发明内容
为此,本发明提供一种基于线路点云的防雷影响评估方法,用以克服现有技术中不能针对性的对输电线路的被雷电击中的可能性进行判定导致输电线路的安全稳定性低的问题。
为实现上述目的,本发明提供一种基于线路点云的防雷影响评估方法,包括:
步骤S1、获取待评估输电线路点云数据,并从点云数据中提取线路参数,根据提取的线路参数建立输电线路走廊数字高程模型;
步骤S2、获取待评估线路的雷电地闪密度和基础数据并建立雷电地闪密度模型;
步骤S3、将步骤S1中建立的所述数字高程模型和雷电地闪密度模型按照输电线路进行关联获得防雷影响评估模型;
在关联完成时,根据获得的防雷影响评估模型生成雷电地闪密度对应的风险级别ri,并设定ri中的i为0,1,2,3,4,其中,r0为无风险,r1为一级风险,r2为二级风险,r3为三级风险,r4为四级风险,当对输电线路进行防雷影响评估时,获取每级杆塔所处点位在数据库中的最新雷电地闪密度并建立最新雷电地闪密度数据集Li,并设定Li中的i为1,2,3,…,n,其中,L1为第一地闪密度,L2第二地闪密度,L3为第三地闪密度,Ln为第n地闪密度,各地闪密度按照顺序增加,在获取完成时,对每级杆塔所处点位的风险级别进行初步评估,在进行初步评估完成时,分别计算各风险级别下杆塔数量的实际占比,在计算完成时,对各风险级别下杆塔数量实际占比分别进行比对,并根据比对结果初步判定各风险级别下的杆塔的综合风险评级;
当初步判定对应的杆塔的综合风险评级完成时,通过获取历年气象监测数据中年平均云量C,并计算各年平均云量相对于上年的云量变化量,通过计算得到的云量变化量计算云量变化量总和ΔCz以及云量变化量平均值ΔCp,并计算该云量变化量总和ΔCz和云量变化量平均值ΔCp的比值Gb,根据该比值Gb选取对应的参数以预测被评估年限内各杆塔对应点位的雷电地闪密度,在预测完成时,计算各风险级别下杆塔数量预测占比,并将杆塔数量预测占比与杆塔数量实际占比进行比对且计算杆塔数量预测占比和杆塔数量实际占比的实际差值,并根据该差值与预设占比差值的比对结果判定是否需要重新评估对应杆塔的综合风险评级。
进一步地,当对单个杆塔的风险级别进行初步评估时,获取单个杆塔的最新雷电地闪密度Li,将该最新雷电地闪密度与预设雷电地闪密度进行比对并根据比对结果判定每级杆塔的风险级别,
其中,所述评估模型还设有第一预设雷电地闪密度La、第二预设雷电地闪密度Lb、第三预设雷电地闪密度Lc以及第四预设雷电地闪密度Ld,其中La<Lb<Lc<Ld,
当Li<La时,判定所述杆塔的风险级别为无风险级别r0;
当La≤Li<Lb时,判定所述杆塔的风险级别为一级风险级别r1;
当Lb≤Li<Lc时,判定所述杆塔的风险级别为二级风险级别r2;
当Lc≤Li<Ld时,判定所述杆塔的风险级别为三级风险级别r3;
当Li≥Ld时,判定所述杆塔的风险级别为四级风险级别r4。
进一步地,当确定每级杆塔对应的风险级别完成时,统计对应风险级别下所述杆塔数量,并计算对应风险级别下所述杆塔数量与输电线路总杆塔数量的占比,设定一级风险r1对应的杆塔数量为Ma,二级风险r2对应的杆塔数量为Mb,三级风险r3对应的杆塔数量为Mc,四级风险r4对应的杆塔数量为Md,杆塔总数量为N;
在统计完成时,计算各级风险对应的杆塔数量的实际占比,设定一级风险r1对应的杆塔数量Ma实际占比为Ba,二级风险r2对应的杆塔数量Mb实际占比为Bb,三级风险r3对应的杆塔数量Mc实际占比为Bc,四级风险r4对应的杆塔数量Md实际占比为Bd,其中,Ba=Ma/N,Bb=Mb/N,Bc=Mc/N,Bd=Md/N。
