CN117852425A - 龙卷风灾害下线路韧性评估方法、设备及介质 - Google Patents
龙卷风灾害下线路韧性评估方法、设备及介质 Download PDFInfo
- Publication number
- CN117852425A CN117852425A CN202311568676.6A CN202311568676A CN117852425A CN 117852425 A CN117852425 A CN 117852425A CN 202311568676 A CN202311568676 A CN 202311568676A CN 117852425 A CN117852425 A CN 117852425A
- Authority
- CN
- China
- Prior art keywords
- tornado
- wind speed
- power transmission
- calculating
- toughness
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000009826 distribution Methods 0.000 claims abstract description 56
- 230000005540 biological transmission Effects 0.000 claims abstract description 53
- 238000005070 sampling Methods 0.000 claims abstract description 18
- 238000011156 evaluation Methods 0.000 claims abstract description 16
- 238000004364 calculation method Methods 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 5
- 238000009827 uniform distribution Methods 0.000 claims description 3
- 238000000342 Monte Carlo simulation Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 4
- 238000012502 risk assessment Methods 0.000 description 4
- 238000012614 Monte-Carlo sampling Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012038 vulnerability analysis Methods 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种龙卷风灾害下线路韧性评估方法,涉及输电线路风险评估技术领域,用于填补现有技术缺少对龙卷风进行输电线路风险评估的空白,该方法包括以下步骤:根据历史数据计算参数概率分布;根据参数概率分布生成龙卷风路径,并构建输电线路和龙卷风的位置关系;风场模型,计算输电线路处点位风速;建立输电线路的各元件易损性曲线,并根据风速计算输电线路元件故障概率;根据所述元件故障概率计算单条线路的故障概率,通过蒙特卡洛状态抽样法,结合韧性评估指标计算得到韧性评估结果。本发明还公开了一种龙卷风灾害下线路韧性评估电子设备和计算机存储介质。本发明通过蒙特卡洛法有效估计龙卷风灾害下输电线路韧性。
Description
技术领域
本发明涉及一种输电线路风险评估技术领域,尤其涉及一种基于蒙特卡洛法的龙卷风灾害下的输电线路韧性评估方法、设备及介质。
背景技术
虽然的龙卷风影响范围较狭窄,但其风速大、破坏力强,容易造成输电线路断线、倒塔等机械过载事故,龙卷风产生时会严重危害输电线路的安全稳定运行。近年来,由于极端天气频率、强度均有所增强,龙卷风等强对流灾害导致线路机械故障的频率越来越高。由于全面提高输电线路整体设防标准的成本极高,因此,亟需一种对此类灾害进行风险评估的方法,以便于进行及时的风险防范。
发明内容
为了克服现有技术的不足,本发明的目的之一在于提供一种龙卷风灾害下线路韧性评估方法,其通过历史数据与线路易损性分析线路故障概率,进而过蒙特卡洛状态抽样法估计输电线路韧性。
本发明的目的之一采用以下技术方案实现:
一种龙卷风灾害下线路韧性评估方法,包括以下步骤:
