CN113656743A - 基于气象大数据的建筑年预计雷击大地次数精准计算方法 - Google Patents

Abstract

本发明公开了一种基于气象大数据的建筑年预计雷击大地次数精准计算方法，其通过ADTD监测系统采集闪电数据，计算出其对应的地闪密度值；进行监测资料网格化处理，绘制待监测地闪密度分布图，并并记录待监测地面的地闪密度值N_g；同时构建建筑物防雷类别数据库，数据库包括建筑物数据分析计算模块和建筑物防雷类别判定模块，实现建筑物截收相同雷击次数的等效面积计算、建筑物防雷类别定量化划分及判定；最后通过地闪密度值Ng、建筑物截收相同雷击次数的等效面积，可以精确计算建筑物年预计雷击次数N值，进而实现建筑物防雷类别的精准划分，制定合适的防雷措施，保证建筑物的安全性和经济性。

Description

基于气象大数据的建筑年预计雷击大地次数精准计算方法

技术领域

本发明涉及一种基于气象大数据的建筑年预计雷击大地次数精准计算方法，属于建筑物雷电防护技术领域。

背景技术

雷电参数(如雷暴日、闪电密度等)表示某一区域雷电活动强弱特征，是现有工程领域中一个重要基础数据。过去因缺乏雷电自动监测手段,雷电参数统计资料依据常规地面气象观测站的人工监听记录。在气象学上，人工雷暴日数(Td)是依靠观测员是否听到雷声来记录雷电发生的时间及相对方位，1天中只要听到或者看到1次或1次以上的雷声则记录1个雷暴日，即认为该观测员所在的区县范围发生了1个雷暴日。该记录过于依赖人的主观判断，受观测者的听力、所处环境的影响较大。且人工雷暴日数(Td)按行政区域划分，不能真实的反映气象学参数。

建筑物防雷措施的制定关系着社会安全、生命安全、财产安全和生产安全，需要引起全社会的高度重视。防雷措施的制定与建筑物所在地的地闪密度N_g、建筑物自身的几何尺寸以及建筑物所在位置有关。随着科学技术的发展，中国气象局逐步在全国建立闪电监测定位业务系统，并于2013年取消人工雷暴日数(Td)的观测，为防雷工程设计、雷电技术服务、雷电灾害风险评估、雷电精细化预警服务等提供了重要的技术支撑。贵州省于2006年建成了 ADTD闪电监测定位系统，实现对全省范围内的地闪进行实时监测。但目前建筑电气设计中基本都还在采用估算公式：N_g＝0.1T_d，误差较大，不能精准计算确定建筑物的防雷等级，存在较大的安全隐患。

发明内容

鉴于此，本发明的目的是提供一种基于气象大数据的建筑年预计雷击大地次数精准计算方法，可以克服现有技术的不足。

本发明的目的是通过以下技术方案实现的：

一种基于气象大数据的建筑年预计雷击大地次数精准计算方法，其包括以下步骤：

s1、引入待监测地的闪电数据，构建闪电监测资料数据库，

闪电监测资料数据库包括多年内待监测地的闪电数据值；

s2、通过闪电监测资料数据库内地闪密度信息，构建地闪密度分布图数据库，

地闪密度分布图数据库包括监测范围内的地闪密度分布图，及地闪密度值N_g(次/km²/a)；

s3、构建建筑物防雷类别数据库，

建筑物防雷类别数据库包括建筑物数据分析计算模块和建筑物防雷类别判定模块，

建筑物数据分析计算模块用于分析统计建筑物本身数据信息，并计算建筑物截收相同雷击次数的等效面积，

建筑物防雷类别判定模块用于划分建筑物防雷类别，并进行定量化建筑物防雷的类别判定；

s4、基于VB环境开发搭建系统，连接各数据库，计算年预计雷击大地次数，进行定量化建筑物防雷类别的判定，制定建筑物防雷措施。

前述步骤s1中，所述闪电监测资料数据库包括待监测地至少10年内每年的地闪密度值；采用ADTD监测系统，通过划分监测区域，监测闪电次数，计算地闪密度。

前述步骤s2中，根据待监测地的闪电数据，计算出至少10年内的年平均地闪密度值，进行监测资料网格化处理。

基于ArcGis绘制待监测地面1～10km网格数据文件，导入近10年闪电监测资料统计网格区域年均闪电发生次数，绘制待监测地闪密度分布图，并记录待监测地面的地闪密度值N_g。