进一步地,当计算对应风险等级下的杆塔数量实际占比完成时,将各级风险对应的杆塔数量实际占比与对应的比对系数结合进行比对,并根据比对结果对对应杆塔进行防雷影响评估,
其中,所述比对系数包括一二级风险杆塔数量占比比对系数s1、二三级风险杆塔数量占比比对系数s2、三四级风险杆塔数量占比比对系数s3,其中,s1>s2>s3,当计算所述杆塔数量占比完成时,若其中一个级别风险re对应的杆塔数量占比最大,设定e=1,2,3,4,则将该风险级别下杆塔数量实际占比对应的下一级别风险对应的杆塔数量实际占比与对应的比对系数进行结合,在结合完成时,将该级别风险对应的杆塔数量实际占比与对应下一级别风险对应的杆塔数量实际占比结合比对系数后进行比对,根据比对结果判定对应的杆塔的综合风险评级。
进一步地,所述评估模型还设有第一综合风险评级Ra,第二综合风险评级Rb,第三综合风险评级Rc,第四综合风险评级Rd,其中,Ra<Rb<Rc<Rd,
当一级风险r1对应的杆塔数量实际占比Ba为最大时,二级风险r2对应的杆塔数量实际占比Bb次之,则选取一二级风险杆塔数量占比比对系数s1并计算二级风险r2对应的杆塔数量实际占比Bb与比对系数s1的乘积,在计算完成时,若Ba>Bb×s1,则判定一级风险r1下的杆塔的综合风险评级为第一综合风险评级Ra,若Ba≤Bb×s1,则判定一级风险r1下的杆塔的综合风险评级为第二综合风险评级Rb;
当二级风险r2对应的杆塔数量实际占比Bb为最大时,三级风险r3对应的杆塔数量实际占比Bc次之,则选取二三级风险杆塔数量占比比对系数s2并计算三级风险r3对应的杆塔数量实际占比Bc与比对系数s2的乘积,在计算完成时,若Bb>Bc×s2,则判定二级风险r2下的杆塔的综合风险评级为第二综合风险评级Rb,若Bb≤Bc×s2,则判定二级风险r2下的杆塔的综合风险评级为第三综合风险评级Rc;
当三级风险r3对应的杆塔数量实际占比Bc为最大时,四级风险r4对应的杆塔数量实际占比Bd次之,则选取三四级风险杆塔数量占比比对系数s3并计算四级风险r4对应的杆塔数量实际占比Bd与比对系数s3的乘积,在计算完成时,若Bc>Bd×s3,则判定三级风险r3下的杆塔的综合风险评级为第三综合风险评级R3,若Bc≤Bd×s3,则判定三级风险r3下的杆塔的综合风险评级为第四综合风险评级Rd;
当四级风险r4对应的杆塔数量实际占比Bd为最大时,则判定四级风险r4下的杆塔的综合风险评级为第四综合风险评级Rd。
进一步地,当初步判定所述杆塔的综合风险评级完成时,获取气象数据库中的历年气象监测数据中的年平均云量C,并计算各年平均云量的变化量ΔC和年平均云量变化量总和ΔCz和年平均云量变化量平均值ΔCp,在计算完成时,将该年平均云量变化量总和ΔCz和年平均云量变化量平均值ΔCp进行比对并计算年平均云量变化量平均值ΔCp和年平均云量变化量总和ΔCz的比值Q,并将该比值与预设年平均云量变化量比值进行比对,根据比对结果选取对应的雷电地闪密度修正系数对所述最新雷电地闪密度Li进行修正,在修正完成时,重新计算各风险级别对应的杆塔数量占比。
进一步地,所述模型中还设有第一预设云量变化量比值Q1、第二预设云量变化量比值Q2、第三预设云量变化量比值Q3、第一地闪密度修正系数x1、第二地闪密度修正系数X2、第三地闪密度修正系数x3以及第四地闪密度修正系数x4,其中,Q1<Q2<Q3,1<x1<x2<x3<x4<2,
当Q≤Q1时,选取第一地闪密度修正系数x1对最新雷电地闪密度Li进行修正;
当Q1<Q≤Q2时,选取第二地闪密度修正系数x2对最新雷电地闪密度Li进行修正;
当Q2<Q≤Q3时,选取第三地闪密度修正系数x3对最新雷电地闪密度Li进行修正;
当Q>Q3时,选取第四地闪密度修正系数x4对最新雷电地闪密度Li进行修正;
