CN113536568B - 基于输电线路舞动关键影响因素的舞动预测方法及系统 - Google Patents

基于输电线路舞动关键影响因素的舞动预测方法及系统 Download PDF

Info

Publication number
CN113536568B
CN113536568B CN202110802793.9A CN202110802793A CN113536568B CN 113536568 B CN113536568 B CN 113536568B CN 202110802793 A CN202110802793 A CN 202110802793A CN 113536568 B CN113536568 B CN 113536568B
Authority
CN
China
Prior art keywords
galloping
factors
day
key
condition
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.)
Active
Application number
CN202110802793.9A
Other languages
English (en)
Other versions
CN113536568A (zh
Inventor
李丽
冯涛
郭俊
蔡泽林
徐勋建
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.)
State Grid Corp of China SGCC
State Grid Hunan Electric Power Co Ltd
Disaster Prevention and Mitigation Center of State Grid Hunan Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
State Grid Hunan Electric Power Co Ltd
Disaster Prevention and Mitigation Center of State Grid Hunan 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 State Grid Corp of China SGCC, State Grid Hunan Electric Power Co Ltd, Disaster Prevention and Mitigation Center of State Grid Hunan Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN202110802793.9A priority Critical patent/CN113536568B/zh
Publication of CN113536568A publication Critical patent/CN113536568A/zh
Application granted granted Critical
Publication of CN113536568B publication Critical patent/CN113536568B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/04—Power grid distribution networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于南北方输电线路舞动关键影响因素敏感性分析的舞动预测方法及系统，该方法包括步骤：收集历史时间段内发生的北方地区和南方地区的典型舞动事件信息以及气象台站逐小时气象观测数据，提取舞动事件发生时的降水、温度、湿度和风场数据；分别统计北方地区和南方地区满足上述发生舞动四个气象因素中任一因素、任二因素、任三因素和四个因素的日数；确定制约舞动出现的一个或二个以上的最关键因素；根据得到最关键因素，进行基于人工气候室的舞动覆冰条件敏感性分析；通过舞动仿真平台，分析导线舞动幅值对风场因素的变化响应；进行基于南北方输电线路舞动关键制约因素的舞动预测。本发明可以有效提高舞动预报准确度。

