CN116341704B - 一种引入生消机制的导线覆冰风险等级预报方法 - Google Patents
一种引入生消机制的导线覆冰风险等级预报方法 Download PDFInfo
- Publication number
- CN116341704B CN116341704B CN202310041173.7A CN202310041173A CN116341704B CN 116341704 B CN116341704 B CN 116341704B CN 202310041173 A CN202310041173 A CN 202310041173A CN 116341704 B CN116341704 B CN 116341704B
- Authority
- CN
- China
- Prior art keywords
- icing
- stage
- index
- model
- weather
- 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
Links
- 238000003379 elimination reaction Methods 0.000 title claims abstract description 20
- 230000007246 mechanism Effects 0.000 title claims abstract description 17
- 238000013277 forecasting method Methods 0.000 title description 4
- 230000004907 flux Effects 0.000 claims abstract description 33
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 25
- 239000011248 coating agent Substances 0.000 claims abstract description 24
- 238000000576 coating method Methods 0.000 claims abstract description 24
- 238000004458 analytical method Methods 0.000 claims abstract description 20
- 238000000034 method Methods 0.000 claims abstract description 20
- 238000004364 calculation method Methods 0.000 claims abstract description 16
- 230000008030 elimination Effects 0.000 claims abstract description 16
- 238000001556 precipitation Methods 0.000 claims description 15
- 238000009826 distribution Methods 0.000 claims description 7
- 230000008018 melting Effects 0.000 claims description 7
- 238000002844 melting Methods 0.000 claims description 7
- 230000012010 growth Effects 0.000 claims description 5
- 238000012423 maintenance Methods 0.000 claims description 4
- 238000002679 ablation Methods 0.000 claims description 3
- 238000009825 accumulation Methods 0.000 claims description 3
- 230000003698 anagen phase Effects 0.000 claims description 3
- 230000008014 freezing Effects 0.000 claims description 3
- 238000007710 freezing Methods 0.000 claims description 3
- 239000007788 liquid Substances 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 238000000859 sublimation Methods 0.000 claims description 3
- 230000008022 sublimation Effects 0.000 claims description 3
