CN113177678A - 一种不同类型异物侵扰的气象风险预警方法及装置 - Google Patents

一种不同类型异物侵扰的气象风险预警方法及装置 Download PDF

Info

Publication number
CN113177678A
CN113177678A CN202110172691.3A CN202110172691A CN113177678A CN 113177678 A CN113177678 A CN 113177678A CN 202110172691 A CN202110172691 A CN 202110172691A CN 113177678 A CN113177678 A CN 113177678A
Authority
CN
China
Prior art keywords
meteorological
wind speed
intrusion
early warning
foreign
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
Application number
CN202110172691.3A
Other languages
English (en)
Inventor
全利红
薛强
韩乐琼
谭磊
赵晓栋
赵留学
黄凤新
袁春红
赵东
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.)
Beijing Jiutian Jiutian Meteorological Technology Co ltd
State Grid Beijing Electric Power Co Ltd
Original Assignee
Beijing Jiutian Jiutian Meteorological Technology Co ltd
State Grid Beijing Electric Power Co Ltd
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 Beijing Jiutian Jiutian Meteorological Technology Co ltd, State Grid Beijing Electric Power Co Ltd filed Critical Beijing Jiutian Jiutian Meteorological Technology Co ltd
Priority to CN202110172691.3A priority Critical patent/CN113177678A/zh
Publication of CN113177678A publication Critical patent/CN113177678A/zh
Pending legal-status Critical Current

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
    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • General Engineering & Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Evolutionary Biology (AREA)
  • Health & Medical Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Mathematical Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Computational Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Evolutionary Computation (AREA)
  • Probability & Statistics with Applications (AREA)
  • Artificial Intelligence (AREA)
  • Algebra (AREA)
  • Quality & Reliability (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)

Abstract

本申请公开一种不同类型异物侵扰的气象风险预警方法及装置，包括：根据异物侵扰故障记录、异物类型分类和气象要素，建立不同异物侵扰故障关联的异物侵扰气象风险预警模型；结合对异物侵扰事件的检测和对短临模式预报的误差分析训练并完善异物侵扰气象风险预警模型，提高气象风险预警模型的预警精度。采用本申请的技术方案，能够更准确地对可能发生异物侵扰的气象条件进行预警，有助于针对性地管控电网运行风险、提高电力系统的运行可靠性水平。