前述步骤s3中，建筑物本身数据包括建筑物性质、地理环境、建筑物位置、建筑物体量和建筑物周边布局数据；

建筑物截收相同雷击次数的等效面积A_e，计算公式为：

式中，L、W、H为建筑物的长(m)、宽(m)、高(m)。

前述步骤s3中，防雷建筑物类别包括：

(1)第一类防雷建筑物

制造、使用或贮存火炸药及其制品的危险建筑物；

(2)第二类防雷建筑物

预计雷击次数N＞0.05次/a的部、省级办公建筑物和其他重要或人员密集的公共建筑物以及火灾危险场所，

预计雷击次数N＞0.25次/a的住宅、办公楼等一般性民用建筑物或一般性工业建筑物；

(3)第三类防雷建筑物

0.01次/a≤预计雷击次数N≤0.05次/a的部、省级办公建筑物和其他重要或人员密集的公共建筑物，以及火灾危险场所，

0.05次/a≤预计雷击次数N≤0.25次/a的住宅、办公楼等一般性民用建筑物或一般性工业建筑物；

其中，第一类防雷建筑物为定性化直接判定，第二类和第三类防雷建筑物为定量化判定。

前述步骤s4中，根据建筑物实际情况，输入建筑物所处经纬度以获得地闪密度值Ng，结合建筑物截收相同雷击次数的等效面积，计算建筑物年预计雷击次数N。

建筑物年预计雷击次数N的计算公式为：

N＝k×N_g×A_e

式中，k为地理环境校正系数，取值为1-2，

A_e为建筑物截收相同雷击次数的等效面积(km²)。

针对设置裙房的建筑物，分别计算出主楼和裙房的A_e，两者取其大者带入计算。

根据建筑物年预计雷击次数N，综合考虑建筑物本身数据信息，进行定量化建筑物防雷类别的划分，进行防雷措施制定。

与现有技术比较，本发明公开的一种基于气象大数据的建筑年预计雷击大地次数精准计算方法，其通过ADTD监测系统采集待监测地至少10年内的闪电数据，计算出其对应的地闪密度值，进行监测资料网格化处理，绘制待监测地闪密度分布图，并并记录待监测地面的地闪密度值N_g；同时构建建筑物防雷类别数据库，数据库包括建筑物数据分析计算模块和建筑物防雷类别判定模块，建筑物数据分析计算模块用于计算建筑物截收相同雷击次数的等效面积，建筑物防雷类别判定模块用于定量化划分建筑物防雷类别，并进行定量化建筑物防雷类别的判定；进行建筑物年预计雷击次数N的计算时，输入建筑物所处经纬度以获得地闪密度值Ng，结合建筑物截收相同雷击次数的等效面积，可以精确计算建筑物年预计雷击次数N 值，进而实现建筑物防雷类别的精准划分，制定合适的防雷措施，保证建筑物的安全性。

本发明的有益效果是：

(1)N_g值引入后精确计算各建筑的N值，可以实际反映建筑可能受雷击的风险大小，对于建筑的防雷保护有着积极的指导意义。

(2)相比于原来的防雷计算方法，本发明不仅引入了精准的N_g实际值，而且加入了裙房部分A_e值计算，计算时裙房和主楼分别计算A_e，两者取其大，使防雷计算更贴近实际，更符合国家规范要求，更具参考性，对合理制定防雷措施有很大帮助。

(3)可直接获取建筑物及其周边历史闪电发生情况实，现对闪电发生的实时、自动监测；并且直接调用数据库数据，实现对建筑物防雷类别进行精准化划分，操作便捷性高，同时有利于提出科学合理、经济适用的防雷措施。