- 210000003813 thumb Anatomy 0.000 claims description 2
- 239000004020 conductor Substances 0.000 claims 1
- 230000008929 regeneration Effects 0.000 claims 1
- 238000011069 regeneration method Methods 0.000 claims 1
- 230000005540 biological transmission Effects 0.000 abstract description 8
- 230000015572 biosynthetic process Effects 0.000 description 8
- 238000003786 synthesis reaction Methods 0.000 description 8
- 238000012876 topography Methods 0.000 description 4
- 238000004134 energy conservation Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000000513 principal component analysis Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 238000003892 spreading Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- 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
- 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
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
-
- 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
- G06F2119/12—Timing analysis or timing optimisation
-
- 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
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- Geometry (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Educational Administration (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种引入生消机制的导线覆冰风险等级预报方法，包括如下步骤：a、根据主成分客观分析的结果取前三个空间模态对流层高层环流场作为天气分类标准；b、将不同天气分类环流形势下的200hPa波动通量和位势高度场作为覆冰阶段判别模型中雪水比分指标的计算标准；c、通过覆冰阶段判识模型和覆冰厚度计算模型确定落区内的覆冰厚度风险等级；d、通过覆冰厚度计算模型计算出M的数值序列，将风险指数分为4个等级。本发明的引入生消机制的导线覆冰风险等级预报方法不仅基于气象因素、还综合考虑电力设施杆塔高度、输电线路电压等级、导线宽度等因素，建立导线覆冰风险计算模型，根据模型计算结果，实现对输电线路覆冰综合风险的预报和预警。
Description
技术领域
本发明涉及一种应用气象技术，具体地说是一种引入生消机制的导线覆冰风险等级预报方法。
背景技术
近年来，能源保供越来越显现重要作用，而气象服务对能源保供有着关键作用。气象服务应保障人民生命安全和生产发展。电力是国民经济命脉，电力供需平衡、主配网稳定运行对电力气象灾害防御提出更加高效、精准的要求和更为紧迫的需求。
电网运营常受到灾害性天气影响，其中以导线覆冰和风偏灾害最为严重，常造成跳闸甚至大面积脱网。
由于我国的地形复杂多样，存在山地、丘陵、平原、沿海等多种地形地貌，不同的地形区域，电力高影响天气的种类也不尽相同：山地气候极端性强，多强降水、霜冻、雷电，沿海受系统性大风影响明显。地形和气象条件的多样化对气象服务的精细化和智能化程度有较高的要求。由于输电线路多架设于野外，受气象灾害的影响巨大，部分线路杆塔、变电站处于旷野、山区等人迹罕至的地区，一旦发生故障跳闸，将对电力生产运营尤其是设施维护检修造成了很大挑战。
然而，以往的灾害性天气预报预警几乎完全取决于气象条件，依照气象行业的标准和指标，而并没有考虑到电力方面的综合因素，也没有建立非常规气象要素的全自动模型阶段判别机制。
发明内容
