KR101105295B1 - 낙뢰 예측 장치 및 낙뢰 예측 방법 - Google Patents

낙뢰 예측 장치 및 낙뢰 예측 방법 Download PDF

Info

Publication number
KR101105295B1
KR101105295B1 KR1020100074232A KR20100074232A KR101105295B1 KR 101105295 B1 KR101105295 B1 KR 101105295B1 KR 1020100074232 A KR1020100074232 A KR 1020100074232A KR 20100074232 A KR20100074232 A KR 20100074232A KR 101105295 B1 KR101105295 B1 KR 101105295B1
Authority
KR
South Korea
Prior art keywords
lightning
data
cloud
electric field
path
Prior art date
Application number
KR1020100074232A
Other languages
English (en)
Inventor
우정욱
권동진
구교선
김경탁
곽주식
Original Assignee
한국전력공사
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 한국전력공사 filed Critical 한국전력공사
Priority to KR1020100074232A priority Critical patent/KR101105295B1/ko
Application granted granted Critical
Publication of KR101105295B1 publication Critical patent/KR101105295B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/16—Measuring atmospheric potential differences, e.g. due to electrical charges in clouds
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/95—Radar or analogous systems specially adapted for specific applications for meteorological use
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/10—Devices for predicting weather conditions
    • 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)
  • Environmental & Geological Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Atmospheric Sciences (AREA)
  • Ecology (AREA)
  • Environmental Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Electromagnetism (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명은 낙뢰 예측 장치 및 낙뢰 예측 방법에 관한 것이다.
본 발명의 실시예에 따른 낙뢰 예측 장치는 과거에 발생한 낙뢰에 대한 정보인 과거 낙뢰 데이터로부터 산출된 낙뢰 발생 빈도, 지리정보 데이터로부터 구름 또는 낙뢰의 진행을 유도할 수 있는 지형적 요소 및 실시간으로 관측된 낙뢰에 대한 정보인 실시간 낙뢰 데이터로부터 산출된 현재 낙뢰 이동 경로로부터 낙뢰 예상 진로를 산출하는 낙뢰 진로 예측부 및 전계 상태에 대한 정보인 전계 상태 데이터 및 구름 상태에 대한 정보인 구름 상태 데이터로부터 구름의 이동 방향과 낙뢰 예상 진로를 비교하여 낙뢰 발생 확률을 산출하는 낙뢰 발생 예측부를 포함할 수 있다.

Description

낙뢰 예측 장치 및 낙뢰 예측 방법{DEVICE AND METHOD FOR LIGHTING FORECAST}
본 발명은 낙뢰 예측 장치 및 낙뢰 예측 방법에 관한 것이다.
최근 전력 기기들의 생산 및 이용이 증대되고 있다. 따라서, 요구되는 전력량은 증가되고, 전력계통은 점점 더 복잡해지고 있다. 이에 따라 고품질의 전력에 대한 안정적 공급의 필요성 매우 커지고 있다. 그러나 강우, 낙뢰, 염해, 빙설해 등 기상 변화에 의해서 안정적으로 고품질의 전력을 공급하기가 어렵다. 특히, 낙뢰에 의한 전력 설비의 피해는 막대하다. 이와 같은 낙뢰에 의한 전력 설비의 피해를 줄이기 위한 낙뢰를 감지하는 장치 및 시스템의 중요성이 증가하고 있다. 현재 낙뢰를 감지하는 장치 및 시스템의 경우, 낙뢰가 발생한 경우, 낙뢰를 감지하고 경보를 울려준다. 그러나 현재 낙뢰를 감지하는 장치 및 시스템으로부터는 낙뢰의 이동 경로 또는 향우 낙뢰가 발생할 예상 장소에 대한 정보를 알 수 없다.
본 발명은 낙뢰가 발생한 경우, 향우 낙뢰의 이동 경로 및 낙뢰 발생 지점을 예상하여 산출하는 낙뢰 예측 장치 및 낙뢰 예측 방법을 제공하고자 한다.
본 발명의 일 측면에 따르면 낙뢰 예측 장치가 제공된다.