Description

一种不同类型异物侵扰的气象风险预警方法及装置
技术领域
本申请涉及气象风险预警领域，尤其涉及一种不同类型异物侵扰的气象风险预警方法及装置。
背景技术
异物缠绕输电线路严重危及输电线路安全稳定运行，如遇雨雾或大风天气，极易造成相间短路或带电设备对周围物体放电，导致线路非计划停运，甚至引发安全事故。电力部门通常通过图像监控、巡检来检测输电线路异物。这样可能没有及时发现异物。
异物挂线主要是风的影响。因此，异物侵扰的预警首先考虑风的预警。电网工作人员通常根据针对公众的大风预警信息采取防范措施。但是，公众大风预警通常针对整个城市发布预警，没有考虑到具体输电线路位置的大风情况，容易导致过度预警。异物通常在地面，输电线路离地面有一定高度，风随高度变化、风的阵性等因素会影响异物运动，不能只根据地面风速判断异物是否会挂线。此外，彩钢板之类的异物，通常需要很大的风才能吹起，而风筝之类的异物则较容易吹起，不一定出现在大风时期。因此，急需一种能够针对输电线路异物侵扰的气象预警方法。
发明内容
本申请提供了一种不同类型异物侵扰的气象风险预警方法，包括：
根据异物侵扰故障记录、异物类型分类和气象要素，建立不同异物侵扰故障关联的异物侵扰气象风险预警模型；
结合对异物侵扰事件的检测和对短临模式预报的误差分析训练并完善异物侵扰气象风险预警模型，提高气象风险预警模型的预警精度。
如上所述的不同类型异物侵扰的气象风险预警方法，其中，建立不同异物侵扰故障关联的异物侵扰气象风险预警模型，具体包括如下子步骤：
分析异物侵扰故障发生前后的气象要素的变化特征；
根据异物侵扰故障记录和气象站的风速记录，对不同类型的异物进行分类；
针对不同类型的异物选择对应的气象因子，并为气象因子设定阈值。
如上所述的不同类型异物侵扰的气象风险预警方法，其中，分析异物侵扰故障发生前后的气象要素的变化特征，具体为：收集历史异物侵扰故障发生前后线路附近的气象站观测资料，以及典型灾害事件气象要素反演格点数据，分析风速、风向、气温、气压、相对湿度、降水量要素在异物侵扰故障发生前后以及整个天气过程中的时空变化。
如上所述的不同类型异物侵扰的气象风险预警方法，其中，根据异物侵扰故障记录和气象站的风速记录，对不同类型的异物进行分类，具体为：根据异物是否容易被风吹起或折断，将不同异物分为两类，一类是彩钢板/房、塑料大棚、树木、苗圃类需要瞬时大风才能被吹起或折断的异物；另一类是风筝、塑料袋、铝箔纸类不需要很大的风就能吹起的异物，而且能在空中停留较长时间，随着风向移动。
如上所述的不同类型异物侵扰的气象风险预警方法，其中，针对不同类型的异物选择对应的气象因子，并为气象因子设定阈值，具体包括如下子步骤：
针对不同类型的异物，统计分析各气象要素特征，并结合天气特征分析，确定对应的气象因子；
综合考虑气象站与线路故障点的距离，观测时间与故障时间的差异，以及各异物侵扰故障对应的特征因子的值，初步确定气象因子阈值。
如上所述的不同类型异物侵扰的气象风险预警方法，其中，针对彩钢板、塑料布、树枝类异物选择阵风风速和平均风速作为选定的气象因子，将阵风风速作为特征因子，将平均风速作为参考因子；针对风筝、铝箔纸类异物，选择平均风速、阵风风速和下垫面作为气象因子，将平均风速作为特征因子，将阵风风速作为参考因子，同时考虑下垫面特征。
如上所述的不同类型异物侵扰的气象风险预警方法，其中，训练异物侵扰气象风险预警模型，具体包括如下子步骤：
对短临预报大风风场进行特征分析，分析短临预报在大风时的风场，与实际观测结果进行对比，确定短临预报异物侵扰风速和阵风预报误差；
对短临预报异物侵扰风速进行检验；
根据短临预报大风风场与实况的差异以及异物侵扰故障期间预报风场与实况的差异，对气象因子阈值进行调整。
如上所述的不同类型异物侵扰的气象风险预警方法，其中，对短临预报异物侵扰风速进行检验，具体为根据实际发生的异物侵扰案例，分析短临预报结果与实测结果和实况分析结果的差异。
如上所述的不同类型异物侵扰的气象风险预警方法，其中，针对风筝、铝箔纸类异物，根据实际异物侵扰个例检验结果，同时考虑模式预报结果比实际观测结果大，调整平均风速阈值为7m/s，阵风风速为11m/s；针对彩钢板、塑料大棚、树枝类异物，考虑模式对大风的预报结果略有偏大，为了配合应急决策需求，调整平均风速阈值为10m/s，阵风风速阈值为17m/s；对于树木折断砸线的情况，设定平均风速阈值为15m/s，阵风风速阈值为23m/s。
本申请还提供一种不同类型异物侵扰的气象风险预警装置，包括：所述装置执行上述任一项所述的不同类型异物侵扰的气象风险预警方法。