本发明的目的就是提供一种引入生消机制的导线覆冰风险等级预报方法，以解决现有目前气象部门不能对电网导线覆冰进行预报的问题。
本发明是这样实现的：一种引入生消机制的导线覆冰风险等级预报方法，包括如下步骤：
a、用电网提供的覆冰灾害记录和气象要素资料、再分析资料建立覆冰个例历史资料库，筛选出覆冰高发年，利用覆冰高发年同期ERA5再分析资料中的格点温度、位势高度场数据，计算得到波动通量，并进行主成分客观分析，根据主成分客观分析的结果取前三个空间模态对流层高层环流场作为天气分类标准；
b、根据a步骤中天气分类标准，将a中计算的Plumb波动通量和位势高度场进行合成分析得到不同天气分类环流形势下的200hPa波动通量和位势高度场，以作为步骤c中覆冰阶段判别模型中雪水比分指标C1，2，3的计算标准；
c、步骤a、b确定了覆冰落区空间分布特征，在此基础上通过覆冰阶段判识模型和覆冰厚度计算模型确定落区内的覆冰厚度风险等级；
根据地形温度、降水和不同层次雪水比含量数据进行覆冰阶段判别：
G＝Tm，n×P×C1，2，3
其中，G为覆冰生消阶段判识指数，Tm，n代表不同地形下的温度分指标，P代表降水分指标，C1，2，3代表三种天气分型对应的雪水比分指标；
覆冰生消阶段判识指数G＝0表示覆冰处于消融阶段，G＝1表示覆冰处于增长阶段，0＜G＜1表示覆冰处于维持阶段；
d、建立覆冰厚度预报模型，即：
d1、当G＝1处于覆冰处于增长阶段，
当T×P＝1时，为雨凇覆冰，采用Jones覆冰模型：
公式中，为单位时间内雨凇覆冰增长量；ρi为冰的密度，单位：0.9g·cm-3；ρw为水的密度，单位1.0g·cm-3；P为降水强度，单位mm·h-1；V为风速，单位：m·s-1；
当T×P＝0时，为雾凇覆冰，采用Makkonen覆冰模型：
其中，为单位时间内雾凇覆冰增长量，w为液态含水量，单位：g·cm-3；α1为碰撞率；α2为收集率，α2＝1；α3为冻结率，α3＝0.7；α1利用液滴中值体积直径、导线直径D0、空气的密度和空气绝对粘度进行参数化；
d2、当G＝0覆冰处于融化阶段时，若当前时刻温度T大于0℃，则开始热力融冰阶段：
dMt＝-87-80T
若平原当前时刻温度Tm低于-10℃或山区当前时刻温度Tn低于-13℃，则开始升华脱冰阶段：
dMt＝-7
Mt＝Mt-1+dMt
其中，D0为导线直径，单位：mm；Mt和Mt-1为长度1m的导线在t和(t-1)时次的积冰重量，单位：g；bt代表t时次的标准冰厚，单位：mm；
e、通过覆冰厚度计算模型计算出M的数值序列，将风险指数分为4个等级：
当M＜5mm，5mm≤M＜10mm，10mm≤M＜15mm，M≥15mm时，导线覆冰风险等级分别对应1级，2级，3级，4级。
进一步地，本发明可以按如下技术方案实现：
在所述步骤c中，温度分指标T的公式如下：
其中，Tm表示平原地区、即海拔低于200m的温度，Tn表示高原山区、即海拔超过200m的温度。
在所述步骤c中，降水分指标P的公式如下：
其中，p为逐小时降水量。
在所述步骤c中，雪水比分指标C1，2，3的公式如下：
式中，k代表三种不同天气环流形势分型，p代表三个气压层，ck，p表示的是对应种类天气型对应层次上的雪水比含量；Type1中波动通量主要为纬向传播，因此取目标格点±5°E的平均作为判断依据，Type2中波动通量主要为经向传播，因此取目标格点±5°N的平均作为判断依据，Type3中波动通量为西北-东南向传播，因此取目标格点±5°N和±5°E的平均作为判断依据。
本发明的引入生消机制的导线覆冰风险等级预报方法不仅基于气象因素、还综合考虑电力设施杆塔高度、输电线路电压等级、导线宽度等因素，建立导线覆冰风险计算模型，根据模型计算结果，实现对输电线路覆冰综合风险的预报和预警。
本发明拟针对导线覆冰灾害，基于大量观测资料分析和机理研究，着力解决导线覆冰预报问题，在已有的导线覆冰机理模型基础上，引入生消机制，形成导线覆冰气象预报预警模型，并基于智能网格化气象实况和预报产品，形成高时空分辨率预警服务产品、融入电力气象服务业务，保障电网安全运行。
本发明将天气环流形势分型量化，利用波动通量将冷空气传播路径计算出来，并将逐日大气环流场分型合成分析，结合不同天气环流形势中雨雪要素空间分布特征以作为覆冰阶段判识标准，综合气象和电力因素，对不同地形、不同等级的电力设施进行区分，以温度、雪水比、降水量、风速等致灾因子建立覆冰生消阶段判识模型，并结合融冰条件得到非线性变化的覆冰厚度预报指数序列，再进行覆冰风险预报等级划分。该算法通过输入网格化地形数据、气象要素数据(气温、雪水比、降水量、风速)、导线宽度等数据，模型自动化判别和计算，实现了覆盖待测区域任意一点的覆冰厚度风险预报产品。
本发明的方法可以建立多源融合可视化电力气象服务平台，包括气象监测数据、气象预报预警、数值天气预报等信息，研发了高时空分辨率的新一代气象指数类、风险类服务产品，面向调控需求提供及时全面的气象预报预警信息和气象专家咨询服务。同时，提供用于负荷预测和新能源功率预测的数值天气预报等服务，用于OMS网页展示的气象数据库数据读取和实时气象信息上调控云服务。对提高气象服务产品的精细化、智能化显示水平具有重要的实用意义，并为电力负荷预测和指挥调度等业务工作提供强有力的支撑。