接收龙卷风历史数据,并根据所述历史数据计算龙卷风参数概率分布;
根据所述参数概率分布生成龙卷风路径,并构建输电线路和龙卷风的位置关系;
构建龙卷风风场模型,根据所述风场模型,计算所述输电线路处点位风速;
建立所述输电线路的各元件易损性曲线,并根据所述风速计算输电线路元件故障概率;
根据所述元件故障概率计算单条线路的故障概率,通过蒙特卡洛状态抽样法,结合韧性评估指标计算得到韧性评估结果。
进一步地,接收龙卷风历史数据,并根据所述历史数据计算龙卷风参数概率分布,包括:计算龙卷风年频次概率分布,空间概率分布、移动方向概率分布,强度概率分布、路径长度与强度关系,得到所述龙卷风参数概率分布。
进一步地,所述龙卷风年频次概率NTor分布服从负二项分布,满足:
其中j、k为通过历史数据拟合获得的计算参数;
所述空间概率分布通过双变量核密度估计计算得到,满足:
其中,x和y是模拟的龙卷风产生位置的经度和纬度,μx和μy是历史龙卷风产生位置的经度和纬度,hx和hy分别是经向和纬向的带宽,ρ是相关系数;
所述移动方向θ概率分布通过核密度估计计算得到,满足:
其中,θ是模拟的龙卷风移动方向,μθ为历史龙卷风的移动方向,hθ为移动方向的带宽;
所述强度I概率分布通过韦布尔分布计算得到,满足:
其中,αI、αI为形状参数,μI为龙卷风强度的统计平均值;
所述路径长度l与强度关系通过韦布尔分布计算得到,满足:
其中,μl为路径长度的统计平均值。
进一步地,所述龙卷风风场模型为Wen半经验风场模型,满足:
其中,z为目标点离地面高度,δ为对应目标点的边界层厚度,vT为切向风速,vR为径向风速,vW为竖向风速,vmax为最大切向风速,满足:vmax=6.3×(I+2)1.5,I为龙卷风强度,r为无量纲的距离参数,b和η为计算参数。
进一步地,根据所述风场模型计算点位风速v(r),所述点位风速v(r)通过切向、径向及竖向风速计算得到,满足:
进一步地,计算所述输电线路处点位风速,满足:
根据所述龙卷风路径的数据,生成龙卷风轨迹;
计算输电线路元件距离所述龙卷风轨迹最小距离di;
根据所述最小距离,通过所述风场模型得到所述输电线路处点位风速vi,满足:
其中,rm为最大风速半径,vm为最大风速半径处风速。
进一步地,建立所述输电线路的各元件易损性曲线,并根据所述风速计算输电线路元件故障概率,包括:
通过有限元分析建立所述输电线路的各元件易损性曲线;
根据所述易损性曲线获得风速vi下元件发生损坏概率pi。
进一步地,根据所述故障概率,通过蒙特卡洛状态抽样法,结合韧性评估指标计算得到韧性评估结果,包括:
通过蒙特卡洛状态抽样法获得单次龙卷风位置、强度及路径参数;
计算单条线路的故障概率p,满足:p=1-∏(1-pi),pi为风速vi下元件发生损坏概率;
根据均匀分布生成随机数a,若p≤a,则判断未发生故障,记线路韧性值为1;若p>a,则判断线路为故障,计算该次的线路韧性值,韧性评估指标Ri满足:
其中,LN为负荷情况基准值,LD为系统在龙卷风灾害影响下系统实际运行状态曲线,t0为灾害发生时刻,t4为故障系统恢复到正常状态的时刻。
本发明的目的之二在于提供执行发明目的之一的电子设备,其包括处理器、存储介质以及计算机程序,所述计算机程序存储于存储介质中,所述计算机程序被处理器执行时实现上述的龙卷风灾害下线路韧性评估方法。
本发明的目的之三在于提供存储发明目的之一的计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述的龙卷风灾害下线路韧性评估方法。
相比现有技术,本发明的有益效果在于:
本发明提供一种针对龙卷风灾害下的输电线路风险评估方法,以填补对此类强对流灾害下输电线路风险评估的空白,通过龙卷风的历史数据逐步构建输电线路和龙卷风的关系并评估故障概率,结合蒙特卡洛状态抽样法实现了输电线路龙卷风灾害下的韧性评估,为输电线路应对龙卷风灾害预防措施的采取提供了依据。
附图说明
图1是实施例一的龙卷风灾害下线路韧性评估方法的流程图;
图2是实施例一的龙卷风轨迹示意图;
图3是实施例一的韧性示意图;
图4是实施例二的电子设备的结构框图。
具体实施方式
以下将结合附图,对本发明进行更为详细的描述,需要说明的是,以下参照附图对本发明进行的描述仅是示意性的,而非限制性的。各个不同实施例之间可以进行相互组合,以构成未在以下描述中示出的其他实施例。
实施例一
实施例一提供了一种龙卷风灾害下线路韧性评估方法,旨在通过蒙特卡洛抽样方法,基于龙卷风历史数据统计、杆塔易损性分析及负荷损失评估输电线路的韧性。
