CN117929861A - 一种风电场的雷电检测方法、装置、设备及存储介质 - Google Patents
一种风电场的雷电检测方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN117929861A CN117929861A CN202410326974.2A CN202410326974A CN117929861A CN 117929861 A CN117929861 A CN 117929861A CN 202410326974 A CN202410326974 A CN 202410326974A CN 117929861 A CN117929861 A CN 117929861A
- Authority
- CN
- China
- Prior art keywords
- lightning
- acquiring
- optical data
- wind power
- module
- 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.)
- Granted
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 72
- 230000000007 visual effect Effects 0.000 claims abstract description 74
- 230000003287 optical effect Effects 0.000 claims description 75
- 238000007689 inspection Methods 0.000 claims description 18
- 238000004364 calculation method Methods 0.000 claims description 7
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000000034 method Methods 0.000 abstract description 18
- 238000012545 processing Methods 0.000 abstract description 5
- 230000006872 improvement Effects 0.000 description 7
- 230000000875 corresponding effect Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000012549 training Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000010248 power generation Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 241000287196 Asthenes Species 0.000 description 1
- 208000025274 Lightning injury Diseases 0.000 description 1
- 238000003915 air pollution Methods 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000005336 cracking Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- WABPQHHGFIMREM-UHFFFAOYSA-N lead(0) Chemical compound [Pb] WABPQHHGFIMREM-UHFFFAOYSA-N 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- 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
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/72—Wind turbines with rotation axis in wind direction
Landscapes
- Wind Motors (AREA)
Abstract
本申请公开了一种风电场的雷电检测方法、装置、设备及存储介质，涉及电数字数据处理领域。方法利用了尖端放电的特性，通过获取雷电的发生位置以及该发生位置附近的接闪器是否有接到该次闪电，在未接到该次闪电时获取其视觉图像，进一步排除了空对空闪电，在识别视觉图像的尖端是否有接触到风电设备来确定风电设备是否受到雷击，并在确认受到雷击后立即产生人工干预请求并发送至外部，使得工作人员能够根据请求直接对发生位置以及周围进行巡检，不需要等待到下一次巡检，从而消除了巡检的滞后性，并使得巡检能够针对发生位置进而更具有目的性，不需要对所有风电设备进行巡检，降低了巡检的时间成本。
Description
技术领域
本申请涉及电数字数据处理领域，尤其涉及一种风电场的雷电检测方法、装置、设备及存储介质。
背景技术
风力发电是指把风的动能转为电能，风能是一种清洁无公害的可再生能源，风力发电通过风力带动风车叶片旋转，再透过增速机将旋转的速度提升，来促使发电机发电，且风力发电不需要使用燃料，也不会产生辐射或空气污染，是一种可再生的新能源。风力发电主要是通过风电机（风力发电机）将风能转换为机械功，机械功带动转子旋转，最终输出交流电。
为了保证风电机良好的运行效率，通常需要将风电机建设在较为平坦的地区，以避免建筑物、山脉和树林等对风速产生影响。由于风电机的套筒与叶片的长度较长，使得风电机的叶片处于高位，在雷雨天气下，容易遭受雷击。
对于风电机的防雷通常在叶片上安装接闪器，再通过工作人员在日常的巡视与维护中，通过现场判断以获知叶片的硬件情况。在叶片受到小幅度至中等幅度雷击时，叶片所形成裂纹与鼓胀并不明显，在巡视过程中很难被发现，而小的裂纹与鼓胀不及时处理，容易造成积水、曝晒开裂等进一步的损坏，从而影响风电机组的安全运行；在雷击击中接闪器后，通过与接闪器连接的导线将雷击产生的电流传导至接地端，从而有效保护叶片免受雷击破坏。
目前，对于风电机的安全防护通常通过人工现场巡检实现，由于人工现场巡检的班次间隔、对损坏程度的主观判断等误差因素，使得风电机在受到雷击后若未发生大面积损坏（例如直接断裂、弯折、起火、倒塌），则需要等待到下一次巡检才有可能被发现，导致风电机带伤运行而造成进一步的损坏，使得风电机的安全防护存在滞后性，导致受到雷击的风电机在运行过程中容易产生进一步损坏，增加维护成本。
发明内容
本申请的主要目的在于提供一种风电场的雷电检测方法、装置、设备及存储介质，以解决现有技术中风电机的安全防护存在滞后性，导致受到雷击的风电机在运行过程中容易产生进一步损坏，增加维护成本的问题。
为了实现上述目的，本申请提供了如下技术方案：
一种风电场的雷电检测方法，所述风电场包括位于同一预设区域的若干个风电设备，所述预设区域内架设有采集点，所述采集点用于获取所述预设区域内雷电产生时的雷电光学数据和雷电声学数据，所述雷电检测方法包括：
响应于所述雷电光学数据，获取与所述雷电光学数据相匹配的雷电声学数据；
通过所述雷电光学数据与所述雷电声学数据的时间差计算到所述雷电与所述采集点的直线距离；
基于所述采集点获取所述雷电的发生位置；
判断所述发生位置的预设范围内是否具有风电设备；
若是，则判断所述预设范围内的接闪器是否接收到所述雷电；
若否，则通过目标检测算法获取所述雷电光学数据中基于所述雷电的视觉图形；
判断所述视觉图形是否与所述风电设备接触；