본 발명의 실시예에 따르면, 과거에 발생한 낙뢰에 대한 정보인 과거 낙뢰 데이터로부터 산출된 낙뢰 발생 빈도, 지리정보 데이터로부터 구름 또는 낙뢰의 진행을 유도할 수 있는 지형적 요소 및 실시간으로 관측된 낙뢰에 대한 정보인 실시간 낙뢰 데이터로부터 산출된 현재 낙뢰 이동 경로로부터 낙뢰 예상 진로를 산출하는 낙뢰 진로 예측부 및 전계 상태에 대한 정보인 전계 상태 데이터 및 구름 상태에 대한 정보인 구름 상태 데이터로부터 구름의 이동 방향과 낙뢰 예상 진로를 비교하여 낙뢰 발생 확률을 산출하는 낙뢰 발생 예측부를 포함하는 낙뢰 예측 장치가 제공된다.
본 발명의 다른 일 측면에 따르면, 낙뢰 예측 방법이 제공된다.
본 발명의 실시예에 따르면, 지도상에 설정된 범위에서 과거에서 발생한 낙뢰 발생 빈도 및 설정된 범위의 낙뢰 또는 구름의 진행을 유도할 수 있는 지형적 요소에 따라 낙뢰 예상 진로를 산출하는 단계 및 전계 상태 변화, 구름 상태 변화 및 낙뢰 예상 진로를 비교하여 낙뢰 예상 진로의 확률을 산출하는 단계를 포함하는 낙뢰 예측 방법이 제공된다.
본 발명의 실시예에 의하면, 낙뢰의 향우 이동 경로를 미리 예상할 수 있다는 이점이 있다.
또한, 본 발명의 실시예에 의하면, 낙뢰의 향우 발생할 설정된 지점을 예상할 수 있다는 이점이 있다.
본 발명의 실시예에 의하면, 낙뢰의 이동 경로 및 낙뢰가 발생할 설정된 지점을 예상함으로써, 전력계통을 미리 보호할 수 있다는 이점이 있다.
도1은 본 발명의 실시예에 따른 낙뢰 예측 시스템을 나타낸 예시도이다.
도2는 본 발명의 실시예에 따른 낙뢰 예측 장치를 나타낸 블록도이다.
도3은 낙뢰 진로 예측부가 낙뢰 진로를 예측하기 위해 참고로 하는 요소에 대한 예시를 나타낸 예시도이다
도4는 낙뢰발생 예측부가 특정 지점에서의 낙뢰 발생 확률을 예측하기 위해 참고로 하는 요소에 대한 예시를 나타낸 예시도이다.
도5은 본 발명의 실시예에 따른 낙뢰 예측 방법에 관한 순서도이다.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 이를 상세한 설명을 통해 상세히 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
이하, 첨부된 도면들을 참조하여 본 발명의 실시예들에 따른 낙뢰 예측 장치 및 낙뢰 예측 방법에 관하여 상세히 설명한다.
도1은 본 발명의 실시예에 따른 낙뢰 예측 시스템을 나타낸 예시도이다.
도1을 참고하면, 낙뢰 예측 시스템은 낙뢰 관측 장치(100), 전계 관측 장치(200), 구름 관측 장치(300) 및 낙뢰 예측 장치(400)를 포함한다.
낙뢰 관측 장치(100)는 낙뢰를 실시간으로 관측한다. 낙뢰 관측 장치(100)는 낙뢰 감지기(110)를 포함한다. 낙뢰 관측 장치(100)는 낙뢰 감지기(110)를 통해 실시간으로 감지된 낙뢰로부터 낙뢰 데이터를 생산한다. 여기서, 낙뢰 데이터는 낙뢰 발생 위치, 낙뢰 발생 시간, 낙뢰의 뇌격 전류의 크기, 낙뢰의 극성 등과 같은 낙뢰에 대한 정보를 포함할 수 있다.
낙뢰 관측 장치(100)는 낙뢰가 발생하지 않은 때에는 주기적으로 설정된 펄스를 생성하여 낙뢰 예측 장치(400)로 전송함으로써, 낙뢰 예측 장치(400)와의 통신 상태를 확인할 수 있다.