请参照图1所示,一种龙卷风灾害下线路韧性评估方法,包括以下步骤:
S1、接收龙卷风历史数据,并根据所述历史数据计算龙卷风参数概率分布;
S1中龙卷风历史数据的来源本实施例不作限定,具体历史数据可以根据后续分析的需求,选择所需要的龙卷风历史数据。
上述的概率分布具体包括:龙卷风年频次概率分布,空间概率分布、移动方向概率分布,强度概率分布、路径长度与强度关系。其中年频次发生概率、龙卷风强度、龙卷风移动方向概率分布相关独立。
龙卷风年频次概率NTor分布服从负二项分布,满足:
其中j、k为通过历史数据拟合获得的计算参数,j>0,0<k≤1。
空间概率分布通过双变量核密度估计(KDE)计算得到,分布函数取二维正态分布:
其中,x和y是模拟的龙卷风产生位置的经度和纬度,μx和μy是历史龙卷风产生位置的经度和纬度,hx和hy分别是经向和纬向的带宽,ρ是相关系数;
由于假设未来龙卷风的产生位置在经纬方向上偏离过去观测到的位置的概率相同,并且两个方向之间不存在相关性,所以h=hx=hy,且ρ=0。h根据样本情况选取,此处给出正态分布下的一种选取方式作为参考:
h=1.06σn-1/5,
其中n为样本量,σ为样本方差。
移动方向θ概率分布通过核密度估计计算得到,满足:
其中,θ是模拟的龙卷风移动方向,μθ为历史龙卷风的移动方向,hθ为移动方向的带宽,根据样本情况选取;
所述强度I概率分布通过韦布尔(Weibull)分布计算得到,满足:
其中,αI、βI为形状参数,通过历史数据拟合获得,μI为龙卷风强度的统计平均值;
记录时龙卷风强度以F-scale方式记录,由于F-scale为离散变量,韦布尔分布中I应为连续变量,因此拟合时,实际F-Scale代表的概率为I值范围中点,F0对应为I=0.5;F1对应为I=1.5;F2对应为I=2.5;F3对应为I=3.5。模拟时,随机抽样得到的I值,根据其所属区间判断F-Scale强度等级,如当K∈[0,1),为F0级;K∈[1,2),为F1级,以此类推,最高到F5级。
龙卷风风路径长度概率分布与龙卷风强度有关,不同强度龙卷风路径长度均符合韦布尔分布,满足:
其中,μl为路径长度的统计平均值。对于不同等级的龙卷风参数不同,需分别进行计算。较高强度龙卷风数据量不足时,可与次一等级强度合并拟合。
S2、根据所述参数概率分布生成龙卷风路径,并构建输电线路和龙卷风的位置关系;
S1中可以获得龙卷风发生点位、方向以及路径长度,据此可以得到龙卷风轨迹,根据轨迹可以自然而然地得到上述的位置关系,具体龙卷风轨迹会在后续说明中加以阐述。
S3、构建龙卷风风场模型,根据所述风场模型,计算所述输电线路处点位风速;
上述龙卷风风场模型为Wen半经验风场模型,满足:
其中,z为目标点离地面高度,δ为对应目标点的边界层厚度,vT为切向风速,vR为径向风速,vW为竖向风速,vmax为最大切向风速,可通过龙卷风强度I估算获得,满足:vmax=6.3×(I+2)1.5,I为龙卷风强度,r为无量纲的距离参数,r=r0/rm,r0为模拟点距离龙卷风中心的距离,rm为最大风速半径,参考核电厂安全重要土建结构抗龙卷风设计规定(NB/T20360-2015)取45.7m;b和η为计算参数,b=1.2e-0.8r4;公式中相关参数η满足η=z/δ。龙卷风边界层厚度δ满足:
δ0为r>>1处的大气层边界层厚度,取425m。
点位风速v(r)通过切向、径向及竖向风速计算得到,满足:
输电线路点位风速的计算包括:
根据所述龙卷风路径的数据,生成龙卷风轨迹;
龙卷风轨迹图请参照图2所示。
计算输电线路元件(ai,bi)距离龙卷风轨迹最小距离di;
最小距离的计算包括:
假设抽样获得的龙卷风点位为(x1,y1),则(x1,y1)为龙卷风路径起始点,(x2,y2)为路径终点,l为路径长度,θ为风向角,则起终点之间满足如下关系:
x2=x1+lcosθ,
y2=y1+lsinθ。
元件至龙卷风轨迹的最小距离di为:
di代入至风场模型中可获得点位风速vi:
其中,rm为最大风速半径,vm为最大风速半径处风速。
S4、建立所述输电线路的各元件易损性曲线,并根据所述风速计算输电线路元件故障概率;
S4包括:
通过有限元分析建立所述输电线路的各元件易损性曲线;
输电线路各元件易损性曲线可由有限元等力学分析方法获取,有限元和易损性曲线属于常规的现有技术,本实施例不对其原理加以展开赘述。
根据所述易损性曲线获得风速vi下元件发生损坏概率pi。
S5、根据所述元件故障概率计算单条线路的故障概率,通过蒙特卡洛状态抽样法,结合韧性评估指标计算得到韧性评估结果。