若是，则生成击中信号以及人工巡检请求并均发送至外部接收端。
作为本申请的进一步改进，响应于所述雷电光学数据，获取与所述雷电光学数据相匹配的雷电声学数据，包括：
持续录制所述预设区域的光学数据和声学数据；
基于预设时间间隔通过所述采集点获取所述光学数据的光强度值和所述声学数据的声强度值；
以自然时间为横轴、以光强度和声强度为纵轴，生成第一直角坐标系；
在所述第一直角坐标系中输出所述光强度值和所述声强度值，各自依次连接形成光强度曲线和声强度曲线；
判断当前时刻的光强度与上一个时刻光强度的差值是否大于等于预设阈值；
若是，则判定为雷电发生；
获取所述光强度曲线最接近当前时刻的极大值，并标记为所述雷电光学数据；
自所述雷电光学数据所对应的自然时间起，获取极大值与所述雷电光学数据最接近的声学数据，并标记为所述雷电声学数据。
作为本申请的进一步改进，在所述第一直角坐标系中输出所述光强度值和所述声强度值，各自依次连接形成光强度曲线和声强度曲线，之后，包括：
将所述第一直角坐标系、所述光强度曲线、所述声强度曲线发送至外部可视化终端。
作为本申请的进一步改进，基于所述采集点获取所述雷电的发生位置，包括：
在所述预设区域的不同位置定义至少三个采集点；
以其中一个采集点为原点、正东方向为横轴、正北方向为纵轴，建立第二直角坐标系；
在所述第二直角坐标系中输出另外两个采集点；
分别计算每个采集点与同一个雷电的直线距离；
分别以每个采集点为圆心、以每个采集点所对应的直线距离为半径，生成一个圆；
获取所有圆的相交点即为所述发生位置。
作为本申请的进一步改进，获取所有圆的相交点即为所述发生位置，之后，包括：
将所述第二直角坐标系、所有采集点、所述发生位置发送至外部可视化终端。
作为本申请的进一步改进，通过目标检测算法获取所述雷电光学数据中基于所述雷电的视觉图形，包括：
通过预设密度的网格将所述雷电光学数据划分为若干个栅格；
基于每个栅格的分别预测预设个数的一阶边界框，每个一阶边界框包括至少一个栅格；
定义所述雷电具有最高的置信度，分别获取每个一阶边界框的置信度；
在所有置信度中获取置信度最高的一阶边界框，作为二阶边界框；
计算所述二阶边界框分别与一阶边界框的交并比；
保留交并比大于等于预设比值的二阶边界框，作为三阶边界框；
保留置信度最高的三阶边界框，作为四阶边界框；
获取所有四阶边界框的并集，所述并集即为所述雷电的检测框；
获取所述检测框内的雷电图形，并定义为所述视觉图形。
作为本申请的进一步改进，判断所述预设范围内的接闪器是否接收到所述雷电，之后，包括：
若是，则将所述雷电标记为安全雷电；
获取所述安全雷电的发生时刻、所击中接闪器的标号，以生成留档记录；
发送留档记录至外部存储端。
为了实现上述目的，本申请还提供了如下技术方案：
一种风电场的雷电检测装置，所述风电场的雷电检测装置应用于如上述的雷电检测方法，所述雷电检测装置包括：
雷电数据获取模块，用于响应于所述雷电光学数据，获取与所述雷电光学数据相匹配的雷电声学数据；
直线距离计算模块，用于通过所述雷电光学数据与所述雷电声学数据的时间差计算到所述雷电与所述采集点的直线距离；
雷电发生位置获取模块，用于基于所述采集点获取所述雷电的发生位置；
风电设备判断模块，用于判断所述发生位置的预设范围内是否具有风电设备；
接闪器接闪判断模块，用于若所述发生位置的预设范围内具有风电设备，则判断所述预设范围内的接闪器是否接收到所述雷电；
雷电视觉图形获取模块，用于若所述预设范围内的接闪器没有接收到所述雷电，则通过目标检测算法获取所述雷电光学数据中基于所述雷电的视觉图形；
视觉图形接触判断模块，用于判断所述视觉图形是否与所述风电设备接触；
指令生成与发送模块，用于若所述视觉图形与所述风电设备接触，则生成击中信号以及人工巡检请求并均发送至外部接收端。
为了实现上述目的，本申请还提供了如下技术方案：
一种电子设备，包括处理器、以及与所述处理器耦接的存储器，所述存储器存储有可被所述处理器执行的程序指令；所述处理器执行所述存储器存储的所述程序指令时实现如上述的风电场的雷电检测方法。
为了实现上述目的，本申请还提供了如下技术方案：
一种存储介质，所述存储介质内存储有程序指令，所述程序指令被处理器执行时实现能够实现如上述的风电场的雷电检测方法。
本申请通过响应于雷电光学数据，获取与雷电光学数据相匹配的雷电声学数据；通过雷电光学数据与雷电声学数据的时间差计算到雷电与采集点的直线距离；基于采集点获取雷电的发生位置；判断发生位置的预设范围内是否具有风电设备；若是，则判断预设范围内的接闪器是否接收到雷电；若否，则通过目标检测算法获取雷电光学数据中基于雷电的视觉图形；判断视觉图形是否与风电设备接触；若是，则生成击中信号以及人工巡检请求并均发送至外部接收端。本申请利用了尖端放电的特性，通过获取雷电的发生位置以及该发生位置附近的接闪器是否有接到该次闪电，在未接到该次闪电时获取其视觉图像，进一步排除了空对空闪电（云层之间闪电），在识别视觉图像的尖端是否有接触到风电设备来确定风电设备是否受到雷击，并在确认受到雷击后立即产生人工干预请求并发送至外部，使得工作人员能够根据请求直接对发生位置以及周围进行巡检，不需要等待到下一次巡检，从而消除了巡检的滞后性，并使得巡检能够针对发生位置进而更具有目的性，不需要对所有风电设备进行巡检，降低了巡检的时间成本。
附图说明
图1为本申请风电场的雷电检测方法一个实施例的流程步骤示意图；
图2为本申请风电场的雷电检测装置一个实施例的功能模块示意图；
图3为本申请电子设备一个实施例的结构示意图；
图4为本申请存储介质一个实施例的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
本申请中的术语“第一”“第二”“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”“第二”“第三”的特征可以明示或者隐含地包括至少一个该特征。本申请的描述中，“多个”的含义是至 少两个，例如两个，三个等，除非另有明确具体的限定。本申请实施例中所有方向性指示（诸如上、下、左、右、前、后……）仅用于解释在某一特定姿态（如附图所示）下各部件之间的相对位置关系、运动情况等，若该特定姿态发生改变时，则该方向性指示也相应地随之改变。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其他实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其他实施例相结合。
如图1所示，本实施例提供了风电场的雷电检测方法的一个实施例，在本实施例中，该风电场包括位于同一预设区域的若干个风电设备，预设区域内架设有采集点，采集点用于获取预设区域内雷电产生时的雷电光学数据和雷电声学数据。
优选地，该风电场包括若干个风电机、测风塔、变电器、监测站等设备，其中风电机、测风塔位于高位并且每个风电机和每个测风塔均安装有接闪器，本实施例侧重于风电机以及测风塔，由于变电器、监测站并不处于高位且受到雷击的危险程度较低，本实施例不予考虑。
具体地，本实施例的雷电检测方法包括如下步骤：
步骤S1，响应于雷电光学数据，获取与雷电光学数据相匹配的雷电声学数据。
优选地，雷电光学数据可通过摄像设备直接获取，可在该预设区域的边界均匀设置摄像设备，每个摄像设备朝向预设区域，也可将该预设区域等分为若干个子区域，并分别在每个子区域内安装至少一个摄像设备。
优选地，雷电声学数据可通过录音设备直接获取，每个摄像设备处安装一个录音设备，也可使用能够同时录制影响和声音的数码设备、智能设备等。
需要说明的是，上述的采集设备均为成熟的现有技术，本实施例的侧重点在于雷击的检测，而非采集设备的具体型号、结构，现有技术中任何能够采集上述两种数据的设备均可在本实施例中使用。