Description

基于输电线路舞动关键影响因素的舞动预测方法及系统
技术领域
本发明涉及电网防护技术领域，尤其涉及一种基于南北方输电线路舞动关键影响因素敏感性分析的舞动预测方法及系统。
背景技术
输电线路舞动是电网冬季常见的灾害之一，舞动时线路会出现自激的、上下或椭圆形状的大幅度振荡，容易造成线路跳闸、绝缘子和金具受损甚至杆塔倒塔。舞动的发生与地形，近地面温度、降水、湿度、风场及线路结构有密切关系，起舞机理复杂，准确预测难度大，容易出现误报或漏报，不利于舞动灾害防治。
我国中东部地区轻冰舞动范围南北跨度巨大，北起黑龙江、南至湖南都有舞动记录。南北地区纬度位置的巨大差异，导致基础天气气候条件差异巨大，造成舞动发生的关键因素在南北地区出现情况具有显著差异，不同地区制约舞动发生的关键因素不同，通过开展南北方输电线路舞动关键影响因素敏感性分析，可以确定南北地区不同的输电线路舞动发生关键制约要素，在舞动预测时，重点分析关键制约要素的情况，对提升舞动预测准确度有重要意义。
发明内容
本发明提供了一种基于南北方输电线路舞动关键影响因素敏感性分析的舞动预测方法及系统，用以解决因南北方基础天气气候条件差异巨大，而产生天气数值预测误差导致的舞动预测误差的技术问题。
为解决上述技术问题，本发明提出的技术方案为：
一种基于南北方输电线路舞动关键影响因素敏感性分析的舞动预测方法，包括以下步骤：
收集历史时间段内发生的中国中东部北方地区和南方地区的典型舞动事件信息，收集对应历史时间段内的全国范围的气象台站逐小时气象观测数据，提取舞动事件发生时的降水、温度、湿度和风场数据，以降水/温度/湿度/垂直导线风速的最小值Xmin和最大值Xmax为满足舞动发生条件阈值；
统计对应历史时间段内每年冬半年时段的逐小时降水、温度、湿度和风场条件，分别统计北方地区和南方地区满足上述发生舞动四个气象因素中任一因素、任二因素、任三因素和四个因素的日数，分别建立四个数组；根据四个数组中某一个或二个以上因素的数值与其他因素的数值相比，确定制约舞动出现的一个或二个以上的最关键因素；
根据得到的南北方输电线路中制约舞动出现的一个或二个以上的最关键因素，进行基于人工气候室的舞动覆冰条件敏感性分析，分析导线不均匀覆冰对关键制约因素的变化响应；得出产生不均匀覆冰的关键制约因素的上限条件Xtop和下限条件Xdown，以及该制约条件的容错区间；通过舞动仿真平台，分析导线舞动幅值对风场因素的变化响应；得出发生自激舞动的Xtop和下限条件Xdown，以及该制约条件的容错区间；
开展天气条件数值预测，根据天气条件数值预测结果进行基于南北方输电线路舞动关键制约因素的舞动预测。
优选地，典型舞动事件信息包括：舞动时间，发生舞动的线路杆塔结构信息和位置信息、至少包括舞动跳闸的灾害损失信息、舞动现场覆冰、以及舞动照片；
逐小时气象观测数据，包括逐小时的降水、温度、湿度、平均风风速风向、阵风风速风向和天气现象。
优选地，根据四个数组中某一个或多个因素的数值与其他因素的数值相比，确定制约舞动出现的最关键因素；包括以下确定方式：
四个数组为A1(Day_P,Day_T,Day_S,Day_W),A2(Day_PT,Day_PS,Day_PW,Day_TS,Day_TW,Day_SW),A3(Day_PTS,Day_PTW,Day_PSW,Day_TSW)，A4(Day_PTSW)；其中， Day_P表征满足降水条件的日数，Day_T表征满足温度条件的日数，Day_S表征满足湿度条件的日数，Day_W表征满足风场条件的日数；Day_PT表征满足降水和温度条件的日数，其他类推；
如果在北方地区或南方地区，数组A1中代表某因素的数值比其他三个数值小很多，则认为这个因素是制约舞动出现的最关键因素；
如果在北方地区或南方地区，数组A1中，其中两个代表某因素的数值比其他两个数值小很多，且数组A2的6个数值中，代表这两个因素组合的数值比其他数值小很多，则认为这两个因素是制约舞动出现的最关键因素；
如果在北方地区或南方地区，数组A1中4个数值接近，但数组A2的6个数值中，代表某两个因素组合的数值比其他数值小很多，则认为这两个因素的配合是制约舞动出现的最关键因素。
优选地，进行基于人工气候室的舞动覆冰条件敏感性分析，包括步骤：
