价指标因子计算输电线路逐基杆塔的落雷风险系数，具体公式如下：

I_i＝μ₁I_i,TPI+μ₂I_i,H+μ₃I_i,S+μ₄I_i,P+μ₅I_i,T，

其中，I_i表示第i基杆塔的落雷风险系数，i为大于1的正整数，μ₁表示表示落雷风险评价指标因子1的权重，I_i,TPI表示第i基杆塔，重新赋值后的地形位置指数TPI的落雷风险系数，μ₂表示表示落雷风险评价指标因子2的权重，I_i,H表示第i基杆塔，重新赋值后的海拔高度H的落雷风险系数，μ₃表示表示落雷风险评价指标因子3的权重，I_i,S表示第i基杆塔，重新赋值后的坡度S的落雷风险系数,μ₄表示表示落雷风险评价指标因子4的权重,I_i,P表示第i基杆塔，重新赋值后的地势起伏度P的落雷风险系数,μ₅表示表示落雷风险评价指标因子5的权重,I_i,T表示第i基杆塔，重新赋值后的土地利用类型T的落雷风险系数。

本申请的一种基于熵值法的输电线路落雷风险系数评估方法，相较于现有技术而言，具有以下有益效果：

(1)本申请充分考虑了地形地貌特征数据对雷电活动的影响，并且通过地理信息处理软件准确提取地形参数，可以更加精细化的表征地形地貌特征数据，从而保证评估方法的客观性。

(2)本申请利用熵值法计算各个落雷风险评价指标因子的权重，根据信息的数量和各个落雷风险评价指标因子之间的相互关系计算权重，量化了地形地貌特征数据对雷电活动的影响大小，避免了认为统计计算带来的偏差。

附图说明

为了更清楚地说明本申请的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本申请一种基于熵值法的输电线路落雷风险系数评估方法流程图；

图2为本申请实施例中采用熵值法计算权重的流程图。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。

因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请中的实施例，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他实施例，都属于本申请保护的范围。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。

此外，术语“包括”以及他们的任何变形，意图在于覆盖但不排他的包含，例如，包含了一系列组件的产品或设备不必限于清楚地列出的那些组件，而是可包括没有清楚地列出的或对于这些产品或设备固有的其它组件。

参见图1，为一种基于熵值法的输电线路落雷风险系数评估方法的流程图。

如图1所示，本申请提供的一种基于熵值法的输电线路落雷风险系数评估方法，具体包括以下步骤：

S101，获取输电线路逐基杆塔的地貌特征数据和地闪密度值；

S102，对所述地貌特征数据与所述地闪密度值进行斯皮尔曼相关性分析，并计算相关系数；

S103，对所述地貌特征数据进行标准化处理，并根据标准地貌特征数据建立落雷风险评价指标因子；

S104，根据所述相关系数对所述落雷风险评价指标因子进行重新赋值，建立原始评估矩阵；

S105，对所述原始评估矩阵进行标准化，得到标准化评估矩阵；

S106，根据所述标准化评估矩阵计算所述落雷风险评价指标因子的熵值；

S107，根据所述熵值计算所述落雷风险评价指标因子的权重；

S108，根据所述权重和重新赋值后的落雷风险评价指标因子计算输电线路逐基杆塔的落雷风险系数。

上述技术方案中，所述地貌特征数据通过ARCGIS地理信息软件进行精细化提取，所述地闪密度值通过逐基杆塔的地闪密度表征雷电活动获取。

在本实施例中，所述地貌特征数据包括杆塔地形位置指数TPI、海拔高度H、坡度S、地势起伏度P和土地利用类型T，其中，所述杆塔地形位置指数TPI、海拔高度H、坡度S和地势起伏度P通过数字高程数据获取，所述土地利用类型T通过地表覆盖类型数据获取。

另外，需要说明的是，地形位置指数是研究目标点的高程与其邻域平均高程的差，反映了邻域高程的波动。因此，为了满足地形区分度和数据准确性的要求，取邻域为半径1km的圆形区域，计算公式为：

其中，TPI表示杆塔地形位置指数，z表示研究目标点的高程，

表示半径1km的圆形邻域内的平均高程。

坡度S表示地表面在研究目标点的倾斜程度，在进行坡度S的提取时，以30m*30m的像元大小，即分辨率执行坡度分析计算待研究区域全域的坡度分布，再提取每基杆塔的坡度S，坡度S计算采用如下公式：