当选取第u地闪密度修正系数xu对最新雷电地闪密度Li进行修正时,设定u=1,2,3,4,将修正后的雷电地闪密度设置为Li',设定Li'=Li×xu。
进一步地,当对雷电地闪密度修正完成时,重新计算各风险级别下杆塔数量实际占比,设定一级风险r1对应的杆塔数量为Ma',二级风险r2对应的杆塔数量为Mb',三级风险r3对应的杆塔数量为Mc',四级风险r4对应的杆塔数量为Md',一级风险r1对应的杆塔数量占比为Ba',二级风险r2对应的杆塔数量占比为Bb',三级风险r3对应的杆塔数量占比为Bc',四级风险r4对应的杆塔数量占比为Bd'其中,Ba'=Ma'/N,Bb'=Mb'/N,Bc'=Mc'/N,Bd'=Md'/N;
在计算完成时,将修正后的各风险级别的杆塔数量预测占比与重新计算的各风险级别的杆塔数量占比进行比对并计算杆塔数量实际占比差值,设定ΔBa=|Ba'-Ba|,ΔBb=|Bb'-Bb|,ΔBc=|Bc'-Bc|,ΔBd=|Bd'-Bd|,在计算完成时,将各实际占比差值与各预设占比差值进行比对,并根据比对结果判定是否需要对各杆塔的综合风险评级重新进行判定,
其中,所述评估模型中还设有预设一级风险的杆塔数量占比差值ΔBa0、预设二级风险的杆塔数量占比差值ΔBb0、三级风险的杆塔数量占比差值ΔBc0以及四级风险的杆塔数量占比差值ΔBd0,
若ΔBa≤ΔBa0,则不对一级风险r1下各杆塔的综合风险评级重新进行判定,若ΔBa>ΔBa0,则对一级风险r1下各杆塔的综合风险评级重新进行判定;
若ΔBb≤ΔBb0,则不对二级风险r2下各杆塔的综合风险评级重新进行判定,若ΔBb>ΔBb0,则对二级风险r2下各杆塔的综合风险评级重新进行判定;
若ΔBc≤ΔBc0,则不对三级风险r3下各杆塔的综合风险评级重新进行判定,若ΔBc>ΔBc0,则对三级风险r3下各杆塔的综合风险评级重新进行判定;
若ΔBd≤ΔBd0,则不对四级风险r4下各杆塔的综合风险评级重新进行判定,若ΔBd>ΔBd0,则对四级风险r4下各杆塔的综合风险评级重新进行判定。
与现有技术相比,本发明的有益效果在于,通过获取输电线路点云数据并根据从该数据中提取的参数建立输电线路走廊数字高程模型以及获取输电线路的雷电地闪密度和基础数据并建立雷电地闪密度模型,将走廊数字高程模型和雷电地闪密度模型按照输电线路进行关联后获得防雷影响评估模型,通过该防雷影响评估模型生成输电线路的多个风险级别,当对进行输电线路风险评估时,通过获取每级杆塔的最新雷电地闪密度,并根据该最新雷电地闪密度确定各级杆塔的风险级别以及对应风险级别下的杆塔数量,并在确定对应风险级别下的杆塔数量完成时,计算各风险级别下杆塔数量占输电线路总杆塔数量的比值,在计算完成时,根据各风险级别下的杆塔数量的占比的比对结果确定各风险级别下的杆塔的综合风险评级,以对输电线路进行综合评估,根据评估结果确定对对应的杆塔采取对应的措施,让资源得到合理利用的同时提高了输电线路的安全稳定性,从而进一步提高了输电线路的输电效率。
进一步地,通过从生成的防雷影响评估模型中提取对应的风险级别,并根据实际的最新雷电地闪密度确定输电线路的风险级别,并在确定完成时,计算各风险级别下的杆塔数量以及杆塔数量占比,提高了对输电线路杆塔的风险等级评估的精确度,进一步提高了输电线路的安全稳定性,从而进一步提高了输电线路的输电效率。
进一步地,通过在防雷影响评估模型中设置风险级别下杆塔数量占比比对系数和综合风险评级,并在经计算杆塔数量占比完成时,对各杆塔数量占比和下一级风险级别的杆塔数量占比与比对系数的乘积进行比对,根据比对结果确定各风险级别下的杆塔的综合风险评级,提高了对输电线路杆塔的风险等级评估的精确度,进一步提高了输电线路的安全稳定性,从而进一步提高了输电线路的输电效率。
