CN114492909A - 优化漏报率的电网人为山火密度的定量预报方法及系统 - Google Patents

优化漏报率的电网人为山火密度的定量预报方法及系统 Download PDF

Info

Publication number
CN114492909A
CN114492909A CN202111246118.9A CN202111246118A CN114492909A CN 114492909 A CN114492909 A CN 114492909A CN 202111246118 A CN202111246118 A CN 202111246118A CN 114492909 A CN114492909 A CN 114492909A
Authority
CN
China
Prior art keywords
grid
predicted
index
mountain fire
date
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
CN202111246118.9A
Other languages
English (en)
Inventor
简洲
郭俊
冯涛
蔡泽林
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 CN202111246118.9A priority Critical patent/CN114492909A/zh
Publication of CN114492909A publication Critical patent/CN114492909A/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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • 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
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • 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

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Theoretical Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Health & Medical Sciences (AREA)
  • Water Supply & Treatment (AREA)
  • Public Health (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种优化漏报率的电网人为山火密度的定量预报方法及系统，该方法包括以下步骤：将待测区域划分为多个网格；根据每个网格对应的区域在历史几年内在与待预测日期同一天发生过山火的次数，以及在待预测日期的预测风速、预测降水量以及预测湿度，综合计算每个网格对应区域的山火发生风险指数。本发明通过综合考虑历史山火次数、风速、降水以及湿度的多因子指数，综合判断电网人为山火发生的风险指数，能显著降低山火预测的漏报率。