本申请实现的有益效果如下：采用本申请的技术方案，能够更准确地对可能发生异物侵扰的气象条件进行预警，有助于针对性地管控电网运行风险、提高电力系统的运行可靠性水平。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。
图1和图2是本申请实施例一提供的一种不同类型异物侵扰的气象风险预警方法流程示意图；
图3-图7是对于风速较大时异物侵扰案例的几个时间点的典型气象要素时间序列示例图；
具体实施方式
下面结和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。基于本申请中的实施例，本领域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，都属于本申请保护的范围。
实施例一
本申请实施例一提供一种不同类型异物侵扰的气象风险预警方法，考虑到虽然造成输电线路异物侵扰的首要因素是风速，但是不同类型的异物对风速的响应机理不同；例如彩钢板、塑料大棚、树枝等异物导致的异物侵扰故障，阵风较大，且影响显著，而风筝、铝箔纸等异物导致的异物侵扰故障，风速不大，但持续、平稳，并与下垫面特征相关。本申请根据不同类型的异物对风速的响应机理和历史故障分析结果，提出了不同类型的异物侵扰风速阈值。在此基础上，结合短临预报结果的风场预报误差分析和实例检验，对阈值进行了调整，使之适应短临预报结果，在时间和空间上的精度也可显著提高，
如图1所示，所述不同类型异物侵扰的气象风险预警方法具体包括如下步骤：
步骤110、根据异物侵扰故障记录、异物类型分类和气象要素，建立不同异物侵扰故障关联的异物侵扰气象风险预警模型；
本申请实施例中，建立不同异物侵扰故障关联的气象风险模型具体包括如下子步骤：
步骤111、分析异物侵扰故障发生前后的气象要素的变化特征；
具体地，收集历史异物侵扰故障发生前后线路附近的气象站观测资料，以及典型灾害事件气象要素反演格点数据，分析风速、风向、气温、气压、相对湿度、降水量等要素在异物侵扰故障发生前后以及整个天气过程中的时空变化；
例如，获取某些年限100多个异物侵扰案例的出现时间和位置，挑选距离异物侵扰故障位置较近的气象站，分析其气象要素时间序列的变化；
图3-图7是对于风速较大时异物侵扰案例的几个时间点的典型气象要素时间序列示例图。图3-图7均是选取某一故障日前后共3天数据绘制的异物侵扰故障对应的风速时间序列，前一天0时为第一个时次，第3天23时为第72个时次，图3-图7左上图所示的风速时间序列中包含2min平均风速（m/s）、10min平均风速（m/s）、小时最大风速（m/s）和阵风风速（m/s），图3-图7右上图所示的风向时间序列与风速时间序列对应，分别为2min平均风速对应风向、10min平均风速对应风向、小时最大风速对应风向和阵风风速对应风向，下图是气压（hPa）、气温（℃）、相对湿度（%）和小时降水量（mm）的时间序列；
从图3-图7可见，故障发生前后阵风风速迅速增大，并伴有明显的风向变化（偏南风转偏北风），气压、气温、相对湿度也有明显变化，可能出现降水，但是，平均风速不一定很大；
例如，以夏季为例，异物侵扰故障前后，气压上升1hPa以上，气温下降6℃以上，相对湿度大于60%，风向变化明显，风速增大，阵风风速较大，大部分情况下出现降水；冬季则是出现了持续较长时间的大风过程中，气温、相对湿度变化明显；表1展示了夏季异物侵扰个例气象要素变化特征，如下表1所示：
表1 夏季异物侵扰个例气象要素变化特征
时间 ΔP（hPa） ΔT（°C） RH（%） ΔD（°） U（m/s） G(m/s) Pr(mm)
20140626 1.4 -6 60 -161 6.3 10.5 0.1
20160615 1.8 -9.7 95 115 5.2 12.2 41.7
20140613 2.2 -10.1 85 -129 5.2 11.6 7.7
20140608 3.1 -12.1 70 -349 8 14.5 0.2
20120609 2.8 -10 60 95 10.9 19.1 0
20120609 1.7 -12.5 77 111 12.4 23.1 2.4
20110623 4.5 -6.7 95 -125 11.7 25.4 37.9
20130831 3.5 -8.1 100 -11 5.1 12.8 37
20140716 1.7 -8.5 100 -261 12.3 27.2 22.6
另外，各部分异物侵扰故障前后的最大风速和极大风速如表2所示；
表2 45次异物侵扰故障对应的附近气象站最大风速和极大风速
时间 最大风速（m/s） 极大风速（m/s） 时间 最大风速（m/s） 极大风速（m/s） 时间 最大风速（m/s） 极大风速（m/s）