步骤S2，通过雷电光学数据与雷电声学数据的时间差计算到雷电与采集点的直线距离。
优选地，雷电光学数据作为时间差的计时起点，雷电声学数据作为时间差的计时终点，由于光速远大于音速，所以本实施例的直线距离仅需将时间差乘以音速即可得到该直线距离。
步骤S3，基于采集点获取雷电的发生位置。
优选地，本实施例步骤S3的发生位置可通过具有听声辨位功能的数码设备、智能设备直接获取，也可通过三点定位法基于三个不同位置的采集点进行获取。
步骤S4，判断发生位置的预设范围内是否具有风电设备，若发生位置的预设范围内具有风电设备，则执行步骤S5。
步骤S5，判断预设范围内的接闪器是否接收到雷电，若预设范围内的接闪器没有接收到雷电，则执行步骤S6。
步骤S6，通过目标检测算法获取雷电光学数据中基于雷电的视觉图形。
优选地，本实施例的目标检测算法主要包括传统目标检测算法VJ，HOG，DPMDetector；深度学习Two-stage目标检测算法RCNN，SPPNet，FastRCNN，FasterRCNN；目标检测Trick的算法FPN，CascadeRCNN；深度学习one-stage目标检测算法Yolo,X，SSD，RetinaNet；深度学习Anchor-free目标检测算法CornerNet，CenterNet，FCOS；基于Transformer目标检测算法DETR。
优选地，本实施例优选Yolo算法。
步骤S7，判断视觉图形是否与风电设备接触，若视觉图形与风电设备接触，则执行步骤S8。
步骤S8，生成击中信号以及人工巡检请求并均发送至外部接收端。
优选地，本实施例的视觉图形针对空对地雷电，空对地雷电的一端为云层，空对地雷电的另一端为地面目标。
进一步地，步骤S1，响应于雷电光学数据，获取与雷电光学数据相匹配的雷电声学数据，具体包括如下步骤：
步骤S11，持续录制预设区域的光学数据和声学数据。
步骤S12，基于预设时间间隔通过采集点获取光学数据的光强度值和声学数据的声强度值。
优选地，本实施例的预设时间间隔可以设置为1/24秒至1分钟中的任一时长。
步骤S13，以自然时间为横轴、以光强度和声强度为纵轴，生成第一直角坐标系。
步骤S14，在第一直角坐标系中输出光强度值和声强度值，各自依次连接形成光强度曲线和声强度曲线。
步骤S15，判断当前时刻的光强度与上一个时刻光强度的差值是否大于等于预设阈值，若当前时刻的光强度与上一个时刻光强度的差值大于等于预设阈值，则执行步骤S16。
优选地，预设阈值可根据最小光强度（可以理解为当前环境下的稳定光强度）进行设置，例如五倍最小光强度以及以上。
步骤S16，判定为雷电发生。
步骤S17，获取光强度曲线最接近当前时刻的极大值，并标记为雷电光学数据。
步骤S18，自雷电光学数据所对应的自然时间起，获取极大值与雷电光学数据最接近的声学数据，并标记为雷电声学数据。
进一步地，步骤S14，在第一直角坐标系中输出光强度值和声强度值，各自依次连接形成光强度曲线和声强度曲线，之后，还包括如下步骤：
步骤S10，将第一直角坐标系、光强度曲线、声强度曲线发送至外部可视化终端。
进一步地，步骤S3，基于采集点获取雷电的发生位置，具体包括如下步骤：
步骤S31，在预设区域的不同位置定义至少三个采集点。
步骤S32，以其中一个采集点为原点、正东方向为横轴、正北方向为纵轴，建立第二直角坐标系。
步骤S33，在第二直角坐标系中输出另外两个采集点。
步骤S34，分别计算每个采集点与同一个雷电的直线距离。
步骤S35，分别以每个采集点为圆心、以每个采集点所对应的直线距离为半径，生成一个圆。
步骤S36，获取所有圆的相交点即为发生位置。
优选地，步骤S31至步骤S36采用的是三点定位法。
进一步地，步骤S36，之后，还包括如下步骤：
步骤S100，将第二直角坐标系、所有采集点、发生位置发送至外部可视化终端。
进一步地，步骤S6，通过目标检测算法获取雷电光学数据中基于雷电的视觉图形，包括：
步骤S61，通过预设密度的网格将雷电光学数据划分为若干个栅格。
优选地，可将网格的数量设置为448×448，并调整图像数据的尺寸，以符合448×448的规格，再将调整尺寸后的图片平均分为S×S(例如7×7)个栅格，则每个栅格的尺寸为64×64。
步骤S62，基于每个栅格的分别预测预设个数的一阶边界框，每个一阶边界框包括至少一个栅格。
步骤S63，定义雷电具有最高的置信度，分别获取每个一阶边界框的置信度。
步骤S64，在所有置信度中获取置信度最高的一阶边界框，作为二阶边界框。
步骤S65，计算二阶边界框分别与一阶边界框的交并比。
优选地，交并比为二阶边界框分别与每个一阶边界框的交集，除以二阶边界框分别与每个一阶边界框的并集，从而得到的比值。
步骤S66，保留交并比大于等于预设比值的二阶边界框，作为三阶边界框。
步骤S67，保留置信度最高的三阶边界框，作为四阶边界框。
步骤S68，获取所有四阶边界框的并集，并集即为雷电的检测框。
步骤S69，获取检测框内的雷电图形，并定义为视觉图形。
优选地，每个栅格均用于预测个三阶边界框的坐标和宽高，以及每个三阶边界框的置信度，即每个栅格需要预测/>个值。
可以理解为，每个栅格需要预测个/>；其中，/>为三阶边界框的中心相对于栅格的偏移量，/>为三阶边界框相对于上述调整尺寸后的图片的比例，/>为栅格的置信度，取值为1或0。
优选地，置信度可理解为当前的栅格内是否存在目标以及三阶边界框的准确度。
举例说明：设一个调整尺寸后的图片中具有一个目标，且调整尺寸后的图片的宽高为则：
将该图片平均划分为7×7个栅格，则存在一个栅格位于目标的中心，则该栅格的坐标为，设目标的中心的坐标为/>，则可根据/>计算出上述的偏移量：
优选地，在实际检测中，如果预测的三阶边界框和实际边界框完美重叠，则交并比的值即为1。在实际应用过程中，预设比值的取值一般可先设置为0.5以用来判断预测的边界框是否正确，且边界框越精确度与交并比呈正相关。
优选地，YOLO算法还需要对三阶边界框进行训练，以提高目标检测的准确性。
下一步，通过预设的目标训练集对上述的训练模型进行训练，通过反向传播算法以一定次数迭代调整训练模型的权重和偏置，以使训练模型的损失函数的值减小。
优选地，损失函数为。
其中，为第/>个栅格的/>个三阶边界框是否负责目标的指示函数，取值为1或0；/>、/>、/>、/>、/>分别对应第/>个/>预测值。
可以理解为，损失函数包括三阶边界框的坐标值偏差、置信度的偏差、预测概率的偏差(或者类别偏差)。
其中，为坐标值偏差中的三阶边界框中点损失，/>为坐标值偏差中的三阶边界框宽高损失，/>为置信度的偏差，/>为预测概率的偏差(或者类别偏差)。
需要说明的是，由于每个栅格不一定均包含有目标，若栅格中没有目标，则会导致的取值为0，使得后续反向传播算法中的梯度跨度过大，所以引入/>以控制三阶边界框预测位置的损失，以及引入/>控制单一栅格内不存在目标的损失。
进一步地，步骤S5，判断预设范围内的接闪器是否接收到雷电，之后，还包括如下步骤：
步骤S1000，若预设范围内的接闪器有接收到雷电，则将雷电标记为安全雷电。
步骤S2000，获取安全雷电的发生时刻、所击中接闪器的标号，以生成留档记录。
步骤S3000，发送留档记录至外部存储端。
本实施例通过响应于雷电光学数据，获取与雷电光学数据相匹配的雷电声学数据；通过雷电光学数据与雷电声学数据的时间差计算到雷电与采集点的直线距离；基于采集点获取雷电的发生位置；判断发生位置的预设范围内是否具有风电设备；若是，则判断预设范围内的接闪器是否接收到雷电；若否，则通过目标检测算法获取雷电光学数据中基于雷电的视觉图形；判断视觉图形是否与风电设备接触；若是，则生成击中信号以及人工巡检请求并均发送至外部接收端。本实施例利用了尖端放电的特性，通过获取雷电的发生位置以及该发生位置附近的接闪器是否有接到该次闪电，在未接到该次闪电时获取其视觉图像，进一步排除了空对空闪电（云层之间闪电），在识别视觉图像的尖端是否有接触到风电设备来确定风电设备是否受到雷击，并在确认受到雷击后立即产生人工干预请求并发送至外部，使得工作人员能够根据请求直接对发生位置以及周围进行巡检，不需要等待到下一次巡检，从而消除了巡检的滞后性，并使得巡检能够针对发生位置进而更具有目的性，不需要对所有风电设备进行巡检，降低了巡检的时间成本。且本实施例摒弃了复杂模型的计算，例如上行先导、下行先导、雷击概率等复杂数学模型，仅需监测并判断即可，方法简单、准确。