在人工气候室开展至少五组试验，至少五组试验中除关键制约因素外的其他因素条件不变，关键制约因素设置值为:
Figure BDA0003165338140000021
Figure BDA0003165338140000022
若制约因素为降水/风速/湿度，则降水/风速/ 湿度因素最小值为0；
通过至少五组试验中导线不均匀覆冰情况，分析导线不均匀覆冰对关键制约因素变化的敏感性，得出产生不均匀覆冰的关键制约因素的上限条件Xtop和下限条件Xdown，Xdown 到Xmin、Xmax到Xtop的范围就是该制约条件的容错区间。
优选地，分析导线舞动幅值对风场因素的变化响应，包括步骤：
在舞动仿真平台开展至少五组仿真试验，至少五组试验中不均匀覆冰形状条件不变，垂直于导线的风速设置为：
Figure BDA0003165338140000031
Figure BDA0003165338140000032
通过至少五组试验中导线舞动幅值情况，分析导线舞动对风场因素变化的敏感性，得出发生自激舞动的Xtop和下限条件Xdown，Xdown到Xmin、Xmax到Xtop的范围就是该制约条件的容错区间。
优选地，根据天气条件数值预测结果进行基于南北方输电线路舞动关键制约因素的舞动预测，包括以下情形：
如果包含关键制约因素的所有条件都满足舞动条件，预测将发生大范围舞动；
如果其他因素都满足，关键制约因素虽然不满足舞动条件，但处于容错区间，存在发生舞动的风险，重点关注微地形区域舞动；
如果其他因素都满足，关键制约因素既不满足舞动条件，又不处于容错区间，预测难以发生舞动。
本发明还提供一种计算机系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述任一方法的步骤。
本发明具有以下有益效果：
本发明的基于南北方输电线路舞动关键影响因素敏感性分析的舞动预测方法及系统，通过分析舞动发生与对关键制约因素的敏感性特性，避免因天气数值预测误差导致的舞动预测误差，可以有效提高舞动预报准确度，该方法思路清晰，实用性强，准确率高。
除了上面所描述的目的、特征和优点之外，本发明还有其它的目的、特征和优点。下面将参照附图，对本发明作进一步详细的说明。
附图说明
构成本申请的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是本发明优选实施例1的基于南北方输电线路舞动关键影响因素敏感性分析的舞动预测方法的流程示意图；
图2是本发明优选实施例2的平均每年满足任一条件的天数的示意图；
图3是本发明优选实施例2的平均每年满足任二条件的天数的示意图；
图4是本发明优选实施例2的平均每年满足任三条件的天数的示意图；
图5是本发明优选实施例1和实施例2中的产生不均匀覆冰或导线舞动对关键因素的上限条件Xtop和下限条件Xdown，以及该制约条件的容错区间的示意图。
具体实施方式
以下结合附图对本发明的实施例进行详细说明，但是本发明可以由权利要求限定和覆盖的多种不同方式实施。
实施例1：
参见图1，本发明的基于南北方输电线路舞动关键影响因素敏感性分析的舞动预测方法，包括以下步骤：
(1)舞动事件关键影响因素提取。
收集近10年我国中东部北方地区(例如辽宁、山东、河北、天津、山西)和南方地区(例如湖北、湖南、江西、安徽)的典型舞动事件，包括舞动时间，发生舞动的线路杆塔结构信息和位置信息，舞动跳闸等灾害损失信息，舞动现场覆冰、舞动照片等。
收集近10年全国气象台站逐小时观测数据。根据典型舞动事件过程中当地气象部门气象台站逐小时降水、温度、湿度、平均风风速风向、阵风风速风向、天气现象等观测信息，提取舞动事件发生时的降水(P)、温度(T)、湿度(S)和风场(W)数据，以降水/温度/湿度/垂直导线风速最小值Xmin和最大值Xmax为满足舞动发生条件阈值。
(2)南北方舞动发生关键制约因素分析。
统计近10年每年冬半年(10月-3月)时段的逐小时降水(P)、温度(T)、湿度(S)和风场(W)条件，分别统计北方地区和南方地区满足上述发生舞动四个气象因素中任一因素、任二因素、任三因素和四个因素的日数，分别建立四个数组：A1(Day_P,Day_T,Day_S, Day_W),A2(Day_PT,Day_PS,Day_PW,Day_TS,Day_TW,Day_SW),A3(Day_PTS,Day_PTW, Day_PSW,Day_TSW)，A4(Day_PTSW)；其中，Day_P表征满足降水条件的日数，Day_PT 表征满足降水和温度条件的日数，其他意义类似。