附图说明
图1是本发明的流程图。
图2是2015年波动通量主成分分析结果前三模态空间分布特征及解释方差；a图是第一空间模态，b图是第二空间模态，c图是第三空间模态，d图是解释方差。
图3是三类客观分析天气分型合成的200hPa波动通量和温度场的环流配置；a图是Type1天气分型合成结果，b图是Type2天气分型合成结果，c图是Type3天气分型合成结果。
图4是2015年11月反演的四条受影响线路覆冰厚度和温度时间变化曲线。
图5是本发明的风险等级预报图。
具体实施方式
本发明的引入生消机制的导线覆冰风险等级预报方法，包括如下步骤：
a、用电网提供的覆冰灾害记录和气象要素资料、再分析资料建立覆冰个例历史资料库，筛选出覆冰高发年，利用覆冰高发年同期(最新一代)ERA5再分析资料(该ERA5再分析资料为现有技术，可以从欧洲中期天气预报中心官方网站：https://cds.climate.copernicus.eu直接获取到)中的格点温度、位势高度场数据，利用现有的Plumb计算公式计算得到Plumb波动通量，并进行主成分客观分析(现有的主成分分析)，根据主成分客观分析的结果取前三个空间模态对流层高层环流场作为天气分类标准。
本发明可采用2015年10月至次年2月北半球对流层高层200hPa大气逐日三维空间格点中的波动通量场进行分类，其分类数量由解释方差进行评估确定。如图1所示，基于200hPa波动通量客观分型的评估结果，可以看到前3模态解释方差分别为40.36％、20.63％和13.12％，且其空间模态分布特征能较好地对应中国气象局定义的我国三条寒潮路径，可以作为分型依据。后两个模态解释方差不足10％忽略不计。
b、根据a步骤中天气分类标准，将a中计算的Plumb波动通量(每天不同类型的波动通量)和位势高度场进行合成分析(采用现有技术进行合成分析)得到不同天气分类环流形势下的200hPa波动通量和位势高度场，以作为覆冰阶段判别模型中雪水比分指标C1,2,3的计算标准。
图2是三类客观分析天气分型合成的200hPa波动通量和温度场的环流配置。在Type1天气分型合成结果中，对华北地区有影响的波动通量在绕开青藏高原后由西向东水平传播，且华北地区上空均处于冷气团控制；Type2冷气团由内蒙进入我国随后向南传播对华北地区造成影响，波动通量反应出冷气团的传播路径；Type3主要冷空气处于内蒙北部地区，华北南部有少许冷气团，对华北地区有影响的波动通量由西北向东南传播。北部冷空气在向南传播过程中与相对暖湿的气团交汇，易引发雨雪天气，对于高海拔地区的输电线路较易形成覆冰灾害。可见，合成分析结果能较好地总结出天气环流形势分型概念模型。
图3是三类客观分析天气分型合成的200hPa波动通量和温度场的环流配置；a图是Type1天气分型合成结果，b图是Type2天气分型合成结果，c图是Type3天气分型合成结果。
c、步骤a、b确定了覆冰落区空间分布特征，在此基础上通过覆冰阶段判识模型和覆冰厚度计算模型确定落区内的覆冰厚度风险等级。
用电网提供的覆冰灾害记录和气象要素资料、再分析资料建立覆冰个例历史资料库，并针对不同天气环流形势分型结果建立覆冰阶段判识模型。
根据地形温度、降水和不同层次雪水比含量数据进行覆冰阶段判别：
G＝Tm，n×P×C1，2，3
其中，G为覆冰生消阶段判识指数，Tm，n代表不同地形下的温度分指标，P代表降水分指标，C1，2，3代表三种天气分型对应的雪水比分指标；
按照覆冰生消阶段判识模型，根据地形、温度、降水和雪水比，即可得到覆冰生消阶段判识指数G，覆冰生消阶段判识指数G＝0表示覆冰处于消融阶段，G＝1表示覆冰处于增长阶段，0＜G＜1表示覆冰处于维持阶段。
具体地说，温度分指标T的公式如下：
其中，Tm表示平原地区、即海拔低于200m的温度，Tn表示高原山区、即海拔超过200m的温度。
降水分指标P的公式如下：
其中，p为逐小时降水量。
雪水比分指标C1，2，3的公式如下：
式中，k代表三种不同天气环流形势分型，p代表三个气压层，ck，p表示的是对应种类天气型对应层次上的雪水比含量；Type1中波动通量主要为纬向传播，因此取目标格点±5°E的平均作为判断依据，Type2中波动通量主要为经向传播，因此取目标格点±5°N的平均作为判断依据，Type3中波动通量为西北-东南向传播，因此取目标格点±5°N和±5°E的平均作为判断依据。
d、建立覆冰厚度预报模型，即：
d1、当G＝1处于覆冰处于增长阶段，
当T×P＝1时，为雨凇覆冰，采用Jones覆冰模型：
公式中，为单位时间内雨凇覆冰增长量；ρi为冰的密度，单位：0.9g·cm-3；ρw为水的密度，单位1.0g·cm-3；P为降水强度，单位mm·h-1；V为风速，单位：m·s-1；
当T×P＝0时，为雾凇覆冰，采用Makkonen覆冰模型：