进一步地,通过获取气象数据中的年平均云量并计算年平均云量变化量总和和年平均云量变化量平均值,根据年平均云量变化量总和年平均云量变化量平均值的比值与预设云量变化量的比值的比对结果确定雷电地闪密度修正系数以对最新雷电地闪密度进行修正,根据修正后的雷电地闪密度重新计算各级风险下的杆塔数量占比,并在计算完成时,计算修正后的各级风险级别下的杆塔数量占比与初步确定各风险评级时的杆塔数量占比的变化量,根据该变化量与预设变化量的比对结果判定是否重新进行综合风险评级,提高了对输电线路杆塔的风险等级评估的精确度,进一步提高了输电线路的安全稳定性,从而进一步提高了输电线路的输电效率。
具体实施方式
为了使本发明的目的和优点更加清楚明白,下面结合实施例对本发明作进一步描述;应当理解,此处所描述的具体实施例仅仅用于解释本发明,并不用于限定本发明。
下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是,这些实施方式仅仅用于解释本发明的技术原理,并非在限制本发明的保护范围。
需要说明的是,在本发明的描述中,术语“上”、“下”、“左”、“右”、“内”、“外”等指示的方向或位置关系的术语是基于附图所示的方向或位置关系,这仅仅是为了便于描述,而不是指示或暗示所述装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
此外,还需要说明的是,在本发明的描述中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域技术人员而言,可根据具体情况理解上述术语在本发明中的具体含义。
请参阅图1所示,其为本发明所述基于线路点云防雷影响评估方法的流程图。
本发明所述一种基于线路点云防雷影响评估方法,包括:
步骤S1、获取待评估输电线路点云数据,并从点云数据中提取线路参数,根据提取的线路参数建立输电线路走廊数字高程模型;
步骤S2、获取待评估线路的雷电地闪密度和基础数据并建立雷电地闪密度模型;
步骤S3、将步骤S1中建立的所述数字高程模型和雷电地闪密度模型按照输电线路进行关联获得防雷影响评估模型;
在关联完成时,根据获得的防雷影响评估模型生成雷电地闪密度对应的风险级别ri,并设定ri中的i为0,1,2,3,4,其中,r0为无风险,r1为一级风险,r2为二级风险,r3为三级风险,r4为四级风险,当对输电线路进行防雷影响评估时,获取每级杆塔所处点位在数据库中的最新雷电地闪密度并建立最新雷电地闪密度数据集Li,并设定Li中的i为1,2,3,…,n,其中,L1为第一地闪密度,L2第二地闪密度,L3为第三地闪密度,Ln为第n地闪密度,各地闪密度按照顺序增加,在获取完成时,对每级杆塔所处点位的风险级别进行初步评估,在进行初步评估完成时,分别计算各风险级别下杆塔数量的实际占比,在计算完成时,对各风险级别下杆塔数量实际占比分别进行比对,并根据比对结果初步判定各风险级别下的杆塔的综合风险评级;
当初步判定对应的杆塔的综合风险评级完成时,通过获取历年气象监测数据中年平均云量C,并计算各年平均云量相对于上年的云量变化量,通过计算得到的云量变化量计算云量变化量总和ΔCz以及云量变化量平均值ΔCp,并计算该云量变化量总和ΔCz和云量变化量平均值ΔCp的比值Gb,根据该比值Gb选取对应的参数以预测被评估年限内各杆塔对应点位的雷电地闪密度,在预测完成时,计算各风险级别下杆塔数量预测占比,并将杆塔数量预测占比与杆塔数量实际占比进行比对且计算杆塔数量预测占比和杆塔数量实际占比的实际差值,并根据该差值与预设占比差值的比对结果判定是否需要重新评估对应杆塔的综合风险评级。