本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。

附图说明

为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步的详细描述，其中：

图1为本发明的系统框架结构流程示意图。

图2为本发明工作流程示意图。

图3为贵阳市观测站周边地闪次数与密度分布示意图。

图4为贵阳市年均地闪密度分布图(1×1km)示意图。

图5为贵州省年均地闪密度分布图(1×1km)示意图。

图6为贵州省年均地闪密度分布图(5×5km)示意图。

图7为贵州省年均地闪密度分布图(10×10km)示意图。

图8为本发明结果展示示意图。

具体实施方式

以下将参照附图，对本发明的优选实施例进行详细的描述。应当理解，优选实施例仅为了说明本发明，而不是为了限制本发明的保护范围。

如图1-图2所示，

一种基于气象大数据的建筑年预计雷击大地次数精准计算方法，其包括以下步骤：

s1、引入待监测地的闪电数据，构建闪电监测资料数据库，

闪电监测资料数据库包括多年内待监测地的地闪密度值；

s2、通过闪电监测资料数据库内地闪密度信息，构建地闪密度分布图数据库，

地闪密度分布图数据库包括监测范围内的闪密度分布图，及地闪密度值N_g(次/km²/a)；

s3、构建建筑物防雷类别数据库，

建筑物防雷类别数据库包括建筑物数据分析计算模块和建筑物防雷类别判定模块，

建筑物数据分析计算模块用于计算建筑物截收相同雷击次数的等效面积，

建筑物防雷类别判定模块用于划分建筑物防雷类别，并进行定量化建筑物防雷的类别判定；

s4、基于VB环境开发搭建系统，连接各数据库，计算年预计雷击大地次数，进行定量化建筑物防雷类别的划分，制定建筑物防雷措施。

步骤s1中，引入气象部门采集分析的闪电数据，其中所述闪电监测资料数据库包括待监测地至少10年内的闪电数据。

通过划分监测区域，监测的闪电次数，计算地闪密度，具体地，统计待监测地面观测站周边半径(r)1～20km圆形区域内ADTD监测的闪电次数，计算地闪密度。

步骤s2中，根据待监测地的闪电数据，计算出至少10年内每年的地闪密度值，进行监测资料网格化处理，

基于ArcGis绘制待监测地面1～10km网格数据文件，导入近10年闪电监测资料统计网格区域年均闪电发生次数，绘制待监测地闪密度分布图，并记录待监测地面的闪密度值Ng；

根据待监测地面的监测范围，生成分辨率为1～10km的闪电密度图，

具体地，将所述闪密度分布图按照分辨率设置成：1×1km的一号分布图、2×2km的二号分布图、3×3km的三号分布图、4×4km的四号分布图、5×5km的五号分布图、6×6km的六号分布图、7×7km的七号分布图、8×8km的八号分布图、9×9km的九号分布图和10×10km的十号分布图。通过不同分辨率的地闪密度分布图，更加便于查看和调用。