其中，为单位时间内雾凇覆冰增长量，w为液态含水量，单位：g·cm-3；α1为碰撞率；α2为收集率，α2＝1；α3为冻结率，α3＝0.7；α1根据Finstad等方案，利用液滴中值体积直径、导线直径D0、空气的密度和空气绝对粘度进行参数化。
d2、当G＝0覆冰处于融化阶段时，若当前时刻温度T大于0℃，则开始热力融冰阶段：
dMt＝-87-80T
若平原当前时刻温度Tm低于-10℃或山区当前时刻温度Tn低于-13℃，则开始升华脱冰阶段：
dMt＝-7
Mt＝Mt-1+dMt
其中，D0为导线直径，单位：mm；Mt和Mt-1为长度1m的导线在t和(t-1)时次的积冰重量，单位：g；bt代表t时次的标准冰厚，单位：mm。
图4是2015年11月反演的四条受影响线路覆冰厚度和温度时间变化曲线。由步骤d覆冰厚度预报模型计算得到逐小时的标准冰厚增长量和脱落量，再提取受影响线路经纬度上的冰厚数值，从而得到随时间演变的覆冰厚度曲线。
e、通过覆冰厚度计算模型计算出M的数值序列，根据电网提供的导线覆冰风险等级划分标准，将风险指数分为4个等级：
当M＜5mm，5mm≤M＜10mm，10mm≤M＜15mm，M≥15mm时，导线覆冰风险等级分别对应1级，2级，3级，4级。根据各个地区的风险等级绘制出覆冰厚度风险等级预报图，如图5所示。
Claims (4)
1.一种引入生消机制的导线覆冰风险等级预报方法，其特征是，包括如下步骤：
a、用电网提供的覆冰灾害记录和气象要素资料、再分析资料建立覆冰个例历史资料库，筛选出覆冰高发年，利用覆冰高发年同期ERA5再分析资料中的格点温度、位势高度场数据，计算得到波动通量，并进行主成分客观分析，根据主成分客观分析的结果取前三个空间模态对流层高层环流场作为天气分类标准；
b、根据a步骤中天气分类标准，将a中计算的Plumb波动通量和位势高度场进行合成分析得到不同天气分类环流形势下的200hPa波动通量和位势高度场，以作为步骤c中覆冰阶段判别模型中雪水比分指标C1,2,3的计算标准；
c、步骤a、b确定了覆冰落区空间分布特征，在此基础上通过覆冰阶段判识模型和覆冰厚度计算模型确定落区内的覆冰厚度风险等级；
根据地形温度、降水和不同层次雪水比含量数据进行覆冰阶段判别：
G＝Tm,n×P×C1,2,3
其中，G为覆冰生消阶段判识指数，Tm,n代表不同地形下的温度分指标，P代表降水分指标，C1,2,3代表三种天气分型对应的雪水比分指标；
覆冰生消阶段判识指数G＝0表示覆冰处于消融阶段，G＝1表示覆冰处于增长阶段，0<G<1表示覆冰处于维持阶段；
d、建立覆冰厚度预报模型，即：
d1、当G＝1处于覆冰处于增长阶段，
当T×P＝1时，为雨凇覆冰，采用Jones覆冰模型：
公式中，为单位时间内雨凇覆冰增长量；ρi为冰的密度，单位：0.9g·cm-3；ρw为水的密度,单位1.0g·cm-3；P为降水强度，单位mm·h-1；V为风速，单位：m·s-1；
当T×P＝0时，为雾凇覆冰，采用Makkonen覆冰模型：
其中,为单位时间内雾凇覆冰增长量,w为液态含水量，单位：g·cm-3；α1为碰撞率；α2为收集率，α2＝1；α3为冻结率，α3＝0.7；α1利用液滴中值体积直径、导线直径D0、空气的密度和空气绝对粘度进行参数化；
d2、当G＝0覆冰处于融化阶段时，若当前时刻温度T大于0℃，则开始热力融冰阶段：
dMt＝-87-80T
若平原当前时刻温度Tm低于-10℃或山区当前时刻温度Tn低于-13℃，则开始升华脱冰阶段：
dMt＝-7
Mt＝Mt-1+dMt
其中，D0为导线直径，单位：mm；Mt和Mt-1为长度1m的导线在t和(t-1)时次的积冰重量，单位：g；bt代表t时次的标准冰厚，单位：mm；
e、通过覆冰厚度计算模型计算出M的数值序列，将风险指数分为4个等级：
当M＜5mm，5mm≤M＜10mm，10mm≤M＜15mm，M≥15mm时，导线覆冰风险等级分别对应1级，2级，3级，4级。
2.根据权利要求1所述的引入生消机制的导线覆冰风险等级预报方法，其特征是，在所述步骤c中，温度分指标T的公式如下：
其中，Tm表示平原地区、即海拔低于200m的温度，Tn表示高原山区、即海拔超过200m的温度。
3.根据权利要求1所述的引入生消机制的导线覆冰风险等级预报方法，其特征是，在所述步骤c中，降水分指标P的公式如下：
其中,p为逐小时降水量。
4.根据权利要求1所述的引入生消机制的导线覆冰风险等级预报方法，其特征是，在所述步骤c中，雪水比分指标C1,2,3的公式如下：