具体而言,通过获取输电线路点云数据并根据从该数据中提取的参数建立输电线路走廊数字高程模型以及获取输电线路的雷电地闪密度和基础数据并建立雷电地闪密度模型,将走廊数字高程模型和雷电地闪密度模型按照输电线路进行关联后获得防雷影响评估模型,通过该防雷影响评估模型生成输电线路的多个风险级别,当对进行输电线路风险评估时,通过获取每级杆塔的最新雷电地闪密度,并根据该最新雷电地闪密度确定各级杆塔的风险级别以及对应风险级别下的杆塔数量,并在确定对应风险级别下的杆塔数量完成时,计算各风险级别下杆塔数量占输电线路总杆塔数量的比值,在计算完成时,根据各风险级别下的杆塔数量的占比的比对结果确定各风险级别下的杆塔的综合风险评级,以对输电线路进行综合评估,根据评估结果确定对对应的杆塔采取对应的措施,让资源得到合理利用的同时提高了输电线路的安全稳定性,从而进一步提高了输电线路的输电效率。
本实施方式中,从点云数据中提取线路参数包括待评估线路杆塔上绝缘子长度、绝缘子使用时长、杆塔高度、输电线半径、各杆塔档距、输电线弧垂、输电线对地角度、避雷装置的参数、避雷线半径、避雷线弧垂等,所述基础数据包括输电线电压、输电线路年雷电地闪次数、输电线路年雷电地闪反击次数、输电线路年雷电地闪绕击次数等。
请继续参阅图1所示,本发明所述基于线路点云的防雷影响评估方法,当对单个杆塔的风险级别进行初步评估时,获取单个杆塔的最新雷电地闪密度Li,将该最新雷电地闪密度与预设雷电地闪密度进行比对并根据比对结果判定每级杆塔的风险级别,
其中,所述评估模型还设有第一预设雷电地闪密度La、第二预设雷电地闪密度Lb、第三预设雷电地闪密度Lc以及第四预设雷电地闪密度Ld,其中La<Lb<Lc<Ld,
当Li<La时,判定所述杆塔的风险级别为无风险级别r0;
当La≤Li<Lb时,判定所述杆塔的风险级别为一级风险级别r1;
当Lb≤Li<Lc时,判定所述杆塔的风险级别为二级风险级别r2;
当Lc≤Li<Ld时,判定所述杆塔的风险级别为三级风险级别r3;
当Li≥Ld时,判定所述杆塔的风险级别为四级风险级别r4。
请继续参阅图1所示,本发明所述基于线路点云的防雷影响评估方法,当确定每级杆塔对应的风险级别完成时,统计对应风险级别下所述杆塔数量,并计算对应风险级别下所述杆塔数量与输电线路总杆塔数量的占比,设定一级风险r1对应的杆塔数量为Ma,二级风险r2对应的杆塔数量为Mb,三级风险r3对应的杆塔数量为Mc,四级风险r4对应的杆塔数量为Md,杆塔总数量为N;
在统计完成时,计算各级风险对应的杆塔数量的实际占比,设定一级风险r1对应的杆塔数量Ma实际占比为Ba,二级风险r2对应的杆塔数量Mb实际占比为Bb,三级风险r3对应的杆塔数量Mc实际占比为Bc,四级风险r4对应的杆塔数量Md实际占比为Bd,其中,Ba=Ma/N,Bb=Mb/N,Bc=Mc/N,Bd=Md/N。
具体而言,通过从生成的防雷影响评估模型中提取对应的风险级别,并根据实际的最新雷电地闪密度确定输电线路的风险级别,并在确定完成时,计算各风险级别下的杆塔数量以及杆塔数量占比,提高了对输电线路杆塔的风险等级评估的精确度,进一步提高了输电线路的安全稳定性,从而进一步提高了输电线路的输电效率。
请继续参阅图1所示,本发明所述基于线路点云的防雷影响评估方法,当计算对应风险等级下的杆塔数量实际占比完成时,将各级风险对应的杆塔数量实际占比与对应的比对系数结合进行比对,并根据比对结果对对应杆塔进行防雷影响评估,