2016/1/24 12:38 15.7 24.8 2013/11/16 13:51 7.5 15.5 2012/9/28 0:39 5.3 12.2
2016/1/23 17:44 10.8 20.8 2013/10/22 11:00 5.6 10.8 2012/9/27 14:30 9.8 16.4
2014/7/16 19:10 12.3 27.2 2013/10/10 14:44 8.3 15.4 2012/7/21 13:53 6.3 10.7
2014/6/26 18:14 6.3 11.4 2013/8/4 20:01 8.6 20.4 2012/6/10 13:29 6.3 14.5
2014/6/15 18:56 9.8 15.6 2013/5/19 14:12 13.7 20.7 2012/6/9 16:40 10.9 19.1
2014/6/13 17:06 5.2 11.6 2013/5/19 13:51 10 19 2012/4/15 13:58 6.2 11.5
2014/6/8 14:44 8 14.5 2013/5/19 13:13 9.6 19.2 2012/4/13 11:43 5.6 11
2014/5/31 22:38 14.6 29.9 2013/4/8 8:26 6.4 13.9 2012/4/2 22:48 7.2 14.2
2014/5/31 21:35 14.2 25.4 2013/4/5 18:40 6.3 11.6 2012/3/30 13:56 7.1 14.9
2014/5/31 21:18 9 19.1 2013/4/1 12:40 7.1 14.6 2012/3/30 20:34 9.8 16.8
2014/5/27 11:22 13.5 19.6 2013/3/9 13:30 10.4 20.6 2012/3/23 12:25 8 18.4
2014/5/2 17:28 9.1 17.6 2012/12/22 17:51 8.7 18.5 2012/3/11 15:43 11.3 19.7
2014/1/20 0:56 8.3 15 2012/12/7 23:47 6.8 13.9 2012/3/10 14:46 6.8 15
2014/1/19 18:56 8.3 16.9 2012/11/28 0:04 15.2 27.1 2012/3/10 13:17 9.8 17.9
2013/11/6 10:32 8.9 20 2012/11/27 20:42 9.3 18.2 2012/2/6 13:52 8.9 17.2
由表2可见，异物侵扰故障发生前后极大风速较大，极大风速与最大风速比值（即阵风系数）也较大，大部分超过1.7；由于部分气象站距故障点较远，风速偏小，结合图和表的分析结果，虽然异物侵扰前后气象要素都有明显变化，但是，最典型的是阵风风速的变化，因此，将阵风风速作为主要特征因子；
另外风速较小时也出现了异物侵扰，如2013年10月22日11时，最大风速为5.6m/s，阵风风速为10.8m/s，这类异物侵扰平均风速一般不超过8m/s，阵风风速一般不超过15m/s。
步骤112、根据异物侵扰故障记录和气象站的风速记录，对不同类型的异物进行分类；
通过对异物侵扰故障记录的分析可知，风速对异物的影响很大，风速能够影响的异物类型包括彩钢板（房）、塑料大棚、生活垃圾、风筝、树木、苗圃等；例如根据异物是否容易被风吹起或折断，将不同异物分为两类，一类是彩钢板（房）、塑料大棚、树木、苗圃等，这类异物需要很大的风才能被吹起或折断，通常瞬时大风就可造成影响；另一类是风筝、塑料袋、铝箔纸等，这类异物不需要很大的风就能吹起，而且能在空中停留较长时间，随着风向移动；
其中，风筝、铝箔纸等较轻的异物引起的异物侵扰故障，距故障时间最近的时次平均风速较小，一般在2-3m/s，少数达到6m/s以上，最大风速和平均风速接近，极大风速也不大，一般不超过10m/s，这种情况下风速比较平稳；彩钢板、塑料布、树枝等异物引起的异物侵扰故障，大部分情况距故障时间最近的时次平均风速也不超过10m/s，但是极大风速大部分都在8级以上，最大风速也在10m/s以上，此种情况，极大风速与平均风速比值（即阵风系数）基本上在2左右。
步骤113、针对不同类型的异物选择对应的气象因子，并为气象因子设定阈值；
本申请实施例中，针对不同类型的异物选择对应的气象因子，并设定阈值，具体包括如下子步骤：
Step1、针对不同类型的异物，统计分析各气象要素特征，并结合天气特征分析，确定对应的气象因子；