如果在北方地区(或南方地区)，数组A1中代表某因素的数值比其他三个数值小很多，则认为这个因素是制约舞动出现的最关键因素。
如果在北方地区(或南方地区)，数组A1中，其中两个代表某因素的数值比其他两个数值小很多，且数组A2的6个数值中，代表这两个因素组合的数值比其他数值小很多，则认为这两个因素是制约舞动出现的最关键因素。
如果在北方地区(或南方地区)，数组A1中4个数值接近，但数组A2的6个数值中，代表某两个因素组合的数值比其他数值小很多，则认为这两个因素的配合是制约舞动出现的最关键因素。
(3)基于人工气候室的舞动覆冰条件敏感性分析。
根据确定的南北方输电线路舞动关键制约因素，开展关键制约因素的敏感性分析。
不均匀覆冰是舞动发生的前提，通过人工气候室试验，分析导线不均匀覆冰对关键制约因素的变化响应。
在人工气候室开展五组试验，五组试验中除关键制约因素外的其他因素条件不变，关键制约因素设置值为:
Figure BDA0003165338140000051
Figure BDA0003165338140000052
若制约因素为降水/风速/湿度，则降水/风速/ 湿度因素最小值为0。
通过五组试验中导线不均匀覆冰情况，分析导线不均匀覆冰对关键制约因素变化的敏感性，得出产生不均匀覆冰的关键制约因素的上限条件Xtop和下限条件Xdown，Xdown到Xmin、 Xmax到Xtop的范围就是该制约条件的容错区间。
如果开展更多组试验，每组试验中关键制约因素值的差距更小，得到的容错区间更精确。
(4)基于仿真平台的舞动风场条件敏感性分析。
风激励是舞动发生的动力条件，通过舞动仿真平台，分析导线舞动幅值对风场因素的变化响应。
在舞动仿真平台开展五组仿真试验，五组试验中不均匀覆冰形状条件不变，垂直于导线的风速设置为：
Figure BDA0003165338140000053
Figure BDA0003165338140000054
通过五组试验中导线舞动幅值情况，分析导线舞动对风场因素变化的敏感性，得出发生自激舞动的Xtop和下限条件Xdown，Xdown到Xmin、 Xmax到Xtop的范围就是该制约条件的容错区间。
同样的，如果开展更多组试验，每组试验中关键制约因素值的差距更小，得到的容错区间更精确。
(5)基于南北方输电线路舞动关键制约因素的舞动预测。
开展天气条件数值预测，如果包含关键制约因素的所有条件都满足舞动条件，预测将发生大范围舞动；
如果其他因素都满足，关键制约因素虽然不满足舞动条件，但处于容错区间，存在发生舞动的风险，重点关注微地形区域舞动；
如果其他因素都满足，关键制约因素既不满足舞动条件，又不处于容错区间，预测难以发生舞动。
实施例2：
一种基于南北方输电线路舞动关键影响因素敏感性分析的舞动预测方法，包括以下步骤：
(1)舞动事件关键影响因素提取
收集近10年我国中东部北方地区和南方地区的典型舞动事件，分别是2015年1月湖北舞动和2018年1月湖北安徽舞动；2015年11月辽宁、冀北舞动和2020年2月环渤海舞动。收集舞动发生时间、发生舞动的线路杆塔结构信息和位置信息，舞动跳闸等灾害损失信息，舞动现场覆冰、舞动照片等现场信息。
收集近2011-2020年全国气象台站逐小时观测数据。根据典型舞动事件过程中当地气象部门气象台站逐小时降水、温度、湿度、平均风风速风向、阵风风速风向、天气现象等观测信息，提取舞动事件发生时的降水(P)、温度(T)、湿度(S)和风场(W)数据，以降水/ 温度/湿度/垂直导线风速最小值Xmin和最大值Xmax为满足舞动发生条件阈值。
Figure BDA0003165338140000061
(2)南北方舞动发生关键制约因素分析
统计近10年每年冬半年(10月-3月)时段的逐小时降水(P)、温度(T)、湿度(S)和风场(W)条件，分别统计北方地区和南方地区满足上述发生舞动四个气象因素中任一因素(参见图2)、任二因素(参见图3)、任三因素(参见图4)和四个因素的日数，分别建立四个数组：A1(Day_P,Day_T,Day_S,Day_W)，