전계 관측 장치(200)는 낙뢰 발생 전후의 구름 내 전계 변화를 관측한다. 전계 관측 장치(200)는 전계 변화 감지기(210)를 포함한다. 전계 관측 장치(200)는 전계 변화 감지기(210)로부터 감지된 구름 내의 전계 변화에 대한 정보로부터 전계 상태 데이터를 생산한다. 전계 상태 데이터는 구름의 전하량, 전하의 분포, 전계 변화량, 하전된 입자의 전계 변화량 등과 같은 전계 변화에 대한 정보를 포함할 수 있다. 전계 관측 장치(200)는 미리 설정된 기준 이상의 전계 변화가 발생한 경우, 전계 상태 데이터를 낙뢰 예측 장치(400)로 전송할 수 있다.
전계 관측 장치(200)는 미리 설정된 기준 이상의 전계 변화가 없는 경우는, 주기적으로 설정된 펄스를 생성하여 낙뢰 예측 장치(400)로 전송함으로써, 낙뢰 예측 장치(400)와의 통신 상태를 확인할 수 있다.
구름 관측 장치(300)는 구름 내 입자들의 이동 상태를 관측한다. 구름 관측 장치(300)는 기상 레이더(310) 및 구름 상태 변화량 추출부(320)를 포함한다.
기상 레이더(310)는 우선 안테나로 3~10cm의 파장을 갖는 전파를 1~수㎲의 펄스 폭으로 1초에 200~500회의 반복주파수로 발사한다. 발사된 전파는 빗방울 등의 목표에 반사되어 극히 일부분만 안테나로 되돌아 온다. 기상 레이더(310)는 되돌아온 전파를 증폭하고 영상으로 출력한다. 기상 레이더(310)는 전파가 발사된 시간, 되돌아온 전파가 수신된 시간으로 구름까지의 거리를 측정할 수 있다. 또한, 기상 레이더(310)는 기상 레이더(310)를 축으로 회전함과 동시에 상하로 특정시간 간격으로 스캐닝하여 구름 내의 입자들의 변화 상태에 대한 정보를 생성할 수 있다. 기상 레이더(310)는 관측 대상이 구름이므로, 측운 레이더일 수 있다.
구름 상태 변화량 추출부(320)는 구름 내의 입자들의 변화 상태에 대한 정보로부터 낙뢰를 유발할 가능성이 있는 구름 입자들에 대한 정보를 추출할 수 있다. 또한 구름 상태 변화량 추출부(320)는 구름 내의 입자들의 변화 상태로부터 구름 입자들의 이동 방향, 구름 입자들의 이동 속도 및 하전된 입자의 이동 방향 및 하전된 입자의 이동 속도를 추출할 수 있다.
즉, 구름 관측 장치(300)는 기상 레이더(310)의 실시간 스캐닝 작업을 통해서 구름내의 입자들의 상태 변화에 대한 정보를 수신하여, 구름 상태 데이터를 생성한다. 여기서 구름 상태 데이터는, 구름 입자의 이동 방향 및 속도, 하전된 입자의 이동 방향 및 이동 속도 등과 같은 구름 상태 변화에 대한 정보를 포함할 수 있다.
구름 관측 장치(300)는 미리 설정된 기준 이상의 구름 입자의 상태 변화가 발생한 경우, 구름 관측 데이터 및 구름 예상 경로 데이터를 포함하는 구름 상태 데이터를 낙뢰 예측 장치(400)로 전송할 수 있다.
구름 관측 장치(300)는 구름 입자의 상태 변화가 미리 설정된 기준 이하인 경우에는 주기적으로 설정된 펄스를 생성하여 낙뢰 예측 장치(400)로 전송함으로써, 낙뢰 예측 장치(400)와의 통신 상태를 확인할 수 있다.