其中,所述比对系数包括一二级风险杆塔数量占比比对系数s1、二三级风险杆塔数量占比比对系数s2、三四级风险杆塔数量占比比对系数s3,其中,s1>s2>s3,当计算所述杆塔数量占比完成时,若其中一个级别风险re对应的杆塔数量占比最大,设定e=1,2,3,4,则将该风险级别下杆塔数量实际占比对应的下一级别风险对应的杆塔数量实际占比与对应的比对系数进行结合,在结合完成时,将该级别风险对应的杆塔数量实际占比与对应下一级别风险对应的杆塔数量实际占比结合比对系数后进行比对,根据比对结果判定对应的杆塔的综合风险评级。
具体而言,所述评估模型还设有第一综合风险评级Ra,第二综合风险评级Rb,第三综合风险评级Rc,第四综合风险评级Rd,其中,Ra<Rb<Rc<Rd,
当一级风险r1对应的杆塔数量实际占比Ba为最大时,二级风险r2对应的杆塔数量实际占比Bb次之,则选取一二级风险杆塔数量占比比对系数s1并计算二级风险r2对应的杆塔数量实际占比Bb与比对系数s1的乘积,在计算完成时,若Ba>Bb×s1,则判定一级风险r1下的杆塔的综合风险评级为第一综合风险评级Ra,若Ba≤Bb×s1,则判定一级风险r1下的杆塔的综合风险评级为第二综合风险评级Rb;
当二级风险r2对应的杆塔数量实际占比Bb为最大时,三级风险r3对应的杆塔数量实际占比Bc次之,则选取二三级风险杆塔数量占比比对系数s2并计算三级风险r3对应的杆塔数量实际占比Bc与比对系数s2的乘积,在计算完成时,若Bb>Bc×s2,则判定二级风险r2下的杆塔的综合风险评级为第二综合风险评级Rb,若Bb≤Bc×s2,则判定二级风险r2下的杆塔的综合风险评级为第三综合风险评级Rc;
当三级风险r3对应的杆塔数量实际占比Bc为最大时,四级风险r4对应的杆塔数量实际占比Bd次之,则选取三四级风险杆塔数量占比比对系数s3并计算四级风险r4对应的杆塔数量实际占比Bd与比对系数s3的乘积,在计算完成时,若Bc>Bd×s3,则判定三级风险r3下的杆塔的综合风险评级为第三综合风险评级R3,若Bc≤Bd×s3,则判定三级风险r3下的杆塔的综合风险评级为第四综合风险评级Rd;
当四级风险r4对应的杆塔数量实际占比Bd为最大时,则判定四级风险r4下的杆塔的综合风险评级为第四综合风险评级Rd。
具体而言,通过在防雷影响评估模型中设置风险级别下杆塔数量占比比对系数和综合风险评级,并在经计算杆塔数量占比完成时,对各杆塔数量占比和下一级风险级别的杆塔数量占比与比对系数的乘积进行比对,根据比对结果确定各风险级别下的杆塔的综合风险评级,提高了对输电线路杆塔的风险等级评估的精确度,进一步提高了输电线路的安全稳定性,从而进一步提高了输电线路的输电效率。
请继续参阅图1所示,本发明所述基于线路点云的防雷影响评估方法,当初步判定所述杆塔的综合风险评级完成时,获取气象数据库中的历年气象监测数据中的年平均云量C,并计算各年平均云量的变化量ΔC和年平均云量变化量总和ΔCz和年平均云量变化量平均值ΔCp,在计算完成时,将该年平均云量变化量总和ΔCz和年平均云量变化量平均值ΔCp进行比对并计算年平均云量变化量平均值ΔCp和年平均云量变化量总和ΔCz的比值Q,并将该比值与预设年平均云量变化量比值进行比对,根据比对结果选取对应的雷电地闪密度修正系数对所述最新雷电地闪密度Li进行修正,在修正完成时,重新计算各风险级别对应的杆塔数量占比。
具体而言,所述模型中还设有第一预设云量变化量比值Q1、第二预设云量变化量比值Q2、第三预设云量变化量比值Q3、第一地闪密度修正系数x1、第二地闪密度修正系数X2、第三地闪密度修正系数x3以及第四地闪密度修正系数x4,其中,Q1<Q2<Q3,1<x1<x2<x3<x4<2,
当Q≤Q1时,选取第一地闪密度修正系数x1对最新雷电地闪密度Li进行修正;
当Q1<Q≤Q2时,选取第二地闪密度修正系数x2对最新雷电地闪密度Li进行修正;