式中，k代表三种不同天气环流形势分型，p代表三个气压层，ck,p表示的是对应种类天气型对应层次上的雪水比含量；Type1中波动通量主要为纬向传播，因此取目标格点±5°E的平均作为判断依据，Type2中波动通量主要为经向传播，因此取目标格点±5°N的平均作为判断依据，Type3中波动通量为西北-东南向传播，因此取目标格点±5°N和±5°E的平均作为判断依据。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310041173.7A CN116341704B (zh) | 2023-01-12 | 2023-01-12 | 一种引入生消机制的导线覆冰风险等级预报方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310041173.7A CN116341704B (zh) | 2023-01-12 | 2023-01-12 | 一种引入生消机制的导线覆冰风险等级预报方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116341704A CN116341704A (zh) | 2023-06-27 |
| CN116341704B true CN116341704B (zh) | 2023-09-12 |
Family
ID=86886518
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310041173.7A Active CN116341704B (zh) | 2023-01-12 | 2023-01-12 | 一种引入生消机制的导线覆冰风险等级预报方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116341704B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102156793A (zh) * | 2011-05-05 | 2011-08-17 | 中国电力工程顾问集团西南电力设计院 | 一种输电线路覆冰等级划分系统 |
| CN104578061A (zh) * | 2015-01-26 | 2015-04-29 | 国家电网公司 | 一种架空输电线路导线设计冰厚的预估方法 |
| CN105631115A (zh) * | 2015-12-25 | 2016-06-01 | 国网浙江省电力公司丽水供电公司 | 输电线路精细化覆冰模型建立方法 |
| CN110210002A (zh) * | 2019-05-21 | 2019-09-06 | 国网湖北省电力有限公司 | 一种输电线覆冰预警算法 |
| CN112114384A (zh) * | 2020-08-27 | 2020-12-22 | 中国南方电网有限责任公司超高压输电公司检修试验中心 | 一种输电线覆冰发生概率预报方法 |
| CN112446535A (zh) * | 2020-11-10 | 2021-03-05 | 中国南方电网有限责任公司超高压输电公司检修试验中心 | 基于覆冰类型判别的输电线路覆冰厚度预报方法及装置 |
-
2023
- 2023-01-12 CN CN202310041173.7A patent/CN116341704B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102156793A (zh) * | 2011-05-05 | 2011-08-17 | 中国电力工程顾问集团西南电力设计院 | 一种输电线路覆冰等级划分系统 |
| CN104578061A (zh) * | 2015-01-26 | 2015-04-29 | 国家电网公司 | 一种架空输电线路导线设计冰厚的预估方法 |
| CN105631115A (zh) * | 2015-12-25 | 2016-06-01 | 国网浙江省电力公司丽水供电公司 | 输电线路精细化覆冰模型建立方法 |
| CN110210002A (zh) * | 2019-05-21 | 2019-09-06 | 国网湖北省电力有限公司 | 一种输电线覆冰预警算法 |
| CN112114384A (zh) * | 2020-08-27 | 2020-12-22 | 中国南方电网有限责任公司超高压输电公司检修试验中心 | 一种输电线覆冰发生概率预报方法 |
| CN112446535A (zh) * | 2020-11-10 | 2021-03-05 | 中国南方电网有限责任公司超高压输电公司检修试验中心 | 基于覆冰类型判别的输电线路覆冰厚度预报方法及装置 |
Non-Patent Citations (1)
| Title |
|---|
| 基于常规气象资料的小时标准冰厚模型及验证;邓芳萍 等;《应用气象学报》;第第28卷卷(第第2期期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116341704A (zh) | 2023-06-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| López-Moreno et al. | Effects of climate change on the intensity and frequency of heavy snowfall events in the Pyrenees | |