其中，Slope表示坡度，单位为度(°)，f_x表示东西方向的高程变化率，f_y表示南北方向的高程变化率。

地势起伏度指的是在一个特定的区域内，最高点海拔高度与最低点海拔高度的差值。地势起伏度P是描述一个区域地形特征的一个宏观性的指标，计算公式如下：

P＝z_max-z_min，

其中，P为地势起伏度，z_max为目标点邻域范围内的高程最大值，z_min为目标点邻域范围内的高程最小值。

进一步地，在本实施例中，所述数字高程数据采用30m*30m的分辨率，所述地表覆盖类型数据采用10m*10m的分辨率。

在本实施例中，在执行步骤S102之前，需要对所述地貌特征数据进行离散化处理。

进一步地，利用不少于5年的雷电定位数据统计逐基杆塔的地闪密度值，并对提取到的地形地貌特征数据进行离散化处理，其中，对于离散化的数据，例如土地利用类型T不需要再进行离散化处理，对于连续性数据按照离散规则进行处理。

更进一步地，在本实施例中，对于海拔高度H以100m为区间进行离散化，对于坡度S按照5°为区间进行离散化，将地势起伏度P均分为10个区间。

更进一步地，在本实施例中，对于杆塔地形位置指数TPI按照下表1进行离散化，下表1中SD表示同一邻域范围内的高程标准差。

表1

更进一步地，在本实施例中，对于地闪密度值NG的离散化，采用先验知识划分方法，并根据电力专家的经验，将地闪密度值NG从弱到强分为4个等级区域：

少雷区：NG<0.78次/(k㎡·a)；

中雷区：0.78次/(k㎡·a)≤NG<2.78次/(k㎡·a)；

多雷区：2.78次/(k㎡·a)≤NG<7.98次/(k㎡·a)；

强雷区：NG≥7.98次/(k㎡·a)，其中，k㎡·a表示次/平方千米·年；

对离散化的地形地貌特征数据分别与地闪密度值NG做斯皮尔曼(Spearman)相关性分析，得到各个地形地貌特征数据的相关系数大小。

需要特别说明的是，在本实施例中，由于各个落雷风险评价指标因子表征的对象属性和量纲不同，因此需要先对所有的落雷风险评价指标因子进行重新赋值，并采用极差标准化的方法进行标准化处理，再根据斯皮尔曼相关性分析的结果，判断各个落雷风险评价指标因子为正向指标或负向指标，以及各个落雷风险评价指标因子的影响程度，以建立雷电危害风险的相关矩阵。

在本实施例中，步骤S106的具体公式如下：

其中，E_j表示落雷风险评价指标因子j的熵值，r_ij'表示标准化评估矩阵R中的元素，i表示杆塔基数，j表示落雷风险评价指标因子个数，i为i＝1,2,...,M，j＝1,2,3,4,5，M表示评估对象个数，即M基待评价杆塔。

在本实施例中，步骤S107的具体公式如下：

其中，μ_j表示落雷风险评价指标因子j的权重，E_j表示落雷风险评价指标因子j的熵值，j表示落雷风险评价指标因子个数，j＝1,2,3,4,5。

如图2所示，采用熵值法计算权重时，首先需要确定待评估的山区输电线路；然后构建地形要素评估指标体系；再构建原始评估矩阵R₀；其次，对原始评估矩阵R₀进行标准化，构建标准化评估矩阵R；最后，计算评估指标信息的熵值E和评估指标信息的权重μ，其中，评估指标信息指落雷风险评价指标因子。

在本实施例中，假设有M个待评价的样本，即M基待评价杆塔个数，5个评价指标，即地形地貌特征数据，则形成原始评估矩阵R₀，对各个评价指标值根据与地闪密度值的相关性分析结果重新进行赋值，则第i个评价样本的第j个指标值记为r^ij，i取值为1-M，j＝1,2,3,4,5；对原始评估矩阵R₀进行标准化处理，构建标准化评估矩阵R的标准化处理步骤及公式如下：

对正向指标进行如下处理：

对负向指标进行如下处理：

进行标准化处理如下：

其中，r^ij为原始评估矩阵R₀中的元素，r_ij'为标准化评估矩阵R中的元素，x_ij表示进行正负指标判定的指标值，max表示最大元素，min表示最小元素。

在本实施例中，步骤S108的具体公式如下：

I_i＝μ₁I_i,TPI+μ₂I_i,H+μ₃I_i,S+μ₄I_i,P+μ₅I_i,T，

其中，I_i表示第i基杆塔的落雷风险系数，i为大于1的正整数，μ₁表示表示落雷风险评价指标因子1的权重，I_i,TPI表示第i基杆塔，重新赋值后的地形位置指数TPI的落雷风险系数，μ²表示表示落雷风险评价指标因子2的权重，I_i,H表示第i基杆塔，重新赋值后的海拔高度H的落雷风险系数，μ₃表示表示落雷风险评价指标因子3的权重，I_i,S表示第i基杆塔，重新赋值后的坡度S的落雷风险系数,μ₄表示表示落雷风险评价指标因子4的权重,I_i,P表示第i基杆塔，重新赋值后的地势起伏度P的落雷风险系数,μ₅表示表示落雷风险评价指标因子5的权重,I_i,T表示第i基杆塔，重新赋值后的土地利用类型T的落雷风险系数。