如图2所示，本实施例提供了风电场的雷电检测装置的一个实施例，在本实施例中，该雷电检测装置应用于如上述实施例的雷电检测方法，该雷电检测装置包括依次电性连接的雷电数据获取模块1用于响应于雷电光学数据，获取与雷电光学数据相匹配的雷电声学数据；直线距离计算模块2用于通过雷电光学数据与雷电声学数据的时间差计算到雷电与采集点的直线距离；雷电发生位置获取模块3用于基于采集点获取雷电的发生位置；风电设备判断模块4用于判断发生位置的预设范围内是否具有风电设备；接闪器接闪判断模块5用于若发生位置的预设范围内具有风电设备，则判断预设范围内的接闪器是否接收到雷电；雷电视觉图形获取模块6用于若预设范围内的接闪器没有接收到雷电，则通过目标检测算法获取雷电光学数据中基于雷电的视觉图形；视觉图形接触判断模块7用于判断视觉图形是否与风电设备接触；指令生成与发送模块8用于若视觉图形与风电设备接触，则生成击中信号以及人工巡检请求并均发送至外部接收端。
进一步地，雷电数据获取模块具体包括依次电性连接的第一雷电数据获取子模块、第二雷电数据获取子模块、第三雷电数据获取子模块、第四雷电数据获取子模块、第五雷电数据获取子模块、第六雷电数据获取子模块、第七雷电数据获取子模块、第八雷电数据获取子模块；第八雷电数据获取子模块与直线距离计算模块电性连接。
其中，第一雷电数据获取子模块用于持续录制预设区域的光学数据和声学数据；第二雷电数据获取子模块用于基于预设时间间隔通过采集点获取光学数据的光强度值和声学数据的声强度值；第三雷电数据获取子模块用于以自然时间为横轴、以光强度和声强度为纵轴，生成第一直角坐标系；第四雷电数据获取子模块用于在第一直角坐标系中输出光强度值和声强度值，各自依次连接形成光强度曲线和声强度曲线；第五雷电数据获取子模块用于判断当前时刻的光强度与上一个时刻光强度的差值是否大于等于预设阈值；第六雷电数据获取子模块用于若当前时刻的光强度与上一个时刻光强度的差值大于等于预设阈值，则判定为雷电发生；第七雷电数据获取子模块用于获取光强度曲线最接近当前时刻的极大值，并标记为雷电光学数据；第八雷电数据获取子模块用于自雷电光学数据所对应的自然时间起，获取极大值与雷电光学数据最接近的声学数据，并标记为雷电声学数据。
进一步地，该雷电检测装置还包括电性连接于第四雷电数据获取子模块的曲线数据发送模块。
其中，曲线数据发送模块用于将第一直角坐标系、光强度曲线、声强度曲线发送至外部可视化终端。
进一步地，雷电发生位置获取模块具体包括依次电性连接的第一雷电发生位置获取子模块、第二雷电发生位置获取子模块、第三雷电发生位置获取子模块、第四雷电发生位置获取子模块、第五雷电发生位置获取子模块、第六雷电发生位置获取子模块；第一雷电发生位置获取子模块与直线距离计算模块电性连接，第六雷电发生位置获取子模块与风电设备判断模块电性连接。
其中，第一雷电发生位置获取子模块用于在预设区域的不同位置定义至少三个采集点；第二雷电发生位置获取子模块用于以其中一个采集点为原点、正东方向为横轴、正北方向为纵轴，建立第二直角坐标系；第三雷电发生位置获取子模块用于在第二直角坐标系中输出另外两个采集点；第四雷电发生位置获取子模块用于分别计算每个采集点与同一个雷电的直线距离；第五雷电发生位置获取子模块用于分别以每个采集点为圆心、以每个采集点所对应的直线距离为半径，生成一个圆；第六雷电发生位置获取子模块用于获取所有圆的相交点即为发生位置。
进一步地，该雷电检测装置还包括电性连接于第六雷电发生位置获取子模块的位置数据发送模块。
其中，位置数据发送模块用于将第二直角坐标系、所有采集点、发生位置发送至外部可视化终端。
进一步地，雷电视觉图形获取模块具体包括依次电性连接的第一雷电视觉图形获取子模块、第二雷电视觉图形获取子模块、第三雷电视觉图形获取子模块、第四雷电视觉图形获取子模块、第五雷电视觉图形获取子模块、第六雷电视觉图形获取子模块、第七雷电视觉图形获取子模块、第八雷电视觉图形获取子模块、第九雷电视觉图形获取子模块；第一雷电视觉图形获取子模块与接闪器接闪判断模块电性连接，第九雷电视觉图形获取子模块与视觉图形接触判断模块电性连接。
其中，第一雷电视觉图形获取子模块用于通过预设密度的网格将雷电光学数据划分为若干个栅格；第二雷电视觉图形获取子模块用于基于每个栅格的分别预测预设个数的一阶边界框，每个一阶边界框包括至少一个栅格；第三雷电视觉图形获取子模块用于定义雷电具有最高的置信度，分别获取每个一阶边界框的置信度；第四雷电视觉图形获取子模块用于在所有置信度中获取置信度最高的一阶边界框，作为二阶边界框；第五雷电视觉图形获取子模块用于计算二阶边界框分别与一阶边界框的交并比；第六雷电视觉图形获取子模块用于保留交并比大于等于预设比值的二阶边界框，作为三阶边界框；第七雷电视觉图形获取子模块用于保留置信度最高的三阶边界框，作为四阶边界框；第八雷电视觉图形获取子模块用于获取所有四阶边界框的并集，并集即为雷电的检测框；第九雷电视觉图形获取子模块用于获取检测框内的雷电图形，并定义为视觉图形。
进一步地，该雷电检测装置还包括依次电性连接的安全雷电标记模块、留档记录生成模块、留档记录发送模块；安全雷电标记模块与接闪器接闪判断模块电性连接。
其中，安全雷电标记模块用于若预设范围内的接闪器有接收到雷电，则将雷电标记为安全雷电；留档记录生成模块用于获取安全雷电的发生时刻、所击中接闪器的标号，以生成留档记录；留档记录发送模块用于发送留档记录至外部存储端。
需要说明的是，本实施例为基于上述方法实施例的功能模块实施例，本实施例的优选、拓展、举例说明等额外内容参见上述方法实施例即可，本实施例不再赘述。
本实施例通过响应于雷电光学数据，获取与雷电光学数据相匹配的雷电声学数据；通过雷电光学数据与雷电声学数据的时间差计算到雷电与采集点的直线距离；基于采集点获取雷电的发生位置；判断发生位置的预设范围内是否具有风电设备；若是，则判断预设范围内的接闪器是否接收到雷电；若否，则通过目标检测算法获取雷电光学数据中基于雷电的视觉图形；判断视觉图形是否与风电设备接触；若是，则生成击中信号以及人工巡检请求并均发送至外部接收端。本实施例利用了尖端放电的特性，通过获取雷电的发生位置以及该发生位置附近的接闪器是否有接到该次闪电，在未接到该次闪电时获取其视觉图像，进一步排除了空对空闪电（云层之间闪电），在识别视觉图像的尖端是否有接触到风电设备来确定风电设备是否受到雷击，并在确认受到雷击后立即产生人工干预请求并发送至外部，使得工作人员能够根据请求直接对发生位置以及周围进行巡检，不需要等待到下一次巡检，从而消除了巡检的滞后性，并使得巡检能够针对发生位置进而更具有目的性，不需要对所有风电设备进行巡检，降低了巡检的时间成本。且本实施例摒弃了复杂模型的计算，例如上行先导、下行先导、雷击概率等复杂数学模型，仅需监测并判断即可，方法简单、准确。
图3是本申请一实施例的电子设备的结构示意图。如图3所示，该电子设备9包括处理器91及和处理器91耦接的存储器92。
存储器92存储有用于实现上述任一实施例的风电场的雷电检测方法的程序指令。
处理器91用于执行存储器92存储的程序指令以进行风电场的雷电检测。
其中，处理器91还可以称为CPU（Central Processing Unit，中央处理单元）。处理器91可能是一种集成电路芯片，具有信号的处理能力。处理器91还可以是通用处理器、数字信号处理器（DSP)、专用集成电路（ASIC)、现场可编程门阵列（FPGA）或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