A2(Day_PT,Day_PS,Day_PW,Day_TS,Day_TW,Day_SW)，
A3(Day_PTS,Day_PTW,Day_PSW,Day_TSW)，A4(Day_PTSW)；
其中，Day_P表征满足降水条件的日数，其他意义类似。在一天中，如果有任一小时满足舞动条件，就认为当天满足舞动条件。
北方地区，数组A1中，满足降水和湿度条件的日数比另外两个小，且数值A2中。同时满足降水和湿度条件的日数最少，认为湿度和降水是北方地区制约舞动出现的关键因素。但考虑到湿度和降水有一定相关性，一般发生降水时湿度都比较大，因此认为降水是北方地区制约舞动出现的关键因素，
南方地区，满足温度和风速条件的日数比另外两个小，且数值A2中。同时满足温度和风速条件的日数最少，认为温度和风速是南方地区制约舞动出现的关键因素。
(3)基于人工气候室的舞动覆冰条件敏感性分析
不均匀覆冰是舞动发生的前提，通过人工气候室试验，分别分析导线不均匀覆冰对降水、温度因素的变化响应。
1)分析导线不均匀覆冰对降水因素的变化响应。
在人工气候室开展五组试验，五组试验中，温度设定为-3摄氏度、湿度设定为95％，风速设定为7米/秒，降水分别设定为0毫米/小时，0.1毫米/小时，5毫米/小时，12.5毫米/小时和15毫米/小时。
通过五组试验中导线不均匀覆冰情况，分析导线不均匀覆冰对降水量变化的敏感性，得出产生不均匀覆冰的关键制约因素的上限条件Xtop和下限条件Xdown，Xdown到Xmin、Xmax到Xtop的范围就是该制约条件的容错区间(参见图5)。
如果开展更多组试验，每组试验中关键制约因素值的差距更小，得到的容错区间更精确。
2)分析导线不均匀覆冰对温度因素的变化响应
在人工气候室开展五组试验，五组试验中，降水设定为3毫米/小时、湿度设定为95％，风速设定为7米/秒，温度分别设定为-9.5摄氏度，-7.8摄氏度，-2.5摄氏度，2.8摄氏度和4.5 摄氏度。
通过五组试验中导线不均匀覆冰情况，分析导线不均匀覆冰对温度变化的敏感性，得出产生不均匀覆冰的关键制约因素的上限条件Xtop和下限条件Xdown，Xdown到Xmin、Xmax 到Xtop的范围就是该制约条件的容错区间(参见图5)。
如果开展更多组试验，每组试验中关键制约因素值的差距更小，得到的容错区间更精确。
(4)基于仿真平台的舞动风场条件敏感性分析
风激励是舞动发生的动力条件，通过舞动仿真平台，分析导线舞动幅值对风场因素的变化响应。
在舞动仿真平台开展五组仿真试验，五组试验中导线覆冰形状设定为D形覆冰，最大覆冰厚度5mm，垂直于导线的风速设置为0.5米/秒，3.2米/秒，8.5米/秒，13.8米/秒和15.5米 /秒,通过五组试验中导线舞动幅值情况，分析导线舞动对风场因素变化的敏感性，得出发生自激舞动的Xtop和下限条件Xdown，Xdown到Xmin、Xmax到Xtop的范围就是该制约条件的容错区间(参见图5)。
同样的，如果开展更多组试验，每组试验中关键制约因素值的差距更小，得到的容错区间更精确。
(5)基于南北方输电线路舞动关键制约因素的舞动预测
开展天气条件数值预测，如果包含关键制约因素的所有条件都满足舞动条件，预测将发生大范围舞动；
如果其他因素都满足，关键制约因素虽然不满足舞动条件，但处于容错区间，存在发生舞动的风险，重点关注微地形区域舞动；
如果其他因素都满足，关键制约因素既不满足舞动条件，又不处于容错区间，预测难以发生舞动。
综上可知，本发明通过分析舞动发生与对关键制约因素的敏感性特性，避免因天气数值预测误差导致的舞动预测误差。提出一种基于南北方输电线路舞动关键影响因素敏感性分析的舞动预测方法，通过开展南北方输电线路舞动关键影响因素敏感性分析，可以确定南北地区不同的输电线路舞动发生关键制约要素，在舞动预测时，重点分析关键制约要素的情况，可以有效提高舞动预报准确度，对提升舞动预测准确度有重要意义。
以上所述仅为本发明的优选实施例而已，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。