S5具体包括通过蒙特卡洛状态抽样法获得单次龙卷风位置、强度及路径参数;
单条线路发生故障的概率满足串联关系,计算单条线路的故障概率p,满足:p=1-∏(1-pi),pi为风速vi下元件发生损坏概率;
请参照图3所示的韧性示意图,图中深色区域为A2区域,浅色部分为A1区域,设置研究年限为N,利用蒙特卡洛状态抽样法抽样获得N年每年的龙卷风发生次数k,进一步抽样获得单次龙卷风位置、强度及路径参数,根据均匀分布生成随机数a,若p≤a,则判断未发生故障,记线路韧性值为1;若p>a,则判断线路为故障,计算该次的线路韧性值,韧性评估指标Ri满足:
其中,LN为负荷情况基准值,即系统正常运行时系统总负荷量,LD为系统在龙卷风灾害影响下系统实际运行状态曲线,可从实际运行数据获得,t0为灾害发生时刻,t2为系统处于降级状态运行的初始时刻,t3为系统结束降级状态且开始恢复的时刻,t4为故障系统恢复到正常状态的时刻,线路负荷Q可从实际运行数据获得。最终的韧性结果以多次抽样后输电线路韧性均值表示。
需要说明的是,本实施例所描述的方法也可适用于与龙卷风类似的强对流灾害评估,并不仅限于龙卷风灾害评估。
实施例二
图4为本发明实施例二提供的一种电子设备的结构示意图,如图4所示,该电子设备包括处理器210、存储器220、输入装置230和输出装置240;计算机设备中处理器210的数量可以是一个或多个,图4中以一个处理器210为例;电子设备中的处理器210、存储器220、输入装置230和输出装置240可以通过总线或其他方式连接,图4中以通过总线连接为例。
存储器220作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块。处理器210通过运行存储在存储器220中的软件程序、指令以及模块,从而执行电子设备的各种功能应用以及数据处理,即实现上述实施例一的龙卷风灾害下线路韧性评估方法。
存储器220可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序;存储数据区可存储根据终端的使用所创建的数据等。此外,存储器220可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中,存储器220可进一步包括相对于处理器210远程设置的存储器,这些远程存储器可以通过网络连接至电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置230可用于接收输入的用户身份信息、龙卷风统计数据等。输出装置240可包括显示屏等显示设备。
实施例三
本发明实施例三还提供一种包含计算机可执行指令的存储介质,该存储介质可用于计算机执行龙卷风灾害下线路韧性评估方法,该方法包括:
接收龙卷风历史数据,并根据所述历史数据计算龙卷风参数概率分布;
根据所述参数概率分布生成龙卷风路径,并构建输电线路和龙卷风的位置关系;
构建龙卷风风场模型,根据所述风场模型,计算所述输电线路处点位风速;
建立所述输电线路的各元件易损性曲线,并根据所述风速计算输电线路元件故障概率;
根据所述元件故障概率计算单条线路的故障概率,通过蒙特卡洛状态抽样法,结合韧性评估指标计算得到韧性评估结果。
当然,本发明实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的方法操作,还可以执行本发明任意实施例所提供的基于龙卷风灾害下线路韧性评估方法中的相关操作。
通过以上关于实施方式的描述,所属领域的技术人员可以清楚地了解到,本发明可借助软件及必需的通用硬件来实现,当然也可以通过硬件实现,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等,包括若干指令用以使得一台电子设备(可以是手机,个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
对本领域的技术人员来说,可根据以上描述的技术方案以及构思,做出其它各种相应的改变以及形变,而所有的这些改变以及形变都应该属于本发明权利要求的保护范围之内。
Claims (10)
1.一种龙卷风灾害下线路韧性评估方法,其特征在于,包括以下步骤:
接收龙卷风历史数据,并根据所述历史数据计算龙卷风参数概率分布;
根据所述参数概率分布生成龙卷风路径,并构建输电线路和龙卷风的位置关系;
构建龙卷风风场模型,根据所述风场模型,计算所述输电线路处点位风速;
建立所述输电线路的各元件易损性曲线,并根据所述风速计算输电线路元件故障概率;