进一步地，图4为本申请一实施例的存储介质的结构示意图，参见图4，本申请实施例的存储介质10存储有能够实现上述所有方法的程序指令101，其中，该程序指令101可以以软件产品的形式存储在上述存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）或处理器（processor）执行本申请各个实施方式所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read-Only Memory)、随机存取存储器（RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质，或者是计算机、服务器、手机、平板等终端设备。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其他的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其他的形式。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。以上仅为本申请的实施方式，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所做的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利保护范围。
以上对本申请的具体实施方式进行了详细说明，但其只作为范例，本申请并不限制于以上描述的具体实施方式。对于本领域的技术人员而言，任何对本申请进行的等同修改或替代也都在本申请的范畴之中，因此，在不脱离本申请的精神和原则范围下所作的均等变换和修改、改进等，都应涵盖在本申请的范围内。
Claims (10)
1.一种风电场的雷电检测方法，所述风电场包括位于同一预设区域的若干个风电设备，所述预设区域内架设有采集点，所述采集点用于获取所述预设区域内雷电产生时的雷电光学数据和雷电声学数据，其特征在于，所述风电场的雷电检测方法包括：
响应于所述雷电光学数据，获取与所述雷电光学数据相匹配的雷电声学数据；
通过所述雷电光学数据与所述雷电声学数据的时间差计算到所述雷电与所述采集点的直线距离；
基于所述采集点获取所述雷电的发生位置；
判断所述发生位置的预设范围内是否具有风电设备；
若是，则判断所述预设范围内的接闪器是否接收到所述雷电；
若否，则通过目标检测算法获取所述雷电光学数据中基于所述雷电的视觉图形；
判断所述视觉图形是否与所述风电设备接触；
若是，则生成击中信号以及人工巡检请求并均发送至外部接收端。
2.根据权利要求1所述的风电场的雷电检测方法，其特征在于，响应于所述雷电光学数据，获取与所述雷电光学数据相匹配的雷电声学数据，包括：
持续录制所述预设区域的光学数据和声学数据；
基于预设时间间隔通过所述采集点获取所述光学数据的光强度值和所述声学数据的声强度值；
以自然时间为横轴、以光强度和声强度为纵轴，生成第一直角坐标系；
在所述第一直角坐标系中输出所述光强度值和所述声强度值，各自依次连接形成光强度曲线和声强度曲线；
判断当前时刻的光强度与上一个时刻光强度的差值是否大于等于预设阈值；
若是，则判定为雷电发生；
获取所述光强度曲线最接近当前时刻的极大值，并标记为所述雷电光学数据；
自所述雷电光学数据所对应的自然时间起，获取极大值与所述雷电光学数据最接近的声学数据，并标记为所述雷电声学数据。
3.根据权利要求2所述的风电场的雷电检测方法，其特征在于，在所述第一直角坐标系中输出所述光强度值和所述声强度值，各自依次连接形成光强度曲线和声强度曲线，之后，包括：
将所述第一直角坐标系、所述光强度曲线、所述声强度曲线发送至外部可视化终端。
4.根据权利要求1所述的风电场的雷电检测方法，其特征在于，基于所述采集点获取所述雷电的发生位置，包括：
在所述预设区域的不同位置定义至少三个采集点；
以其中一个采集点为原点、正东方向为横轴、正北方向为纵轴，建立第二直角坐标系；
在所述第二直角坐标系中输出另外两个采集点；
分别计算每个采集点与同一个雷电的直线距离；
分别以每个采集点为圆心、以每个采集点所对应的直线距离为半径，生成一个圆；
获取所有圆的相交点即为所述发生位置。
5.根据权利要求4所述的风电场的雷电检测方法，其特征在于，获取所有圆的相交点即为所述发生位置，之后，包括：
将所述第二直角坐标系、所有采集点、所述发生位置发送至外部可视化终端。
6.根据权利要求1所述的风电场的雷电检测方法，其特征在于，通过目标检测算法获取所述雷电光学数据中基于所述雷电的视觉图形，包括：
通过预设密度的网格将所述雷电光学数据划分为若干个栅格；
基于每个栅格的分别预测预设个数的一阶边界框，每个一阶边界框包括至少一个栅格；
定义所述雷电具有最高的置信度，分别获取每个一阶边界框的置信度；
在所有置信度中获取置信度最高的一阶边界框，作为二阶边界框；
计算所述二阶边界框分别与一阶边界框的交并比；
保留交并比大于等于预设比值的二阶边界框，作为三阶边界框；
保留置信度最高的三阶边界框，作为四阶边界框；
获取所有四阶边界框的并集，所述并集即为所述雷电的检测框；
获取所述检测框内的雷电图形，并定义为所述视觉图形。
7.根据权利要求1所述的风电场的雷电检测方法，其特征在于，判断所述预设范围内的接闪器是否接收到所述雷电，之后，包括：
若是，则将所述雷电标记为安全雷电；
获取所述安全雷电的发生时刻、所击中接闪器的标号，以生成留档记录；
发送留档记录至外部存储端。
8.一种风电场的雷电检测装置，所述风电场的雷电检测装置应用于如权利要求1至7中任一项所述的风电场的雷电检测方法，其特征在于，所述风电场的雷电检测装置包括：
雷电数据获取模块，用于响应于所述雷电光学数据，获取与所述雷电光学数据相匹配的雷电声学数据；
直线距离计算模块，用于通过所述雷电光学数据与所述雷电声学数据的时间差计算到所述雷电与所述采集点的直线距离；
雷电发生位置获取模块，用于基于所述采集点获取所述雷电的发生位置；
风电设备判断模块，用于判断所述发生位置的预设范围内是否具有风电设备；
接闪器接闪判断模块，用于若所述发生位置的预设范围内具有风电设备，则判断所述预设范围内的接闪器是否接收到所述雷电；
雷电视觉图形获取模块，用于若所述预设范围内的接闪器没有接收到所述雷电，则通过目标检测算法获取所述雷电光学数据中基于所述雷电的视觉图形；
视觉图形接触判断模块，用于判断所述视觉图形是否与所述风电设备接触；
指令生成与发送模块，用于若所述视觉图形与所述风电设备接触，则生成击中信号以及人工巡检请求并均发送至外部接收端。
9.一种电子设备，其特征在于，包括处理器、以及与所述处理器耦接的存储器，所述存储器存储有可被所述处理器执行的程序指令；所述处理器执行所述存储器存储的所述程序指令时实现如权利要求1至7中任一项所述的风电场的雷电检测方法。
10.一种存储介质，其特征在于，所述存储介质内存储有程序指令，所述程序指令被处理器执行时实现能够实现如权利要求1至7中任一项所述的风电场的雷电检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410326974.2A CN117929861B (zh) | 2024-03-21 | 一种风电场的雷电检测方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410326974.2A CN117929861B (zh) | 2024-03-21 | 一种风电场的雷电检测方法、装置、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117929861A true CN117929861A (zh) | 2024-04-26 |