具体地，分析各种气象因素对不同类型异物的影响，针对彩钢板、塑料布、树枝等异物，阵风风速是导致异物侵扰的主要因素，因此，选择阵风风速和平均风速作为选定的气象因子，将阵风风速作为特征因子，将平均风速作为参考因子；针对风筝、铝箔纸等异物，平均风速及其随高度变化是主要影响因素，但由于缺少风随高度变化的观测记录，因此只能以平均风速作为特征因子，阵风风速作为参考因子，同时考虑下垫面特征（下垫面是大气与其下界的固态地面或液态水面的分界面，是大气的主要热源和水汽源，也是低层大气运动的边界面）。
Step2、综合考虑气象站与线路故障点的距离，观测时间与故障时间的差异，以及各异物侵扰故障对应的特征因子的值，初步确定气象因子阈值。
由于早期的气象站分布较稀疏，气象站距故障线路可能较远，随着气象站的布设越来越密集，气象站与故障线路间的距离可能越来越近，两者更可能处在同一天气过程中，因此，在确定气象因子阈值时，选择站要素变化较大的站作为参考，并可适当增大；
具体地，针对彩钢板、塑料布、树枝等异物，综合考虑各历史个例气象站的阵风风速和最大风速记录，确定阵风风速阈值为17.2m/s（8级），平均风速阈值为10.8m/s（6级）；针对风筝、铝箔纸等异物，结合历史个例气象站的风速记录，考虑气象站与故障点位置的距离，确定平均风速阈值为5.5m/s，阵风风速阈值为10m/s；实际进行预警时，需要结合线路和异物点的周围环境进行调整。
返回参见图1，步骤120、结合对异物侵扰事件的检测和对短临模式预报的误差分析训练并完善异物侵扰气象风险预警模型，提高气象风险预警模型的预警精度；
本申请实施例中，步骤110中建立的不同异物侵扰故障关联的气象风险模型只是一个初步的模型，时空精度较粗，因此在用于预警前需结合模式预报的结果进一步调整细化；
具体地，以模式预报结果（优选采用短临预报结果）为基础资料，进一步建立异物侵扰气象风险预警模型，具体包括如下子步骤：
步骤121、对短临预报大风风场进行特征分析，分析短临预报在大风时的风场，与实际观测结果进行对比，确定短临预报异物侵扰风速和阵风预报误差；
短临预报大风风场来自于INCA短临预报系统，由于短临预报主要通过外推方式进行预报，预报结果可能存在系统性的偏差，可能导致虚假大风过程，这种情况需要对虚假大风进行甄别并予以剔除。
步骤122、对短临预报异物侵扰风速进行检验；
具体地，根据实际发生的异物侵扰故障进行模型检验，具体根据实际发生的异物侵扰案例，分析短临预报结果与实测结果和实况分析结果的差异。
步骤123、根据短临预报大风风场与实况的差异以及异物侵扰故障期间预报风场与实况的差异，对气象因子阈值进行调整；
针对风筝、铝箔纸等异物，根据实际异物侵扰个例检验结果，同时考虑模式预报结果比实际观测结果大（例如预报较大风速比实况约大2-3m/s），调整平均风速阈值为7m/s，阵风风速为11m/s；针对彩钢板、塑料大棚、树枝等异物，考虑模式对大风的预报结果略有偏大，为了配合应急决策需求，调整平均风速阈值为10m/s，阵风风速阈值为17m/s。对于树木折断砸线的情况，阈值还应更高，平均风速阈值为15m/s，阵风风速阈值为23m/s，具体如下表3所示：
表3 异物侵扰预警模型大风阈值
异物类型 平均风速（m/s） 阵风风速（m/s）
风筝、铝箔纸等 7 11
彩钢板、塑料大棚 10 17
树枝 15 23
实施例二
本申请实施例二提供一种不同类型异物侵扰的气象风险预警装置，所述装置执行实施例一所述的不同类型异物侵扰的气象风险预警方法。
采用本申请的技术方案，能够达到如下技术效果：
1）针对不同类型的异物，给出不同的异物侵扰气象灾害预警模型：不同类型的异物对风速的响应差异非常大。彩钢板（房）、塑料大棚、树木、苗圃等异物需要很大的风才能被吹起或折断，通常瞬时大风就可造成影响。而风筝、塑料袋、铝箔纸等异物不需要很大的风就能吹起，而且能在空中停留较长时间，随着风向移动。两类异物对输电线路的破坏方式也不一样，因此，用不同的模型来进行预警更具有针对性。
2）时空高分辨率：异物侵扰故障的气象风险模型可嵌入数值预报模型之后，可以输出逐10分钟的各格点的气象要素和天气指标的值，以及风险预警指标值。目前，数值预报模型空间分辨率可以达到1km。
3）与数值预报结果结合更紧密：本方法考虑了短临预报结果对风场预报的误差，并根据实际异物侵扰案例对风场阈值进行了调整，不只是根据实测资料得到的模型，更能与数值模式匹配。
4）本方法初步考虑了不同类型异物与输电线路空间差异，考虑了风的阵性特征来建立模型，物理意义更清晰。
以上所述实施例，仅为本申请的具体实施方式，用以说明本申请的技术方案，而非对其限制，本申请的保护范围并不局限于此，尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围。都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应所述以权利要求的保护范围为准。