根据所述元件故障概率计算单条线路的故障概率,通过蒙特卡洛状态抽样法,结合韧性评估指标计算得到韧性评估结果。
2.如权利要求1所述的龙卷风灾害下线路韧性评估方法,其特征在于,接收龙卷风历史数据,并根据所述历史数据计算龙卷风参数概率分布,包括:计算龙卷风年频次概率分布,空间概率分布、移动方向概率分布,强度概率分布、路径长度与强度关系,得到所述龙卷风参数概率分布。
3.如权利要求2所述的龙卷风灾害下线路韧性评估方法,其特征在于,所述龙卷风年频次概率NTor分布服从负二项分布,满足:
其中j、k为通过历史数据拟合获得的计算参数;
所述空间概率分布通过双变量核密度估计计算得到,满足:
其中,x和y是模拟的龙卷风产生位置的经度和纬度,μx和μy是历史龙卷风产生位置的经度和纬度,hx和hy分别是经向和纬向的带宽,ρ是相关系数;
所述移动方向θ概率分布通过核密度估计计算得到,满足:
其中,θ是模拟的龙卷风移动方向,μθ为历史龙卷风的移动方向,hθ为移动方向的带宽;
所述强度I概率分布通过韦布尔分布计算得到,满足:
其中,αI、βI为形状参数,μI为龙卷风强度的统计平均值;
所述路径长度l与强度关系通过韦布尔分布计算得到,满足:
其中,μl为路径长度的统计平均值。
4.如权利要求1所述的龙卷风灾害下线路韧性评估方法,其特征在于,所述龙卷风风场模型为Wen半经验风场模型,满足:
z≥δ,
z<δ,
其中,z为目标点离地面高度,δ为对应目标点的边界层厚度,vT为切向风速,vR为径向风速,vW为竖向风速,vmax为最大切向风速,满足:vmax=6.3×(I+2)1.5,I为龙卷风强度,r为无量纲的距离参数,b和η为计算参数。
5.如权利要求4所述的龙卷风灾害下线路韧性评估方法,其特征在于,根据所述风场模型计算点位风速v(r),所述点位风速v(r)通过切向、径向及竖向风速计算得到,满足:
6.如权利要求1或5所述的龙卷风灾害下线路韧性评估方法,其特征在于,计算所述输电线路处点位风速,包括:
根据所述龙卷风路径的数据,生成龙卷风轨迹;
计算输电线路元件距离所述龙卷风轨迹最小距离di;
根据所述最小距离,通过所述风场模型得到所述输电线路处点位风速vi,满足:
其中,rm为最大风速半径,vm为最大风速半径处风速。
7.如权利要求1所述的龙卷风灾害下线路韧性评估方法,其特征在于,建立所述输电线路的各元件易损性曲线,并根据所述风速计算输电线路元件故障概率,包括:
通过有限元分析建立所述输电线路的各元件易损性曲线;
根据所述易损性曲线获得风速vi下元件发生损坏概率pi。
8.如权利要求1所述的龙卷风灾害下线路韧性评估方法,其特征在于,根据所述故障概率,通过蒙特卡洛状态抽样法,结合韧性评估指标计算得到韧性评估结果,包括:
通过蒙特卡洛状态抽样法获得单次龙卷风位置、强度及路径参数;
计算单条线路的故障概率p,满足:p=1-∏(1-pi),pi为风速vi下元件发生损坏概率;
根据均匀分布生成随机数a,若p≤a,则判断未发生故障,记线路韧性值为1;若p>a,则判断线路为故障,计算该次的线路韧性值,韧性评估指标Ri满足:
其中,LN为负荷情况基准值,LD为系统在龙卷风灾害影响下系统实际运行状态曲线,t0为灾害发生时刻,t4为故障系统恢复到正常状态的时刻。
9.一种电子设备,其包括处理器、存储介质以及计算机程序,所述计算机程序存储于存储介质中,其特征在于,所述计算机程序被处理器执行时实现权利要求1至8任一项所述的龙卷风灾害下线路韧性评估方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至8任一项所述的龙卷风灾害下线路韧性评估方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311568676.6A CN117852425A (zh) | 2023-11-22 | 2023-11-22 | 龙卷风灾害下线路韧性评估方法、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311568676.6A CN117852425A (zh) | 2023-11-22 | 2023-11-22 | 龙卷风灾害下线路韧性评估方法、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117852425A true CN117852425A (zh) | 2024-04-09 |
Family
ID=90530860