| CN117929861B CN117929861B (zh) | 2024-07-05 |
Family
ID=
Citations (41)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4245190A (en) * | 1978-12-12 | 1981-01-13 | Lightning Location And Protection, Inc. | Lightning detection system utilizing triangulation and field amplitude comparison techniques |
| US5771020A (en) * | 1995-07-26 | 1998-06-23 | Airborne Research Associates, Inc. | Lightning locating system |
| JP2001116855A (ja) * | 1999-10-15 | 2001-04-27 | Yoshihiro Hirakawa | 雷検知器 |
| CN101287992A (zh) * | 2005-10-14 | 2008-10-15 | 诺基亚公司 | 闪电的探测 |
| KR20110124452A (ko) * | 2010-05-11 | 2011-11-17 | 한국전기안전공사 | 광파 측정기술을 이용한 비주얼 피뢰진단 시스템 및 그 방법 |
| WO2012126272A1 (zh) * | 2011-03-18 | 2012-09-27 | 中国气象科学研究院 | 全视野闪电事件观测系统及方法 |
| CA2862235A1 (en) * | 2012-01-18 | 2013-07-25 | Earth Networks, Inc. | Using lightning data to generate proxy reflectivity data |
| CN203444022U (zh) * | 2013-09-12 | 2014-02-19 | 龙源电力集团股份有限公司 | 风电场雷电监测系统 |
| CN104459349A (zh) * | 2013-09-12 | 2015-03-25 | 龙源电力集团股份有限公司 | 风电场雷电监测系统及方法 |
| CN104917055A (zh) * | 2015-06-23 | 2015-09-16 | 广东立信防雷科技有限公司 | 基于雷电预警的提前放电避雷针及其雷电环境报警系统 |
| CN105791917A (zh) * | 2014-12-24 | 2016-07-20 | 中国电信股份有限公司 | 控制户外广告关停避雷的方法及装置 |
| CN107076873A (zh) * | 2014-07-16 | 2017-08-18 | 气象预报公司 | 闪电监测系统、方法和装置 |
| EP3246563A1 (en) * | 2016-05-20 | 2017-11-22 | Siemens Aktiengesellschaft | Locating a lightning strike at a wind turbine |
| US20180156941A1 (en) * | 2016-12-05 | 2018-06-07 | General Electric Company | Method and system for lightning detection |
| CN207764304U (zh) * | 2018-02-02 | 2018-08-24 | 河南扬博防雷科技有限公司 | 一种雷电预警系统 |
| CN108519523A (zh) * | 2018-03-14 | 2018-09-11 | 南京中科九章信息技术有限公司 | 雷电定位方法、系统、电子设备和存储介质 |
| CN109979468A (zh) * | 2019-03-05 | 2019-07-05 | 武汉三江中电科技有限责任公司 | 一种雷击光学路径监测系统及方法 |
| US10408972B1 (en) * | 2018-04-20 | 2019-09-10 | Adam Baker | System and method for lightning strike prediction and warning |
| CN110907710A (zh) * | 2019-12-07 | 2020-03-24 | 深圳市科安达检测技术有限公司 | 一种雷电预警的方法、装置、存储介质及计算机设备 |
| CN211038930U (zh) * | 2019-12-24 | 2020-07-17 | 北京金风科创风电设备有限公司 | 风电场雷电定位系统及风电场 |
| CN112270056A (zh) * | 2020-11-11 | 2021-01-26 | 龙源（北京）风电工程技术有限公司 | 一种风电场中风力发电机的雷击风险评估方法及其系统 |
| KR102218875B1 (ko) * | 2020-12-07 | 2021-02-23 | 주식회사 엔티에스 | 낙뢰에 대한 지능형 전력공급 전환장치 및 그 전력공급 전환방법 |
| CN112396116A (zh) * | 2020-11-24 | 2021-02-23 | 武汉三江中电科技有限责任公司 | 一种雷电检测方法、装置、计算机设备及可读介质 |
| CN112578232A (zh) * | 2019-09-30 | 2021-03-30 | 北京金风慧能技术有限公司 | 风力发电机组的雷电预警方法和雷电预警设备 |
| CN112633213A (zh) * | 2020-12-29 | 2021-04-09 | 应急管理部国家自然灾害防治研究院 | 基于yolo神经网络的张衡卫星闪电哨声波检测方法及系统 |
| CN112727710A (zh) * | 2020-12-15 | 2021-04-30 | 北京天泽智云科技有限公司 | 一种基于音频信号的风场落雷密度统计方法及系统 |
| CN113296072A (zh) * | 2021-05-24 | 2021-08-24 | 伍志方 | 一种基于YOLOv3模型的雷暴大风自动识别方法及系统 |
| CN113629492A (zh) * | 2021-06-30 | 2021-11-09 | 广东电网有限责任公司广州供电局 | 一种主动引雷方法、主动引雷装置和计算机可读存储介质 |
| CN113837312A (zh) * | 2021-09-30 | 2021-12-24 | 南方电网电力科技股份有限公司 | 一种氧化锌避雷器的运行状态评价方法及装置 |
| CN215633526U (zh) * | 2021-04-21 | 2022-01-25 | 上海电气风电集团股份有限公司 | 雷电监测设备、系统、风力发电机及风电场 |
| CN114355060A (zh) * | 2022-01-14 | 2022-04-15 | 福建省气象科学研究所 | 基于闪电监测数据的雷电预警效果综合评估方法 |
| CN114812698A (zh) * | 2022-07-01 | 2022-07-29 | 江西信息应用职业技术学院 | 防雷监测方法、装置、可读存储介质及电子设备 |
| CN115065155A (zh) * | 2022-05-24 | 2022-09-16 | 众芯汉创（北京）科技有限公司 | 一种基于5g通讯的风电场升压站的风险预警系统 |