낙뢰 예측 장치(400)는 낙뢰 데이터, 전계 상태 데이터 및 구름 상태 데이터를 수신한다. 낙뢰 예측 장치(400)는 수신한 각각의 데이터를 이용하여 낙뢰가 현재 어느 정도의 속도와 방향으로 진행되는지 판단할 수 있다. 또한, 낙뢰 예측 장치(400)는 수신한 각각의 데이터를 이용하여 낙뢰가 향우 어느 방향으로 진행될지 예상할 수 있다. 또한, 낙뢰 예측 장치(400)는 특정 지점에서 낙뢰 발생 확률, 낙뢰 발생 예상 시간, 낙뢰 예상 진행 방향 등을 출력할 수 있다.
도2는 본 발명의 실시예에 따른 낙뢰 예측 장치를 나타낸 블록도이다.
도2를 참고하면, 낙뢰 예측 장치(400)는 통신부(410), 낙뢰 진로 예측부(430), 낙뢰발생 예측부(450) 및 데이터베이스부(440)를 포함한다.
통신부(410)는 낙뢰 예측 장치(400)와 낙뢰 관측 장치(100), 전계 관측 장치(200) 및 구름 관측 장치(300)로부터 각각 낙뢰 데이터, 전계 상태 데이터 및 구름 상태 데이터를 수신한다. 통신부(410)는 낙뢰 관측 장치(100), 전계 관측 장치(200) 및 구름 관측 장치(300)로부터 데이터를 수신한다고 설명하였지만, 데이터 수신 기능에 한정되지 않고, 외부의 다른 장치들 간의 데이터를 송수신 및 통신 기능을 수행할 수도 있다.
낙뢰 진로 예측부(430)는 조합 데이터를 이용하여 낙뢰 진로를 예측한 낙뢰 예상 진로 데이터를 생성할 수 있다.
낙뢰 진로 예측부(430)는 과거에 발생한 낙뢰에 대한 과거 낙뢰 데이터를 기초로, 현재 발생한 낙뢰가 향우 어느 방향으로 진행할 것인지에 대한 낙뢰 예상 진로 데이터를 생성할 수 있다. 과거 낙뢰 데이터는 과거에 발생한 낙뢰의 진행 방향, 구름 입자의 전계 변화량 및 구름 입자의 이동 방향에 대한 정보 등을 포함할 수 있다.
본 발명에 실시예로 낙뢰 진로 예측부(430)는 낙뢰 관측 장치에서 다년간 실제 관측된 낙뢰에 대한 정보인 과거 낙뢰 데이터, 지형적 지리정보 데이터 및 조합 데이터로부터 낙뢰의 1차 예상 진로를 결정할 수 있다. 낙뢰 진로 예측부(430)는 [수학식1]으로부터 낙뢰 진로 방향을 예측할 수 있다.
[수학식1]
DL - Dir = ∑FD1(LoldDB) + ∑FD2(GGISLO) + ∑FD3(LRealDB)
여기서, DL - Dir 은 낙뢰 진로 방향 데이터, FD1(LoldDB)는 과거 낙뢰 데이터, FD2(GGISLO)는 지형적 지리정보 데이터, FD3(LRealDB)는 실시간 낙뢰 데이터이다. 여기서, ∑FD1(LoldDB)는 과거 낙뢰 함수, ∑FD2(GGISLO)는 지리 정보 함수, ∑FD3(LRealDB)는 실시간 낙뢰 함수이다. 과거 낙뢰 함수는 과거 낙뢰 데이터로부터 과거의 낙뢰 발생 빈도에 대한 가중치를 산출하는데 사용된다. 지리 정보 함수는 지리 정보를 이용하여 구름 또는 낙뢰의 진행이 유도될 수 있는 지형적 요소들에 대한 가중치를 산출하는데 사용된다. 실시간 낙뢰 함수는 실시간으로 발생되는 낙뢰의 위치와 바로 이전에 발생된 낙뢰 간의 위치 정보로부터 낙뢰가 현재 진행하고 있는 경로를 산출하는 데 사용된다.
낙뢰 진로 예측부(430)에 대한 자세한 설명은 도3을 참고로 하여 설명하도록 한다. 도3은 낙뢰 진로 예측부(430)가 낙뢰 진로를 예측하기 위해 참고로 하는 요소들 및 [수학식1]에 대한 예시를 나타낸 예시도이다.