Description

优化漏报率的电网人为山火密度的定量预报方法及系统
技术领域
本发明涉及电网山火预测技术领域，尤其涉及一种优化漏报率的电网人为山火密度的定量预报方法及系统。
背景技术
近年来随着全球气候变化，山火发生呈逐年上升的趋势，常导致输电线路跳闸，对电网的安全稳定运行造成严重威胁。据统计分析，90％以上的山火都是由于祭祀、烧荒、焚烧垃圾等人为因素引起，而人为山火随机性非常强。
在进行山火预测时，为克服人为山火的随机性问题，传统的方法是对历史山火发生情况进行统计：如果某地历史上同期山火发生情况严重，则发生山火的风险大；如果历史上同期未发生过山火，则发生山火的可能性为零。以上这种传统方法有一个致命的缺点，那就是漏报率高，因为按照传统方法预测的话历史上未发生过山火的区域未来也不会发生山火，这一点与实际情形严重不相符。
为解决人为山火预测随机性难题，同时克服传统山火预测漏报率高的问题，亟需一种优化漏报率的电网人为山火密度定量预报方法。
发明内容
本发明提供了一种优化漏报率的电网人为山火密度的定量预报方法及系统，用以解决现有的根据的历史山火发生情况进行山火预报的方法漏报率高的技术问题。
为解决上述技术问题，本发明提出的技术方案为：
一种优化漏报率的电网人为山火密度的定量预报方法，包括以下步骤：
将待测区域划分为多个网格；
根据每个网格对应的区域在历史几年内在与待预测日期同一天发生过山火的次数，以及在待预测日期的预测风速、预测降水量以及预测湿度，综合计算每个网格对应区域的山火发生风险指数。
优选地，综合计算每个网格对应区域的山火发生风险指数，包括以下步骤：
根据每个网格在历史几年内在与待预测日期同一天发生过山火的次数，计算每个网格在待预测日期的历史山火指数；
根据每个网格在待预测日期的预测风速，计算每个网格的风速指数；
根据每个网格在待预测日期的预测降水量，计算每个网格的降水指数：
根据每个网格在待预测日期的预测湿度，计算每个网格的湿度指数；
以每个网格的历史山火指数、风速指数、降水指数以及湿度指数的乘积，作为每个网格对应区域的山火发生风险指数。
优选地，在计算得到每个网格对应区域的山火发生风险指数后，方法还包括：
根据待测区域所有网格的山火发生风险指数，对待测区域的所有网格进行插值后绘制待测区域的山火发生风险色斑图，即可得到待预测日期的每一点的山火发生风险指数。
优选地，历史山火指数的计算方式如下：
Figure BDA0003321034680000021
其中，ILij为历史山火指数；Cij为网格Gij近五年内在待预测日期发生过山火的次数；Gij为第i行第j列的网格；
若网格Gij处在N×M个矩形网格的边缘，即i＝1或N、或j＝1或M的情形，则上式在计算历史山火指数ILij时需要按距离d往外扩网格，Cpq为对应的外扩网格。
优选地，风速指数的计算方式如下：
Figure BDA0003321034680000022
其中，IFij为网格Gij的风速指数；WIij为预测风速。
优选地，降水指数的计算方式如下：
Figure BDA0003321034680000023
其中，IPij为网格Gij的降水指数；PRij为预测降水量。
优选地，湿度指数的计算方式如下：
Figure BDA0003321034680000024
其中，IHij为网格Gij的湿度指数；HUij为预测湿度。
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：
本发明的优化漏报率的电网人为山火密度的定量预报方法及系统，通过综合考虑历史山火次数、风速、降水以及湿度的多因子指数，综合判断电网人为山火发生的风险指数，能显著降低山火预测的漏报率。
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的优化漏报率的电网人为山火密度的定量预报方法的流程示意图；
图2是本发明优选实施例1的2020年3月18日国网区域山火发生风险预测示意图；
图3是本发明优选实施例1的2020年3月18日国网区域山火发生实况图。
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，本发明的优化漏报率的电网人为山火密度的定量预报方法，包括以下步骤：
S1：将国家电网所辖区域按照距离3km等间隔地分为830×1734个矩形网格，每个网格边界的方向均为竖直或水平，第i行第j列的网格记为Gij(i＝1，2，...，830，j＝1，2，...，1734)；
S2：根据每个网格对应的区域在历史几年内在与待预测日期(2020年3月18日)同一天发生过山火的次数，以及在待预测日期的预测风速、预测降水量以及预测湿度，综合计算每个网格对应区域的山火发生风险指数。
实施时，优选采用如下方式进行计算：
S201：计算网格Gij2020年3月18日的历史山火指数ILij：设网格Gij近五年内3月18日发生过山火的次数为Cij，则ILij计算如下：
Figure BDA0003321034680000031
若网格Gij处在N×M个矩形网格的边缘，即i＝1或N、或j＝1或M的情形，则上式在计算历史山火指数ILij时需要按距离d往外扩网格，例如当i＝1、j＝1时上式中包含C00，即网格G00近五年内3月18日发生过山火的次数，而网格G00是网格G11往上距离d再往左距离d的那个网格Cpq，其他情况以此类推。
S202：获取网格Gij2020年3月18日的预测风速WIij，计算网格Gij的风速指数IFij：
Figure BDA0003321034680000041
S203：获取网格Gij2020年3月18日的预测降水量PRij，计算网格Gij的降水指数IPij：
Figure BDA0003321034680000042
S204：获取网格Gij2020年3月18日的预测湿度HUij，计算网格Gij的湿度指数IHij：
Figure BDA0003321034680000043
S205：计算网格Gij2020年3月18日的山火发生风险指数FOij：
FOij＝ILij·IFij·IPij·IHij；
S3：实施时，还可以根据待测区域所有网格Gij(i＝1，2，...，830，j＝1，2，...，1734)的山火发生风险指数FOij，进行插值后绘制该区域的山火发生风险色斑图，即可得到2020年3月18日每一点的山火发生风险指数，如图2所示。
对比2020年3月18日国网区域山火发生风险预测图，与2020年3月18日国网区域山火发生实况图(如图3所示)，漏报率小于10％。
实施例2：
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实施例的步骤。
综上可知，本发明通过综合考虑历史山火次数、风速、降水以及湿度的多因子指数，综合判断电网人为山火发生的风险指数，能显著降低山火预测的漏报率。
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 (8)