Claims (10)

1.一种不同类型异物侵扰的气象风险预警方法，其特征在于，包括：
根据异物侵扰故障记录、异物类型分类和气象要素，建立不同异物侵扰故障关联的异物侵扰气象风险预警模型；
结合对异物侵扰事件的检测和对短临模式预报的误差分析训练并完善异物侵扰气象风险预警模型，提高气象风险预警模型的预警精度。
2.如权利要求1所述的不同类型异物侵扰的气象风险预警方法，其特征在于，建立不同异物侵扰故障关联的异物侵扰气象风险预警模型，具体包括如下子步骤：
分析异物侵扰故障发生前后的气象要素的变化特征；
根据异物侵扰故障记录和气象站的风速记录，对不同类型的异物进行分类；
针对不同类型的异物选择对应的气象因子，并为气象因子设定阈值。
3.如权利要求2所述的不同类型异物侵扰的气象风险预警方法，其特征在于，分析异物侵扰故障发生前后的气象要素的变化特征，具体为：收集历史异物侵扰故障发生前后线路附近的气象站观测资料，以及典型灾害事件气象要素反演格点数据，分析风速、风向、气温、气压、相对湿度、降水量要素在异物侵扰故障发生前后以及整个天气过程中的时空变化。
4.如权利要求2所述的不同类型异物侵扰的气象风险预警方法，其特征在于，根据异物侵扰故障记录和气象站的风速记录，对不同类型的异物进行分类，具体为：根据异物是否容易被风吹起或折断，将不同异物分为两类，一类是彩钢板/房、塑料大棚、树木、苗圃类需要瞬时大风才能被吹起或折断的异物；另一类是风筝、塑料袋、铝箔纸类不需要很大的风就能吹起的异物，而且能在空中停留较长时间，随着风向移动。
5.如权利要求4所述的不同类型异物侵扰的气象风险预警方法，其特征在于，针对不同类型的异物选择对应的气象因子，并为气象因子设定阈值，具体包括如下子步骤：
针对不同类型的异物，统计分析各气象要素特征，并结合天气特征分析，确定对应的气象因子；
综合考虑气象站与线路故障点的距离，观测时间与故障时间的差异，以及各异物侵扰故障对应的特征因子的值，初步确定气象因子阈值。
6.如权利要求5所述的不同类型异物侵扰的气象风险预警方法，其特征在于，针对彩钢板、塑料布、树枝类异物选择阵风风速和平均风速作为选定的气象因子，将阵风风速作为特征因子，将平均风速作为参考因子；针对风筝、铝箔纸类异物，选择平均风速、阵风风速和下垫面作为气象因子，将平均风速作为特征因子，将阵风风速作为参考因子，同时考虑下垫面特征。
7.如权利要求1所述的不同类型异物侵扰的气象风险预警方法，其特征在于，训练异物侵扰气象风险预警模型，具体包括如下子步骤：
对短临预报大风风场进行特征分析，分析短临预报在大风时的风场，与实际观测结果进行对比，确定短临预报异物侵扰风速和阵风预报误差；
对短临预报异物侵扰风速进行检验；
根据短临预报大风风场与实况的差异以及异物侵扰故障期间预报风场与实况的差异，对气象因子阈值进行调整。
8.如权利要求7所述的不同类型异物侵扰的气象风险预警方法，其特征在于，对短临预报异物侵扰风速进行检验，具体为根据实际发生的异物侵扰案例，分析短临预报结果与实测结果和实况分析结果的差异。
9.如权利要求7所述的不同类型异物侵扰的气象风险预警方法，其特征在于，针对风筝、铝箔纸类异物，根据实际异物侵扰个例检验结果，同时考虑模式预报结果比实际观测结果大，调整平均风速阈值为7m/s，阵风风速为11m/s；针对彩钢板、塑料大棚、树枝类异物，考虑模式对大风的预报结果略有偏大，为了配合应急决策需求，调整平均风速阈值为10m/s，阵风风速阈值为17m/s；对于树木折断砸线的情况，设定平均风速阈值为15m/s，阵风风速阈值为23m/s。
10.一种不同类型异物侵扰的气象风险预警装置，其特征在于，包括：所述装置执行如权利要求1-9任一项所述的不同类型异物侵扰的气象风险预警方法。
CN202110172691.3A 2021-02-08 2021-02-08 一种不同类型异物侵扰的气象风险预警方法及装置 Pending CN113177678A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110172691.3A CN113177678A (zh) 2021-02-08 2021-02-08 一种不同类型异物侵扰的气象风险预警方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110172691.3A CN113177678A (zh) 2021-02-08 2021-02-08 一种不同类型异物侵扰的气象风险预警方法及装置