本申请提供的实施例之间的相似部分相互参见即可，以上提供的具体实施方式只是本申请总的构思下的几个示例，并不构成本申请保护范围的限定。对于本领域的技术人员而言，在不付出创造性劳动的前提下依据本申请方案所扩展出的任何其他实施方式都属于本申请的保护范围。

Claims (7)

1.一种基于熵值法的输电线路落雷风险系数评估方法，其特征在于，具体包括以下步骤：

获取输电线路逐基杆塔的地貌特征数据和地闪密度值；

对所述地貌特征数据与所述地闪密度值进行斯皮尔曼相关性分析，并计算相关系数；

对所述地貌特征数据进行标准化处理，并根据标准地貌特征数据建立落雷风险评价指标因子；

根据所述相关系数对所述落雷风险评价指标因子进行重新赋值，建立原始评估矩阵；

对所述原始评估矩阵进行标准化，得到标准化评估矩阵；

根据所述标准化评估矩阵计算所述落雷风险评价指标因子的熵值；

根据所述熵值计算所述落雷风险评价指标因子的权重；

根据所述权重和重新赋值后的落雷风险评价指标因子计算输电线路逐基杆塔的落雷风险系数。

2.根据权利要求1所述的一种基于熵值法的输电线路落雷风险系数评估方法，其特征在于，所述地貌特征数据包括杆塔地形位置指数、海拔高度、坡度、地势起伏度和土地利用类型，其中，所述杆塔地形位置指数、海拔高度、坡度和地势起伏度通过数字高程数据获取，所述土地利用类型通过地表覆盖类型数据获取。

3.根据权利要求2所述的一种基于熵值法的输电线路落雷风险系数评估方法，其特征在于，所述数字高程数据采用30m*30m的分辨率，所述地表覆盖类型数据采用10m*10m的分辨率。

4.根据权利要求1所述的一种基于熵值法的输电线路落雷风险系数评估方法，其特征在于，对所述地貌特征数据与所述地闪密度值进行斯皮尔曼相关性分析，计算相关系数之前，需要对所述地貌特征数据进行离散化处理。

5.根据权利要求1所述的一种基于熵值法的输电线路落雷风险系数评估方法，其特征在于，根据所述标准化评估矩阵计算所述落雷风险评价指标因子的熵值，具体公式如下：

其中，E_j表示落雷风险评价指标因子j的熵值，r_ij'表示标准化评估矩阵R中的元素，i表示杆塔基数，j表示落雷风险评价指标因子个数，i为i＝1,2,...,M，j＝1,2,3,4,5。

6.根据权利要求1所述的一种基于熵值法的输电线路落雷风险系数评估方法，其特征在于，根据所述熵值计算所述落雷风险评价指标因子的权重，具体公式如下：

其中，μ_j表示落雷风险评价指标因子j的权重，E_j表示落雷风险评价指标因子j的熵值，j表示落雷风险评价指标因子个数，j＝1,2,3,4,5。

7.根据权利要求1所述的一种基于熵值法的输电线路落雷风险系数评估方法，其特征在于，根据所述权重和重新赋值后的落雷风险评价指标因子计算输电线路逐基杆塔的落雷风险系数，具体公式如下：

I_i＝μ₁I_i,TPI+μ₂I_i,H+μ₃I_i,S+μ₄I_i,P+μ₅I_i,T，

其中，I_i表示第i基杆塔的落雷风险系数，i为大于1的正整数，μ₁表示表示落雷风险评价指标因子1的权重，I_i,TPI表示第i基杆塔，重新赋值后的地形位置指数TPI的落雷风险系数，μ₂表示表示落雷风险评价指标因子2的权重，I_i,H表示第i基杆塔，重新赋值后的海拔高度H的落雷风险系数，μ₃表示表示落雷风险评价指标因子3的权重，I_i,S表示第i基杆塔，重新赋值后的坡度S的落雷风险系数,μ₄表示表示落雷风险评价指标因子4的权重,I_i,P表示第i基杆塔，重新赋值后的地势起伏度P的落雷风险系数,μ₅表示表示落雷风险评价指标因子5的权重,I_i,T表示第i基杆塔，重新赋值后的土地利用类型T的落雷风险系数。

Images