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311568676.6A Pending CN117852425A (zh) | 2023-11-22 | 2023-11-22 | 龙卷风灾害下线路韧性评估方法、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117852425A (zh) |
-
2023
- 2023-11-22 CN CN202311568676.6A patent/CN117852425A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Eads et al. | Spectral shape metrics and structural collapse potential | |
Eads et al. | An efficient method for estimating the collapse risk of structures in seismic regions | |
US20170261646A1 (en) | Self-correcting multi-model numerical rainfall ensemble forecasting method | |
KR102468316B1 (ko) | 과거 데이터에 기초한 시계열 예측 방법 및 장치 | |
Van Verseveld et al. | Modelling multi-hazard hurricane damages on an urbanized coast with a Bayesian Network approach | |
CN103366123B (zh) | 基于缺陷分析的软件风险评估方法 | |
Nishijima et al. | A preliminary impact assessment of typhoon wind risk of residential buildings in Japan under future climate change | |
CN107451338A (zh) | 一种基于有限元的分布随机动载荷识别方法 | |
US20160154061A1 (en) | Method of assessing risk of power system with high penetration of wind power | |
CN103020423A (zh) | 基于copula函数获取风电场出力相关特性的方法 | |
CN104599023A (zh) | 台风天气输电线路时变可靠性计算方法及风险评估系统 | |
CN114493052B (zh) | 多模型融合自适应新能源功率预测方法和系统 | |
CN114966233A (zh) | 基于深度神经网络的雷电预报系统及方法 | |
CN113537846B (zh) | 基于气象灾害的输配电线路杆塔的风险分析方法及系统 | |
Meng et al. | Tropical cyclone intensity probabilistic forecasting system based on deep learning | |
CN112949201B (zh) | 一种风速预测方法、装置、电子设备及存储介质 | |
CN116383708B (zh) | 一种交易账号的识别方法及装置 | |
CN117852425A (zh) | 龙卷风灾害下线路韧性评估方法、设备及介质 | |
US8428878B2 (en) | Lightning strike simulation apparatus, method thereof, and program | |
CN115980885A (zh) | 基于集合预报的降水预报偏差校正方法 | |
CN107832893A (zh) | 基于logistic的台风下输变电设备损毁概率预测方法及装置 | |
CN115456325A (zh) | 一种用于非煤矿山的灾害设防能力的分析方法 | |
CN114118685A (zh) | 一种评估配电网抗灾能力的方法及系统 | |
CN113408816A (zh) | 一种基于深度神经网络的电网灾情评估方法 | |
CN113553754A (zh) | 存储器、火灾风险预测模型构建方法、系统和装置 |
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 |