当Q2<Q≤Q3时,选取第三地闪密度修正系数x3对最新雷电地闪密度Li进行修正;
当Q>Q3时,选取第四地闪密度修正系数x4对最新雷电地闪密度Li进行修正;
当选取第u地闪密度修正系数xu对最新雷电地闪密度Li进行修正时,设定u=1,2,3,4,将修正后的雷电地闪密度设置为Li',设定Li'=Li×xu。
请继续参阅图1所示,本发明所述基于线路点云的防雷影响评估方法,当对雷电地闪密度修正完成时,重新计算各风险级别下杆塔数量实际占比,设定一级风险r1对应的杆塔数量为Ma',二级风险r2对应的杆塔数量为Mb',三级风险r3对应的杆塔数量为Mc',四级风险r4对应的杆塔数量为Md',一级风险r1对应的杆塔数量占比为Ba',二级风险r2对应的杆塔数量占比为Bb',三级风险r3对应的杆塔数量占比为Bc',四级风险r4对应的杆塔数量占比为Bd'其中,Ba'=Ma'/N,Bb'=Mb'/N,Bc'=Mc'/N,Bd'=Md'/N;
在计算完成时,将修正后的各风险级别的杆塔数量预测占比与重新计算的各风险级别的杆塔数量占比进行比对并计算杆塔数量实际占比差值,设定ΔBa=|Ba'-Ba|,ΔBb=|Bb'-Bb|,ΔBc=|Bc'-Bc|,ΔBd=|Bd'-Bd|,在计算完成时,将各实际占比差值与各预设占比差值进行比对,并根据比对结果判定是否需要对各杆塔的综合风险评级重新进行判定,
其中,所述评估模型中还设有预设一级风险的杆塔数量占比差值ΔBa0、预设二级风险的杆塔数量占比差值ΔBb0、三级风险的杆塔数量占比差值ΔBc0以及四级风险的杆塔数量占比差值ΔBd0,
若ΔBa≤ΔBa0,则不对一级风险r1下各杆塔的综合风险评级重新进行判定,若ΔBa>ΔBa0,则对一级风险r1下各杆塔的综合风险评级重新进行判定;
若ΔBb≤ΔBb0,则不对二级风险r2下各杆塔的综合风险评级重新进行判定,若ΔBb>ΔBb0,则对二级风险r2下各杆塔的综合风险评级重新进行判定;
若ΔBc≤ΔBc0,则不对三级风险r3下各杆塔的综合风险评级重新进行判定,若ΔBc>ΔBc0,则对三级风险r3下各杆塔的综合风险评级重新进行判定;
若ΔBd≤ΔBd0,则不对四级风险r4下各杆塔的综合风险评级重新进行判定,若ΔBd>ΔBd0,则对四级风险r4下各杆塔的综合风险评级重新进行判定。
具体而言,通过获取气象数据中的年平均云量并计算年平均云量变化量总和和年平均云量变化量平均值,根据年平均云量变化量总和年平均云量变化量平均值的比值与预设云量变化量的比值的比对结果确定雷电地闪密度修正系数以对最新雷电地闪密度进行修正,根据修正后的雷电地闪密度重新计算各级风险下的杆塔数量占比,并在计算完成时,计算修正后的各级风险级别下的杆塔数量占比与初步确定各风险评级时的杆塔数量占比的变化量,根据该变化量与预设变化量的比对结果判定是否重新进行综合风险评级,提高了对输电线路杆塔的风险等级评估的精确度,进一步提高了输电线路的安全稳定性,从而进一步提高了输电线路的输电效率。
至此,已经结合附图所示的优选实施方式描述了本发明的技术方案,但是,本领域技术人员容易理解的是,本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下,本领域技术人员可以对相关技术特征做出等同的更改或替换,这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
以上所述仅为本发明的优选实施例,并不用于限制本发明;对于本领域的技术人员来说,本发明可以有各种更改和变化。 凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。