낙뢰 진로 예측부(430)는 과거 낙뢰 데이터로부터 시간, 일, 월 및 년 단위로 지도 상에 설정된 지역에서의 낙뢰 발생 빈도에 대한 낙뢰 발생 빈도 데이터를 생성한다. 이때 생성된 낙뢰 발생 빈도 데이터는 각각 시간 발생 빈도 데이터(L1), 일간 발생 빈도 데이터(L2), 월간 발생 빈도 데이터(L3) 및 연간 발생 빈도 데이터(L4)를 포함할 수 있다.
과거 낙뢰 함수는 L1, L2, L3, L4를 입력 변수로 사용한다. 예를 들어, 낙뢰 진로 예측부(430)는 지도상에 설정된 지점(1km × 1km의 정사각형 형태)을 기준으로 상하좌우 각각 5개씩의 정사각형의 격자(1km × 1km)를 추가하여 11 × 11 격자를 만든다. 낙뢰 진로 예측부(430)는 형성된 11 × 11 격자에서 각각의 격자에 해당하는 지역의 낙뢰 발생 빈도 데이터인 L1, L2, L3, L4를 산출한다.
낙뢰 진로 예측부(430)는 낙뢰 발생 빈도 데이터를 기준으로 상대적인 낙뢰 발생 가중치인 낙뢰 발생 가중치 데이터를 산출할 수 있다. 즉, 낙뢰 진로 예측부(430)는 과거 낙뢰 함수에 입력 변수인 L1, L2, L3, L4를 사용하여 낙뢰 발생 가중치 데이터를 산출할 수 있다.
낙뢰 진로 예측부(430)는 과거 낙뢰 함수를 통해 L1, L2, L3, L4 간의 상고나 관계를 분석하고, 상대 비교가 가능한 121 단계의 속성 값인 낙뢰 발생 가중치 데이터를 산출할 수 있다.
예를 들어, 낙뢰 진로 예측부(430)는 시간 발생 빈도 데이터에서 24시간을 기준으로 낙뢰 발생 빈도가 가장 높은 시간을 24, 낙뢰 발생 빈도가 가장 낮은 시간을 1로 설정하여 총 24단계로 상대적인 시간 낙뢰 발생 가중치를 산출할 수 있다.
또한, 낙뢰 진로 예측부(430)는 일간 발생 빈도 데이터에서 365일을 기준으로 낙뢰 발생 빈도가 가장 높은 일을 365, 낙뢰 발생 빈도가 가장 낮은 일을 1로 설정하여 총 365단계로 상대적인 일간 낙뢰 발생 가중치를 산출할 수 있다.
또한, 낙뢰 진로 예측부(430)는 월간 발생 빈도 데이터에서 12개월을 기준으로 낙뢰 발생 빈도가 가장 높은 달을 12, 낙뢰 발생 빈도가 가장 낮은 달을 1로 설정하여 총 12 단계로 상대적인 월간 낙뢰 발생 가중치를 산출할 수 있다.
또한 낙뢰 진로 예측부(430)는 지난 12년 동안에 해당하는 과거 낙뢰 데이터가 저장되어 있으면, 년간 발생 빈도 데이터에서 12년을 기준으로 낙뢰 발생 빈도가 가장 높은 년을 12, 낙뢰 발생 빈도가 가장 낮은 년을 1로 설정하여 총 12 단계로 상대적인 연간 낙뢰 발생 가중치를 산출할 수 있다.
낙뢰 진로 예측부(430)는 산출한 시간 낙뢰 발생 가중치, 일간 낙뢰 발생 가중치, 월간 낙뢰 발생 가중치 및 연간 낙뢰 발생 가중치를 이용하여 121개 각각의 격자의 낙뢰 발생 가중치를 산출할 수 있다. 낙뢰 진로 예측부(430)는 121개의 격자를 기준으로 낙뢰 발생 빈도가 가장 높은 격자를 121, 낙뢰 발생 빈도가 가장 낮은 격자를 1로 설정하여 총 121 단계로 상대적인 낙뢰 발생 빈도 가중치를 산출할 수 있다.