| CN115116199A (zh) * | 2022-06-27 | 2022-09-27 | 中科纯元(珠海)科技有限公司 | 一种基于物联网的雷电灾害监测系统 |
| CN115343539A (zh) * | 2022-07-12 | 2022-11-15 | 中科天际科技股份有限公司 | 雷击接闪可视化监测管理系统 |
| WO2022268276A1 (en) * | 2021-06-25 | 2022-12-29 | Vestas Wind Systems A/S | Detecting lightning strikes on a wind turbine with improved reliability |
| CN116338392A (zh) * | 2023-03-29 | 2023-06-27 | 广东电网有限责任公司 | 一种玻璃绝缘子雷击放电缺陷识别方法、装置及设备 |
| CN116910491A (zh) * | 2023-09-11 | 2023-10-20 | 四川弘和数智集团有限公司 | 一种雷电监测预警系统、方法、电子设备及存储介质 |
| CN117390368A (zh) * | 2023-12-07 | 2024-01-12 | 云南电投绿能科技有限公司 | 一种风电机的接闪概率计算方法、装置、设备及存储介质 |
| CN117523420A (zh) * | 2024-01-08 | 2024-02-06 | 南京信息工程大学 | 一种基于雷达产品数据的闪电落区识别方法及系统 |
| CN117727166A (zh) * | 2023-12-11 | 2024-03-19 | 国家电投集团江苏电力有限公司 | 一种海上风电场安全防护系统及方法 |
Patent Citations (42)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4245190A (en) * | 1978-12-12 | 1981-01-13 | Lightning Location And Protection, Inc. | Lightning detection system utilizing triangulation and field amplitude comparison techniques |
| US5771020A (en) * | 1995-07-26 | 1998-06-23 | Airborne Research Associates, Inc. | Lightning locating system |
| JP2001116855A (ja) * | 1999-10-15 | 2001-04-27 | Yoshihiro Hirakawa | 雷検知器 |
| CN101287992A (zh) * | 2005-10-14 | 2008-10-15 | 诺基亚公司 | 闪电的探测 |
| KR20110124452A (ko) * | 2010-05-11 | 2011-11-17 | 한국전기안전공사 | 광파 측정기술을 이용한 비주얼 피뢰진단 시스템 및 그 방법 |
| WO2012126272A1 (zh) * | 2011-03-18 | 2012-09-27 | 中国气象科学研究院 | 全视野闪电事件观测系统及方法 |
| US20130286203A1 (en) * | 2011-03-18 | 2013-10-31 | Chinese Academy Of Meteorological Sciences | Total-sky lightning event observation system and method |
| CA2862235A1 (en) * | 2012-01-18 | 2013-07-25 | Earth Networks, Inc. | Using lightning data to generate proxy reflectivity data |
| CN203444022U (zh) * | 2013-09-12 | 2014-02-19 | 龙源电力集团股份有限公司 | 风电场雷电监测系统 |
| CN104459349A (zh) * | 2013-09-12 | 2015-03-25 | 龙源电力集团股份有限公司 | 风电场雷电监测系统及方法 |
| CN107076873A (zh) * | 2014-07-16 | 2017-08-18 | 气象预报公司 | 闪电监测系统、方法和装置 |
| CN105791917A (zh) * | 2014-12-24 | 2016-07-20 | 中国电信股份有限公司 | 控制户外广告关停避雷的方法及装置 |
| CN104917055A (zh) * | 2015-06-23 | 2015-09-16 | 广东立信防雷科技有限公司 | 基于雷电预警的提前放电避雷针及其雷电环境报警系统 |
| EP3246563A1 (en) * | 2016-05-20 | 2017-11-22 | Siemens Aktiengesellschaft | Locating a lightning strike at a wind turbine |
| US20180156941A1 (en) * | 2016-12-05 | 2018-06-07 | General Electric Company | Method and system for lightning detection |
| CN207764304U (zh) * | 2018-02-02 | 2018-08-24 | 河南扬博防雷科技有限公司 | 一种雷电预警系统 |
| CN108519523A (zh) * | 2018-03-14 | 2018-09-11 | 南京中科九章信息技术有限公司 | 雷电定位方法、系统、电子设备和存储介质 |
| US10408972B1 (en) * | 2018-04-20 | 2019-09-10 | Adam Baker | System and method for lightning strike prediction and warning |
| CN109979468A (zh) * | 2019-03-05 | 2019-07-05 | 武汉三江中电科技有限责任公司 | 一种雷击光学路径监测系统及方法 |
| CN112578232A (zh) * | 2019-09-30 | 2021-03-30 | 北京金风慧能技术有限公司 | 风力发电机组的雷电预警方法和雷电预警设备 |
| CN110907710A (zh) * | 2019-12-07 | 2020-03-24 | 深圳市科安达检测技术有限公司 | 一种雷电预警的方法、装置、存储介质及计算机设备 |
| CN211038930U (zh) * | 2019-12-24 | 2020-07-17 | 北京金风科创风电设备有限公司 | 风电场雷电定位系统及风电场 |
| CN112270056A (zh) * | 2020-11-11 | 2021-01-26 | 龙源（北京）风电工程技术有限公司 | 一种风电场中风力发电机的雷击风险评估方法及其系统 |
| CN112396116A (zh) * | 2020-11-24 | 2021-02-23 | 武汉三江中电科技有限责任公司 | 一种雷电检测方法、装置、计算机设备及可读介质 |
| KR102218875B1 (ko) * | 2020-12-07 | 2021-02-23 | 주식회사 엔티에스 | 낙뢰에 대한 지능형 전력공급 전환장치 및 그 전력공급 전환방법 |