| Fikke et al. | COST 727: atmospheric icing on structures: measurements and data collection on icing: state of the art | |
| CN109800905A (zh) | 山地环境微地形微气象影响的输电线路覆冰分析方法 | |
| Dierer et al. | Wind turbines in icing conditions: performance and prediction | |
| Hegdahl et al. | An event-based approach to explore selected present and future atmospheric river–induced floods in Western Norway | |
| CN108334983A (zh) | 基于gis和dem的广西输电线路覆冰预报与评估方法 | |
| CN116189446A (zh) | 一种山区公路冰雪天气全天候通行综合治理方法及系统 | |
| Engeset et al. | Snow map system for Norway | |
| Wang et al. | Contrasting pre-Mei-Yu and Mei-Yu extreme precipitation in the Yangtze River valley: Influencing systems and precipitation mechanisms | |
| Toms et al. | Usage of existing meteorological data networks for parameterized road ice formation modeling | |
| CN113313289B (zh) | 一种基于多数据源的电网气象预警系统 | |
| CN116341704B (zh) | 一种引入生消机制的导线覆冰风险等级预报方法 | |
| CN113313342A (zh) | 多种自然灾害引发电网设备故障概率分析方法和系统 | |
| Arbez et al. | Development and validation of an ice prediction model for wind farms | |
| Van Peursem et al. | Validation of a coupled weather and snowpack model across western Montana | |
| CN118469553B (zh) | 基于多源气象数据的输电线路缺陷隐患预测方法及系统 | |
| Jones et al. | The development of the map of extreme ice loads for ASCE Manual 74 | |
| Pirovano et al. | Combining meteorological and electrical engineering expertise to solve energy management problems | |
| CN117075228A (zh) | 一种基于前一日地面气象要素和探空图的大雾预报方法 | |
| Morin et al. | The mountain component of the Copernicus Climate Change Services–Sectoral Information Service “European Tourism”: towards pan-European analysis and projections of natural and managed snow conditions | |
| CN114626578B (zh) | 一种利用人工智能预报冻雨的方法 | |
| Laurinavičius et al. | Data analysis and evaluation of road weather information system integrated in Lithuania | |
| Ensslin et al. | Wind power integration in power plant scheduling schemes | |
| CN118469553A (zh) | 基于多源气象数据的输电线路缺陷隐患预测方法及系统 | |
| Carpenter et al. | Weather information for Smart Grids |
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 |