步骤s3中，

通过对建筑物本身数据分析统计，计算建筑物截收相同雷击次数的等效面积；具体地，建筑物本身数据包括建筑物性质、地理环境、建筑物位置、建筑物体量和建筑物周边布局数据。

建筑物性质即为建筑物的使用性质，具体包括：

(1)制造、使用或贮存火炸药及其制品的危险建筑物；

(2)部、省级办公建筑物或人员密集的公共建筑物，以及火灾危险场所；

(3)住宅、办公楼等一般性民用建筑物或一般性工业建筑物；

其中，第一项为特选项，直接按第一类防雷建筑物的防雷措施进行实施；

二项或三项根据建筑物实际情况进行判定选取。

建筑物的地理环境具体包括：

(1)一般情况；

(2)位于河边、湖边、山坡下或山地中土壤电咀率较小处、地下水露头处、土山顶部、山谷风口等处的建筑物，以及特别潮湿的建筑物；

(3)位于金属屋面没有接地的砖木结构建筑；

(4)位于山顶上或旷野的孤立建筑物；

其中，四个选项根据建筑物实际情况进行判定选取。

建筑物体量包括建筑物的长L(m)、W宽(m)、H高(m)。

建筑物周边布局具体包括：

(1)建筑物四周2D或2H范围内没有其他建筑物；；

(2)建筑物四周在2D范围内都有等高或比它低的其他建筑物；

(3)建筑物四周在2D范围内都有比它高的其他建筑物；

(4)建筑物四周在2H范围内都有等高或比它低的其他建筑物；

(5)建筑物四周在2H范围内都有比它高的其他建筑物；

其中，

五个选项根据建筑物实际情况进行判定选取。

根据获得的建筑物体量数据，即可进行建筑物截收相同雷击次数的等效面积的计算，具体地，建筑物截收相同雷击次数的等效面积A_e，计算公式为：

其中，L、W、H为建筑物的长(m)、宽(m)、高(m)；

针对设置裙房的建筑物，分别计算出主楼和裙房的A_e，两者取其大者带入计算，具体地，当建筑物部位的高不同时，应沿建筑物周边逐点算出最大扩大宽度，其等效面积应按每点最大扩大宽度外端的连接线所包因的面积计算。

根据GB50057-2010《建筑物防雷设计规范》制定，将防雷建筑物类别划分为第一类防雷建筑物、第二类防雷建筑物和第三类防雷建筑物：

(1)第一类防雷建筑物

制造、使用或贮存火炸药及其制品的危险建筑物；

(2)第二类防雷建筑物

预计雷击次数N＞0.05次/a的部、省级办公建筑物和其他重要或人员密集的公共建筑物以及火灾危险场所，

预计雷击次数N＞0.25次/a的住宅、办公楼等一般性民用建筑物或一般性工业建筑物；

(3)第三类防雷建筑物

0.01次/a≤预计雷击次数N≤0.05次/a的部、省级办公建筑物和其他重要或人员密集的公共建筑物，以及火灾危险场所，

0.05次/a≤预计雷击次数N≤0.25次/a的住宅、办公楼等一般性民用建筑物或一般性工业建筑物；

其中，第一类防雷建筑物为定性化直接判定，第二类和第三类防雷建筑物为定量化判定。

建筑物位置是指建筑物所在的经度和纬度，以度或(°、′、″)为单位，通过建筑物所在的经度和纬度，可以从待监测地闪密度分布图中，获取建筑物位置的地闪密度值Ng。

步骤s4中，

根据建筑物实际情况，输入建筑物所处经纬度以获得地闪密度值Ng，结合建筑物截收相同雷击次数的等效面积A_e，计算建筑物年预计雷击次数N。

建筑物年预计雷击次数N的计算公式为：

N＝k×N_g×A_e

式中，k为地理环境校正系数，取值为1-2，A_e为建筑物截收相同雷击次数的等效面积 (km²)。

根据建筑物年预计雷击次数N，综合考虑建筑物性质、地理环境、建筑物体量、建筑物周边布局数据信息，进行定量化建筑物防雷类别的划分，进行防雷措施制定。

实施例1：

具体见图3-图8，以贵州省为例

在贵州省设置ADTD闪电监测定位系统，该系统由12个探测子站和1个中心运算站组成，当发生一次云对地间放电时，其周边150～200km范围的探测子站会接受到不同到达时间的电磁场信号，根据到达的时间差，由三站及三站以上的两两时间差，由中心站反算地闪发生的经纬度、强度、极性、陡度等参数，实现全自动、大范围、高精度、实时监测地闪活动。统计贵阳地面观测站周边半径(r)1～20km圆形区域内ADTD监测的闪电次数，计算地闪密度如图1所示，在10km范围内市闪电密度在4次/a.km²左右，10km外地闪密度受下垫面及其他因素的影响，变化波动较大；

根据贵州省近12年(2007-2018)闪电监测资料，创建闪电监测资料数据库。

基于ArcGis绘制贵州省1～10km网格数据文件，调用闪电监测资料数据库内监测区域年均闪电发生次数，绘制贵阳市地闪密度分布图(1km)如图4所示、贵州省地闪密度分布图 (1～10km)如图5-图7所示。