| CN112727710A (zh) * | 2020-12-15 | 2021-04-30 | 北京天泽智云科技有限公司 | 一种基于音频信号的风场落雷密度统计方法及系统 |
| CN112633213A (zh) * | 2020-12-29 | 2021-04-09 | 应急管理部国家自然灾害防治研究院 | 基于yolo神经网络的张衡卫星闪电哨声波检测方法及系统 |
| CN215633526U (zh) * | 2021-04-21 | 2022-01-25 | 上海电气风电集团股份有限公司 | 雷电监测设备、系统、风力发电机及风电场 |
| CN113296072A (zh) * | 2021-05-24 | 2021-08-24 | 伍志方 | 一种基于YOLOv3模型的雷暴大风自动识别方法及系统 |
| WO2022268276A1 (en) * | 2021-06-25 | 2022-12-29 | Vestas Wind Systems A/S | Detecting lightning strikes on a wind turbine with improved reliability |
| CN113629492A (zh) * | 2021-06-30 | 2021-11-09 | 广东电网有限责任公司广州供电局 | 一种主动引雷方法、主动引雷装置和计算机可读存储介质 |
| CN113837312A (zh) * | 2021-09-30 | 2021-12-24 | 南方电网电力科技股份有限公司 | 一种氧化锌避雷器的运行状态评价方法及装置 |
| CN114355060A (zh) * | 2022-01-14 | 2022-04-15 | 福建省气象科学研究所 | 基于闪电监测数据的雷电预警效果综合评估方法 |
| CN115065155A (zh) * | 2022-05-24 | 2022-09-16 | 众芯汉创（北京）科技有限公司 | 一种基于5g通讯的风电场升压站的风险预警系统 |
| CN115116199A (zh) * | 2022-06-27 | 2022-09-27 | 中科纯元(珠海)科技有限公司 | 一种基于物联网的雷电灾害监测系统 |
| CN114812698A (zh) * | 2022-07-01 | 2022-07-29 | 江西信息应用职业技术学院 | 防雷监测方法、装置、可读存储介质及电子设备 |
| CN115343539A (zh) * | 2022-07-12 | 2022-11-15 | 中科天际科技股份有限公司 | 雷击接闪可视化监测管理系统 |
| CN116338392A (zh) * | 2023-03-29 | 2023-06-27 | 广东电网有限责任公司 | 一种玻璃绝缘子雷击放电缺陷识别方法、装置及设备 |
| CN116910491A (zh) * | 2023-09-11 | 2023-10-20 | 四川弘和数智集团有限公司 | 一种雷电监测预警系统、方法、电子设备及存储介质 |
| CN117390368A (zh) * | 2023-12-07 | 2024-01-12 | 云南电投绿能科技有限公司 | 一种风电机的接闪概率计算方法、装置、设备及存储介质 |
| CN117727166A (zh) * | 2023-12-11 | 2024-03-19 | 国家电投集团江苏电力有限公司 | 一种海上风电场安全防护系统及方法 |
| CN117523420A (zh) * | 2024-01-08 | 2024-02-06 | 南京信息工程大学 | 一种基于雷达产品数据的闪电落区识别方法及系统 |
Non-Patent Citations (2)
| Title |
|---|
| 吴健;陈毅芬;曾智聪;: "利用地面电场仪与闪电定位资料进行短时雷电预警的方法", 气象与环境科学, no. 01, 15 February 2009 (2009-02-15), pages 47 - 50 * |
| 曾庆锋 等: "闪电定位数据替代雷暴日人工观测初探", 干旱气象, no. 05, 31 October 2018 (2018-10-31), pages 59 - 61 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102462570B1 (ko) | 요-바람 이상 검출 방법 및 장치, 및 그 디바이스 및 저장 매체 | |
| Hou et al. | Optimized placement of wind turbines in large-scale offshore wind farm using particle swarm optimization algorithm | |
| US9773303B2 (en) | Prediction system for short-term solar irradiance and method for operating the same | |
| CN109167387A (zh) | 风场风电功率预测方法 | |
| CN112906236A (zh) | 风电机组关键结构位置剩余寿命预测方法及装置 | |
| CN117929861B (zh) | 一种风电场的雷电检测方法、装置、设备及存储介质 | |
| Kanchana et al. | PV Power Forecasting with Holt-Winters Method | |
| CN117252729B (zh) | 一种基于大数据的光伏电站管理方法及系统 | |
| CN109241693B (zh) | 测算风力发电机组防雷等级的方法 | |
| CN103557117A (zh) | 风力发电机组功率曲线获取装置 | |
| CN114342910A (zh) | 一种激光驱鸟方法及相关装置 | |
| CN117929861A (zh) | 一种风电场的雷电检测方法、装置、设备及存储介质 | |
| CN206505195U (zh) | 一种微气象在线监测系统 | |
| CN117010284A (zh) | 基于风电场噪声的机位排布方法、装置、设备及存储介质 | |
| CN115912183B (zh) | 高压输电线路生态措施巡视方法、系统及可读存储介质 | |
| Rasham et al. | Performance of wind turbines at three sites in Iraq | |
| CN115983680A (zh) | 一种风力发电机雷击风险评估方法及系统 | |
| CN216772269U (zh) | 多排光伏追踪支架同步电控系统 | |
| CN109162879A (zh) | 通过多传感器控制无人机进行风机叶片检测方法及系统 | |
| CN111932006B (zh) | 一种基于地面阴影图的光伏发电出力预测方法 | |
| CN114398842A (zh) | 一种在运行风电场发电量评估方法 | |
| CN117934482B (zh) | 一种风电机的雷击概率预测方法、装置、设备及存储介质 | |
| CN113205218A (zh) | 一种基于无人机摄像成图的风电场微观选址方法 | |
| CN111626095A (zh) | 一种基于以太网配电巡检系统 | |
| KR102594593B1 (ko) | 인공지능형 조류 감지 기능을 활용한 풍력 발전기 충돌 방지 시스템 |
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 |