Claims (5)

1.一种基于南北方输电线路舞动关键影响因素敏感性分析的舞动预测方法，其特征在于，包括以下步骤：
收集历史时间段内发生的中国中东部北方地区和南方地区的典型舞动事件信息，收集对应历史时间段内的全国范围的气象台站逐小时气象观测数据，提取舞动事件发生时的降水、温度、湿度和风场数据，以降水/温度/湿度/垂直导线风速的最小值Xmin和最大值Xmax为满足舞动发生条件阈值；
统计对应历史时间段内每年冬半年时段的逐小时降水、温度、湿度和风场条件，分别统计北方地区和南方地区满足上述发生舞动四个气象因素中任一因素、任二因素、任三因素和四个因素的日数，分别建立四个数组；根据四个数组中某一个或二个以上因素的数值与其他因素的数值相比，确定制约舞动出现的一个或二个以上的最关键因素；
根据得到的南北方输电线路中制约舞动出现的一个或二个以上的最关键因素；进行基于人工气候室的舞动覆冰条件敏感性分析，分析导线不均匀覆冰对关键制约因素的变化响应；得出产生不均匀覆冰的关键制约因素的上限条件Xtop和下限条件Xdown，以及该制约条件的容错区间；通过舞动仿真平台分析导线舞动幅值对风场因素的变化响应；得出发生自激舞动的Xtop和下限条件Xdown，以及该制约条件的容错区间；
所述进行基于人工气候室的舞动覆冰条件敏感性分析，包括步骤：
在人工气候室开展至少五组试验，至少五组试验中除关键制约因素外的其他因素条件不变，关键制约因素设置值为:
Figure FDA0003636231790000011
Figure FDA0003636231790000012
若制约因素为降水/风速/湿度，则降水/风速/湿度因素最小值为0；
通过至少五组试验中导线不均匀覆冰情况，分析导线不均匀覆冰对关键制约因素变化的敏感性，得出产生不均匀覆冰的关键制约因素的上限条件Xtop和下限条件Xdown，Xdown到Xmin、Xmax到Xtop的范围就是该制约条件的容错区间；
所述分析导线舞动幅值对风场因素的变化响应，包括步骤：
在舞动仿真平台开展至少五组仿真试验，至少五组试验中不均匀覆冰形状条件不变，垂直于导线的风速设置为：
Figure FDA0003636231790000013
Figure FDA0003636231790000014
通过至少五组试验中导线舞动幅值情况，分析导线舞动对风场因素变化的敏感性，得出发生自激舞动的Xtop和下限条件Xdown，Xdown到Xmin、Xmax到Xtop的范围就是该制约条件的容错区间；
开展天气条件数值预测，根据天气条件数值预测结果进行基于南北方输电线路舞动关键制约因素的舞动预测。
2.根据权利要求1所述的基于南北方输电线路舞动关键影响因素敏感性分析的舞动预测方法，其特征在于，所述典型舞动事件信息包括：舞动时间，发生舞动的线路杆塔结构信息和位置信息、舞动跳闸的灾害损失信息、舞动现场覆冰、以及舞动照片；
所述逐小时气象观测数据，包括逐小时的降水、温度、湿度、平均风风速风向、阵风风速风向和天气现象。
3.根据权利要求1所述的基于南北方输电线路舞动关键影响因素敏感性分析的舞动预测方法，其特征在于，所述根据四个数组中某一个或多个因素的数值与其他因素的数值相比，确定制约舞动出现的最关键因素；包括以下确定方式：
四个数组为A1(Day_P,Day_T,Day_S,Day_W)，A2(Day_PT,Day_PS,Day_PW,Day_TS,Day_TW,Day_SW)，A3(Day_PTS,Day_PTW,Day_PSW,Day_TSW)，A4(Day_PTSW)；其中，Day_P表征满足降水条件的日数，Day_T表征满足温度条件的日数，Day_S表征满足湿度条件的日数，Day_W表征满足风场条件的日数；Day_PT表征满足降水和温度条件的日数，其他类推；
如果在北方地区或南方地区，数组A1中代表某因素的数值比其他三个数值小很多，则认为这个因素是制约舞动出现的最关键因素；
如果在北方地区或南方地区，数组A1中，其中两个代表某因素的数值比其他两个数值小很多，且数组A2的6个数值中，代表这两个因素组合的数值比其他数值小很多，则认为这两个因素是制约舞动出现的最关键因素；
如果在北方地区或南方地区，数组A1中4个数值接近，但数组A2的6个数值中，代表某两个因素组合的数值比其他数值小很多，则认为这两个因素的配合是制约舞动出现的最关键因素。
4.根据权利要求1所述的基于南北方输电线路舞动关键影响因素敏感性分析的舞动预测方法，其特征在于，所述根据天气条件数值预测结果进行基于南北方输电线路舞动关键制约因素的舞动预测，包括以下情形：
如果包含关键制约因素的所有条件都满足舞动条件，预测将发生大范围舞动；
如果其他因素都满足，关键制约因素虽然不满足舞动条件，但处于容错区间，存在发生舞动的风险，重点关注微地形区域舞动；
如果其他因素都满足，关键制约因素既不满足舞动条件，又不处于容错区间，预测难以发生舞动。
5.一种计算机系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述权利要求1至4任一所述方法的步骤。
CN202110802793.9A 2021-07-15 2021-07-15 基于输电线路舞动关键影响因素的舞动预测方法及系统 Active CN113536568B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110802793.9A CN113536568B (zh) 2021-07-15 2021-07-15 基于输电线路舞动关键影响因素的舞动预测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110802793.9A CN113536568B (zh) 2021-07-15 2021-07-15 基于输电线路舞动关键影响因素的舞动预测方法及系统