낙뢰 진로 예측부(430)는 산출된 격자 가중치를 이용하여 지도상에 설정된 지점을 기준으로 낙뢰 발생 빈도가 가장 많은 방향 순으로 낙뢰가 진행 가능한 경로를 생성할 수 있다. 낙뢰 진로 예측부(430)는 산출한 가중치에 따라 낙뢰 예상 진로를 복수개의 방향으로 구분할 수 있다. 본 발명에서는 설명의 편의를 위해 8개의 방향으로 구분한다고 예를 들어 설명하도록 한다. 여기서 8개의 방향은 상하좌우 방향과 4개의 대각선 방향이다. 즉, 낙뢰 진로 예측부(430)는 낙뢰 발생 빈도가 많은 순서대로 낙뢰 진행 가능한 방향을 정하고 이를 8단계로 구분할 수 있다.
낙뢰 진로 예측부(430)는 설정된 지형에 대한 수치지리정보인 지리정보 데이터를 생성한다. 여기서 지리정보 데이터는 설정된 지점의 고도, 경사도, 경사방향, 지형 및 지형의 위치 등과 같이 낙뢰 또는 구름의 이동경로에 영향을 주는 지형적 요소들에 대한 정보이다.
낙뢰 진로 예측부(430)는 선택된 설정된 지점(1km × 1km의 정사각형 형태)을 기준으로 상하좌우 각각 5개씩의 정사각형의 격자(1km × 1km)를 추가하여 11 × 11 격자를 만든다. 낙뢰 진로 예측부(430)는 각각의 격자에 해당하는 지형적 요소에 해당하는 정보를 수치 데이터로 산출한다.
예를 들어, 낙뢰 진로 예측부(430)는 고도 데이터로부터 가장 높은 고도는 10, 가장 낮은 고도를 1로 설정하여 총 10단계로 상대적인 고도 가중치를 산출할 수 있다. 여기서, 고도가 높을수록 구름과의 거리가 가깝기 때문에 낙뢰 발생의 가능성이 높으므로 가장 높은 고도의 가중치를 10으로 할 수 있다.
예를 들어, 낙뢰 진로 예측부(430)는 경사도 데이터로부터 가장 높은 경사도를 180, 가장 낮은 경사도를 1로 설정하여 총 180단계로 상대적인 경사도 가중치를 산출할 수 있다.
예를 들어, 낙뢰 진로 예측부(430)는 경사방향 데이터로부터 설정된 기준방향을 기준으로 0~360도의 경사 방향으로 총 360단계의 상대적인 경사방향 가중치를 산출할 수 있다.
예를 들어, 낙뢰 진로 예측부(430)는 지리 정보 데이터로부터 지형이 없는 평지를 10으로 설정한다. 낙뢰 진로 예측부(430)는 구름의 진전을 방해하는 지형에 따라 지형 가중치를 10에서부터 감소 시킴으로써 총 10단계의 상대적인 지형 가중치를 산출할 수 있다. 또한, 낙뢰 진로 예측부(430)는 지형에 의해서 구름의 진전을 도와주는 경우, 지형에 의해서 가중치가 감소되지만, 구름의 진전을 도와주기 때문에 그에 따른 가중치를 가산함으로써 지형 가중치를 산출할 수 있다.
낙뢰 진로 예측부(430)는 고도의 가중치, 경사도 가중치, 경사방향 가중치 및 지형 가중치를 이용하여 121개 각각의 격자의 지리정보 가중치를 산출할 수 있다. 낙뢰 진로 예측부(430)는 121개의 격자를 기준으로, 낙뢰가 가장 쉽게 진행할 수 있는 방향 순서대로 낙뢰 진행이 가능한 경로 데이터를 생성한다. 낙뢰 진로 예측부(430)는 선택됨 설정된 지점을 기준으로 상하좌우 및 4개의 대각선 방향인 8방향으로 구분할 수 있다. 즉, 낙뢰 진로 예측부(430)는 낙뢰가 이동할 가능성 있는 방향을 정하고 이를 8단계로 구분 할 수 있다.