1.一种优化漏报率的电网人为山火密度的定量预报方法，其特征在于，包括以下步骤：
将待测区域划分为多个网格；
根据每个网格对应的区域在历史几年内在与待预测日期同一天发生过山火的次数，以及在待预测日期的预测风速、预测降水量以及预测湿度，综合计算每个网格对应区域的山火发生风险指数。
2.根据权利要求1所述的优化漏报率的电网人为山火密度的定量预报方法，其特征在于，所述综合计算每个网格对应区域的山火发生风险指数，包括以下步骤：
根据每个网格在历史几年内在与待预测日期同一天发生过山火的次数，计算每个网格在待预测日期的历史山火指数；
根据每个网格在待预测日期的预测风速，计算每个网格的风速指数；
根据每个网格在待预测日期的预测降水量，计算每个网格的降水指数：
根据每个网格在待预测日期的预测湿度，计算每个网格的湿度指数；
以每个网格的历史山火指数、风速指数、降水指数以及湿度指数的乘积，作为每个网格对应区域的山火发生风险指数。
3.根据权利要求1所述的优化漏报率的电网人为山火密度的定量预报方法，其特征在于，在计算得到每个网格对应区域的山火发生风险指数后，所述方法还包括：
根据待测区域所有网格的山火发生风险指数，对待测区域的所有网格进行插值后绘制待测区域的山火发生风险色斑图，即可得到待预测日期的每一点的山火发生风险指数。
4.根据权利要求2所述的优化漏报率的电网人为山火密度的定量预报方法，其特征在于，所述历史山火指数的计算方式如下：
Figure FDA0003321034670000011
其中，ILij为历史山火指数；Cij为网格Gij近五年内在待预测日期发生过山火的次数；Gij为第i行第j列的网格；
若网格Gij处在N×M个矩形网格的边缘，即i＝1或N、或j＝1或M的情形，则上式在计算历史山火指数ILij时需要按距离d往外扩网格，Cpq为对应的外扩网格。
5.根据权利要求4所述的优化漏报率的电网人为山火密度的定量预报方法，其特征在于，所述风速指数的计算方式如下：
Figure FDA0003321034670000012
其中，IFij为网格Gij的风速指数；WIij为预测风速。
6.根据权利要求4所述的优化漏报率的电网人为山火密度的定量预报方法，其特征在于，所述降水指数的计算方式如下：
Figure FDA0003321034670000021
其中，IPij为网格Gij的降水指数；PRij为预测降水量。
7.根据权利要求4所述的优化漏报率的电网人为山火密度的定量预报方法，其特征在于，所述湿度指数的计算方式如下：
Figure FDA0003321034670000022
其中，IHij为网格Gij的湿度指数；HUij为预测湿度。
8.一种计算机系统，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7任一所述方法的步骤。
CN202111246118.9A 2021-10-26 2021-10-26 优化漏报率的电网人为山火密度的定量预报方法及系统 Pending CN114492909A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111246118.9A CN114492909A (zh) 2021-10-26 2021-10-26 优化漏报率的电网人为山火密度的定量预报方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111246118.9A CN114492909A (zh) 2021-10-26 2021-10-26 优化漏报率的电网人为山火密度的定量预报方法及系统

Publications (1)

Publication Number Publication Date
CN114492909A true CN114492909A (zh) 2022-05-13

Family

ID=81493013

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111246118.9A Pending CN114492909A (zh) 2021-10-26 2021-10-26 优化漏报率的电网人为山火密度的定量预报方法及系统

Country Status (1)

Country Link
CN (1) CN114492909A (zh)

Similar Documents

Publication Publication Date Title
Moreira et al. SPI-based drought category prediction using loglinear models
Mastrandrea et al. Bridging the gap: linking climate-impacts research with adaptation planning and management
KR101315121B1 (ko) 지아이에스 기반의 홍수방어 시스템 및 그 방법
Li et al. Innovative trend analysis of main agriculture natural hazards in China during 1989–2014
JP4480630B2 (ja) 雷位置予測方法及び雷位置予測システム
CN102831752B (zh) 一种冰湖溃决预警方法
CN110365059B (zh) 一种光功率预测方法及装置
KR20180060287A (ko) 기상수치모델 예측변수를 이용한 집중호우 사전 예측 방법 및 시스템
CN115861012B (zh) 一种多源数据融合预警发布方法、装置、电子设备及介质
Yuan et al. China’s regional drought risk under climate change: a two-stage process assessment approach
CN114442198A (zh) 一种基于加权算法的森林火险气象等级预报方法
CN110632681A (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
CN114966233A (zh) 基于深度神经网络的雷电预报系统及方法
Xu et al. Compound flood models in coastal areas: a review of methods and uncertainty analysis
Jongejan et al. The VNK2 project: a detailed, large-scale quantitative flood risk analysis for the Netherlands
CN114492909A (zh) 优化漏报率的电网人为山火密度的定量预报方法及系统
JP6964838B2 (ja) 雷事故リスク判定システム、雷事故リスク判定方法およびプログラム
CN110399537B (zh) 一种基于人工智能技术的警情时空预测方法
CN116090616A (zh) 一种煤矿风险灾害预测方法及装置
Vaughan et al. Climatology and analysis of high-impact, low predictive skill severe weather events in the northeast United States
CN114896351A (zh) 地震危险概率预测方法和装置
Ouyang Multi-objective optimization of typhoon inundation forecast models with cross-site structures for a water-level gauging network by integrating ARMAX with a genetic algorithm
JP7224640B2 (ja) 気象情報を用いない太陽光発電装置の異常判定方法及び装置
CN108416469B (zh) 一种极端天气引起铁塔安全隐患的预测方法及系统
Huo et al. Considering the Methods of Lightning Protection and Early Warning for Power Transmission Lines Based on Lightning Data Analysis

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