Publications (2)

Publication Number Publication Date
CN113536568A CN113536568A (zh) 2021-10-22
CN113536568B true CN113536568B (zh) 2022-06-24

Family

ID=78099589

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110802793.9A Active CN113536568B (zh) 2021-07-15 2021-07-15 基于输电线路舞动关键影响因素的舞动预测方法及系统

Country Status (1)

Country Link
CN (1) CN113536568B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH08182166A (ja) * 1994-07-08 1996-07-12 Fujikura Ltd 架空送電線のギャロッピング防止方法
WO2016033883A1 (zh) * 2014-09-04 2016-03-10 国家电网公司 一种基于Adaboost的输电线舞动风险预警方法
CN107436162A (zh) * 2017-07-31 2017-12-05 国网湖南省电力公司 一种电网线路舞动发生预测方法和系统
CN107464024A (zh) * 2017-08-17 2017-12-12 国网湖南省电力公司 基于覆冰形状试验的架空输电线路舞动预测方法及系统
CN107506856A (zh) * 2017-08-04 2017-12-22 国网湖南省电力公司 基于风场预测的输电线路舞动形势判别方法及系统
CN109636010A (zh) * 2018-11-23 2019-04-16 国网湖北省电力有限公司 基于相关因素矩阵的省级电网短期负荷预测方法及系统
CN110956333A (zh) * 2019-12-09 2020-04-03 国网湖南省电力有限公司 基于气候动力降尺度的电网舞动长期预测方法及系统
CN112365057A (zh) * 2020-11-12 2021-02-12 国网湖南省电力有限公司 区域性输电线舞动事件模型构建方法、舞动事件预测方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH08182166A (ja) * 1994-07-08 1996-07-12 Fujikura Ltd 架空送電線のギャロッピング防止方法
WO2016033883A1 (zh) * 2014-09-04 2016-03-10 国家电网公司 一种基于Adaboost的输电线舞动风险预警方法
CN107436162A (zh) * 2017-07-31 2017-12-05 国网湖南省电力公司 一种电网线路舞动发生预测方法和系统
CN107506856A (zh) * 2017-08-04 2017-12-22 国网湖南省电力公司 基于风场预测的输电线路舞动形势判别方法及系统
CN107464024A (zh) * 2017-08-17 2017-12-12 国网湖南省电力公司 基于覆冰形状试验的架空输电线路舞动预测方法及系统
CN109636010A (zh) * 2018-11-23 2019-04-16 国网湖北省电力有限公司 基于相关因素矩阵的省级电网短期负荷预测方法及系统
CN110956333A (zh) * 2019-12-09 2020-04-03 国网湖南省电力有限公司 基于气候动力降尺度的电网舞动长期预测方法及系统
CN112365057A (zh) * 2020-11-12 2021-02-12 国网湖南省电力有限公司 区域性输电线舞动事件模型构建方法、舞动事件预测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Parameter Study on Galloping of Iced Bundled;Jing Hu, Bo Yan, Song Zhou, Hongyan Zhang, Hao Li, Changsheng Mi;《IEEE》;20101231;全文 *
河南电网舞动区域划分及舞动分布图绘制研究;宋伟等;《电力学报》;20131025(第05期);全文 *