根据贵州省1～10km网格数据文件，创建地闪密度分布图数据库。

基于VB环境开发搭建系统，调用地闪密度分布图数据库内建筑物周边范围的地闪密度值Ng和建筑物防雷类别数据库内相关建筑物信息，进行建筑物年预计雷击次数N的计算；最后进行定量化建筑物防雷类别的划分，制定相应的防雷措施，如图8所示。

计算成果分析：

现有技术中，采用估算值计算，N_gd＝0.1T_d，式中T_d为年平均雷暴日，根据当地气象台、站资料确定(d/a)。

表4.1为不同区实测值Ng和估算值Ngd对比表

表4.2为引入实测值N_g与估算值N_gd计算所得实际N值、估算N_d值对比表

分析结论：

由表4.1可以看出，同属于贵阳市，N_g值差别很大，从1.88～5.03，与原先估算N_gd值4.94 有偏差；即使在同一个区，因为地形地貌不同，N_g也有很大差异，如南明区不同位置两座建筑，1号建筑N_g值为5.03，2号建筑N_g值为3.15，若以估算值4.94为基准，偏差度分别为+1％和-36％。分析其原因，1号建筑所在区域较为中心，建筑物密度大，附近高楼多，下垫面引雷几率高，故而N_g值高。2号建筑虽然和1号建筑同属一个区，但所处位置较偏，周围主要是林地，下垫面引雷几率低，故而N_g值也低。因此，N_g值的高低与下垫面的类型有很大关系，传统意义上按地级市进行统一的N_gd＝0.1T_d估算，不能真实反映下垫面及周边的实际情况，偏差很大，直接影响N值的计算，进而影响建筑物防雷类别的划分。

花溪区高楼大厦较少，森林覆盖率较高，由表4.1可以看出，以估算值4.94为基准，7号和8号建筑的N_g实际值偏差分别为-62％和-59％，由表4.2可以看出，按实际N_g带入计算所得 N值与带入估算N_gd值所得N_d值偏差巨大，7号和8号建筑采用精确计算法所得N值分别只有估算法N_d值的38％和27％，且其N值接近0.05，7号和8号建筑均为人员密集场所，则防雷类别划分非常靠近二类和三类的分界点。采用带入估算N_gd值计算的结果偏大，而如果采用 A_e的精确计算，7号和8号建筑完全可能由二类防雷建筑降至三类防雷建筑。

接近相同体量的8号和10号体育馆，建设在同一地级市的不同区，用传统法计算N_d值相同(同一地级市的N_g估算值相同)，引入N_g实测值后，N_g值相差近1.8倍，N值计算相差近2.2倍，8号体育馆因为N_g实测值小，完全有可能降为三类防雷建筑，而10号体育馆则仍未二类防雷建筑。由此可以看出接近相同体量、相同使用性质的两栋建筑，因所在区不同完全可能导致防雷类别计算结果不同，可见原来按照地级市N_gd估算值进行防雷类别计算的不精确性。

通过表4.1和表4.2同一地级市不同区建筑防雷计算的对比，引入N_g实测值更能反映项目所处地的实际下垫面情况，计算更精确，更加符合国家规范和实际建设的要求。N_g值的实际应用，对于大型及特殊项目在城市不同区的选址，甚至在同一区不同位置的选址，都有很大的指导意义。

以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式保密的限制，任何未脱离本发明技术方案内容、依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰，均仍属于本发明技术方案的范围内。

Claims (10)