Publications (1)

Publication Number Publication Date
CN113177678A true CN113177678A (zh) 2021-07-27

Family

ID=76921741

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110172691.3A Pending CN113177678A (zh) 2021-02-08 2021-02-08 一种不同类型异物侵扰的气象风险预警方法及装置

Country Status (1)

Country Link
CN (1) CN113177678A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114519541A (zh) * 2022-04-20 2022-05-20 西南交通大学 潜在危险建筑风险评估方法、装置、设备及可读存储介质
CN115311355A (zh) * 2022-09-20 2022-11-08 中国铁建电气化局集团有限公司 接触网异物风险预警方法、装置、设备及存储介质
CN116778677A (zh) * 2023-06-20 2023-09-19 四川省气象服务中心(四川省专业气象台 四川省气象影视中心) 基于5g技术的预警信息靶向发布系统及方法、存储介质

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114519541A (zh) * 2022-04-20 2022-05-20 西南交通大学 潜在危险建筑风险评估方法、装置、设备及可读存储介质
CN114519541B (zh) * 2022-04-20 2022-08-09 西南交通大学 潜在危险建筑风险评估方法、装置、设备及可读存储介质
CN115311355A (zh) * 2022-09-20 2022-11-08 中国铁建电气化局集团有限公司 接触网异物风险预警方法、装置、设备及存储介质
CN116778677A (zh) * 2023-06-20 2023-09-19 四川省气象服务中心(四川省专业气象台 四川省气象影视中心) 基于5g技术的预警信息靶向发布系统及方法、存储介质

Similar Documents

Publication Publication Date Title
CN113177678A (zh) 一种不同类型异物侵扰的气象风险预警方法及装置
KR101821912B1 (ko) 번개 경보를 위한 방법 및 번개 경보를 위한 풍력 발전 설비
CN102629294B (zh) 台风引发输电线路故障的概率评估方法
CN112886923B (zh) 一种雷电天气的光伏电站运维方法及设备
CN104614783A (zh) 一种对电力系统输电杆塔周边环境的气象风险确定方法
CN110632681B (zh) 基于机器学习的电网午后雷阵雨的短临预警方法及系统
CN111612315A (zh) 一种新型电网灾害性大风预警方法
CN109740195A (zh) 一种基于气象站观测数据的极值台风风速概率分布模型及设计台风风速的评估方法
CN116840732A (zh) 一种用于风电场的分布式电源装置监测系统
CN113176420A (zh) 一种针对电网杆塔点的风速预报订正系统
CN113689053B (zh) 一种基于随机森林的强对流天气架空线停电预测方法
KR20170025709A (ko) 황사와 연무 통합 예측 및 검증 방법 및 시스템
CN109583593B (zh) 一种基于自动气象站的低空风切变识别方法
CN117172959B (zh) 一种林业生态环境监测系统及方法
Bellucci et al. Implementing the Dynamap system in the suburban area of Rome
CN112016739B (zh) 故障检测方法、装置、电子设备及存储介质
CN117375226A (zh) 一种电网运行监测装置
CN116243103A (zh) 基于多源数据的输变电设备状态智能感知预警方法
EP3695253B1 (en) Method for warning about lightning activity in wind farms
KR20190043962A (ko) 기후 데이터와 안전성 평가 알고리즘 기반 중소 규모 건축물의 건축물 안전성 평가 방법 및 건축물 안전성 평가 장치
Ou et al. On the relationship between the risk of hoar frost on roads and a changing climate in Sweden
CN110442897B (zh) 一种输电线塔倒塔情况分析方法
CN111882173A (zh) 基于气象信息的电网静态安全风险评估系统及评估方法
CN118068448B (zh) 一种气象无人机地面测控平台
CN116821626B (zh) 一种水电站气象数据监测查询警报系统

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