Also Published As

Publication number Publication date
CN113536568A (zh) 2021-10-22

Similar Documents

Publication Publication Date Title
Allen et al. A severe thunderstorm climatology for Australia and associated thunderstorm environments
Huffines et al. Lightning ground flash density and thunderstorm duration in the continental United States: 1989–96
Rasmussen et al. Orogenic convection in subtropical South America as seen by the TRMM satellite
Weingartner et al. Floods in mountain areas—an overview based on examples from Switzerland
Kyselý et al. Comparison of regional and at‐site approaches to modelling probabilities of heavy precipitation
Mandement et al. Contribution of personal weather stations to the observation of deep-convection features near the ground
Chardon et al. Spatial similarity and transferability of analog dates for precipitation downscaling over France
Small et al. Changes in surface air temperature caused by desiccation of the Aral Sea
Smith et al. Sensitivity of orographic precipitation enhancement to horizontal resolution in the operational Met Office Weather forecasts
Stelten et al. Pristine nocturnal convective initiation: A climatology and preliminary examination of predictability
Chavan et al. Probable maximum precipitation estimation for catchments in Mahanadi river basin
Takemi et al. Assessing the impacts of global warming on meteorological hazards and risks in Japan: Philosophy and achievements of the SOUSEI program
Paixao et al. Regionalization of heavy rainfall to improve climatic design values for infrastructure: case study in Southern Ontario, Canada
Zhu et al. Predictability and skill of convection-permitting ensemble forecast systems in predicting the record-breaking “21· 7” extreme rainfall event in Henan Province, China
Athukorala et al. Evaluating the performance of a WRF physics ensemble in simulating rainfall over Lao PDR during wet and dry seasons
CN113536568B (zh) 基于输电线路舞动关键影响因素的舞动预测方法及系统
López et al. CAPE values and hailstorms on northwestern Spain
CN115639979B (zh) 基于随机森林回归模型的高分辨率spei数据集开发方法
JP2021076565A (ja) 低（中）解像度モデルによる降雨予測値の内挿（補間）値及び高解像度モデルの降雨予測値（内挿値含む）波形の相関に基づくダム流域に於ける数時間先の高精度な降雨予測値を得る方法（メソッド）
Kyselý et al. Return periods of the August 2010 heavy precipitation in northern Bohemia (Czech Republic) in the present climate and under climate change
Magnusson et al. Verification of extreme weather events: Discrete predictands
Yesubabu et al. Impact of variational assimilation technique on simulation of a heavy rainfall event over Pune, India
Churiulin et al. Research of opportunities of combined use of the runoff formation ECOMAG model and mesoscale atmosphere circulation COSMO-Ru model (on the example of floods on the Sukhona River at the Velikiy Ustyug)
Rodda et al. A digital archive of extreme rainfalls in the British Isles from 1866 to 1968 based on British Rainfall
Ojha Identification of homogeneous regions of near surface air temperature lapse rates across India

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
GR01 Patent grant
GR01 Patent grant