1.一种基于气象大数据的建筑年预计雷击大地次数精准计算方法，其特征在于，包括以下步骤：

s1、引入待监测地的闪电数据，构建闪电监测资料数据库，

闪电监测资料数据库包括多年内待监测地的闪电数据值；

s2、通过闪电监测资料数据库内地闪密度信息，构建地闪密度分布图数据库，

地闪密度分布图数据库包括监测范围内的地闪密度分布图，及地闪密度值N_g(次/km²/a)；

s3、构建建筑物防雷类别数据库，

建筑物防雷类别数据库包括建筑物数据分析计算模块和建筑物防雷类别判定模块，

建筑物数据分析计算模块用于分析统计建筑物本身数据信息，并计算建筑物截收相同雷击次数的等效面积，

建筑物防雷类别判定模块用于划分建筑物防雷类别，并进行定量化建筑物防雷的类别判定；

s4、基于VB环境开发搭建系统，连接各数据库，计算年预计雷击大地次数，进行定量化建筑物防雷类别的判定，制定建筑物防雷措施。

2.根据权利要求1所述的基于气象大数据的建筑年预计雷击大地次数精准计算方法，其特征在于：步骤s1中，所述闪电监测资料数据库包括待监测地至少10年内每年的地闪密度值；采用ADTD监测系统，通过划分监测区域，监测闪电次数，计算地闪密度。

3.根据权利要求1所述的基于气象大数据的建筑年预计雷击大地次数精准计算方法，其特征在于：步骤s2中，根据待监测地的闪电数据，计算出至少10年内的年平均地闪密度值，进行监测资料网格化处理。

4.根据权利要求3所述的基于气象大数据的建筑年预计雷击大地次数精准计算方法，其特征在于：基于ArcGis绘制待监测地面1～10km网格数据文件，导入近10年闪电监测资料统计网格区域年均闪电发生次数，绘制待监测地闪密度分布图，并记录待监测地面的地闪密度值N_g。

5.根据权利要求1所述的基于气象大数据的建筑年预计雷击大地次数精准计算方法，其特征在于：步骤s3中，建筑物本身数据包括建筑物性质、地理环境、建筑物位置、建筑物体量和建筑物周边布局数据；

建筑物截收相同雷击次数的等效面积A_e，计算公式为：

式中，L、W、H为建筑物的长(m)、宽(m)、高(m)。

6.根据权利要求1所述的基于气象大数据的建筑年预计雷击大地次数精准计算方法，其特征在于：步骤s3中，防雷建筑物类别包括：

(1)第一类防雷建筑物

制造、使用或贮存火炸药及其制品的危险建筑物；

(2)第二类防雷建筑物

预计雷击次数N＞0.05次/a的部、省级办公建筑物和其他重要或人员密集的公共建筑物以及火灾危险场所，

预计雷击次数N＞0.25次/a的住宅、办公楼等一般性民用建筑物或一般性工业建筑物；

(3)第三类防雷建筑物

0.01次/a≤预计雷击次数N≤0.05次/a的部、省级办公建筑物和其他重要或人员密集的公共建筑物，以及火灾危险场所，

0.05次/a≤预计雷击次数N≤0.25次/a的住宅、办公楼等一般性民用建筑物或一般性工业建筑物；

其中，第一类防雷建筑物为定性化直接判定，第二类和第三类防雷建筑物为定量化判定。

7.根据权利要求1-6任一所述的基于气象大数据的建筑年预计雷击大地次数精准计算方法，其特征在于：步骤s4中，根据建筑物实际情况，输入建筑物所处经纬度以获得地闪密度值Ng，结合建筑物截收相同雷击次数的等效面积，计算建筑物年预计雷击次数N。

8.根据权利要求7所述的基于气象大数据的建筑年预计雷击大地次数精准计算方法，其特征在于：建筑物年预计雷击次数N的计算公式为：

N＝k×N_g×A_e

式中，k为地理环境校正系数，取值为1-2，

Ae为建筑物截收相同雷击次数的等效面积(km2)。

9.根据权利要求8所述的基于气象大数据的建筑年预计雷击大地次数精准计算方法，其特征在于：针对设置裙房的建筑物，分别计算出主楼和裙房的Ae，两者取其大者带入计算。

10.根据权利要求9所述的基于气象大数据的建筑年预计雷击大地次数精准计算方法，其特征在于：根据建筑物年预计雷击次数N，综合考虑建筑物本身数据信息，进行定量化建筑物防雷类别的划分，进行防雷措施制定。

Images