낙뢰 진로 예측부(430)는 실시간 낙뢰 관측 장치(100)로부터 수신한 실시간 낙뢰 데이터를 이용하여 실제 낙뢰가 이동하는 일정 방향을 산출할 수 있다. 낙뢰가 발생한 위치는 GPS 좌표로 표시될 수 있다.
낙뢰 진로 예측부(430)는 낙뢰가 발생한 지점(1km × 1km의 정사각형 형태)을 중심으로 상하좌우 각각 5개씩의 정사각형의 격자를 추가하여 11 × 11인 121개의 격자를 만든다. 낙뢰 진로 예측부(430)는 현재 발생한 낙뢰 및 바로 이전에 발생한 낙뢰의 위치의 격자에 해당 낙뢰 데이터를 표시할 수 있다. 그러나 121개의 모든 격자에 실시간 낙뢰데이터가 존재하지 않을 수 있다. 따라서 121개의 격자에 표시된 실제 낙뢰 발생에 따른 현재 낙뢰 데이터 및 바로 이전 낙뢰 데이터를 이용하여 낙뢰의 진행 방향을 산출할 수 있다. 예를 들어, 낙뢰 진로 예측부(430)는 121개의 격자에 표시된 실시간 낙뢰 데이터로부터 선형분석을 수행함으로써, 낙뢰가 진행하는 일정방향을 산출하고, 이를 정북을 기준으로 방위각(360도) 형태로 산출할 수 있다.
낙뢰 진로 예측부(430)는 과거 낙뢰 데이터 및 지리정보 데이터로부터 각각 8단계의 낙뢰 예상 진행 방향과 낙뢰가 진행되고 있는 방향의 방위각에 대한 정보를 조합할 수 있다. 낙뢰 진로 예측부(430)는 조합된 정보로부터 설정된 시간에 낙뢰가 진행될 것으로 예상되는 경로에 대한 정보인 낙뢰 진로 예측 데이터를 생성할 수 있다. 예를 들어 낙뢰 진로 예측부(430)는 30분 또는 1시간 이내에 낙뢰가 진행될 것으로 예상되는 방향을 방위각으로 산출할 수 있다. 낙뢰 진로 예측부(430)는 산출된 방위각으로부터 특정 지점뿐만 아니라 타지점을 기준으로 한 낙뢰 진행 방향을 예측할 수 있다.
낙뢰발생 예측부(450)는 낙뢰 진로 예측부(430)로부터 산출된 낙뢰 예상 진로 데이터, 전계 상태 데이터 및 구름 상태 데이터를 이용하여 낙뢰 발생 예측 데이터를 생성한다. 여기서 낙뢰 발생 예측 데이터는 특정 지점에서의 낙뢰 발생 가능성, 낙뢰 발생 예상 시간, 낙뢰의 예상 속도 등을 포함할 수 있다. 낙뢰발생 예측부(450)는 [수학식2]로부터 낙뢰 발생 예측 데이터를 산출할 수 있다.
[수학식2]
Figure 112010049618272-pat00001
여기서, P(%, r)은 낙뢰 발생 예측 데이터인 특정 지점(r)의 낙뢰 발생 확률,
Figure 112010049618272-pat00002
은 전계 상태 변화 함수,
Figure 112010049618272-pat00003
는 구름 상태 변화 함수 및 DL - Dir 은 낙뢰 진로 예측 데이터이다. 전계 상태 변화 함수는 지도상에 설정된 범위에서 전계 변화량을 나타낸다. 이때, 전계 변화량은 낙뢰를 유발하는 하전된 입자들의 전계 변화량을 포함할 수 있다. 여기서 낙뢰를 유발하는 하전된 입자들은 실시간으로 발생된 낙뢰의 극성과 동일한 극성을 갖는 구름 내에 분포된 입자이다. 구름 상태 변화 함수는 구름의 이동 방향 및 구름의 이동 속도를 나타낸다. 구름 상태 변화 함수 역시 낙뢰를 유발하는 하전된 입자들의 이동 방향 및 이동 속도를 포함할 수 있다.
낙뢰발생 예측부(450)에 대한 자세한 설명은 도4를 참고로 하여 설명하도록 한다. 도4는 낙뢰발생 예측부(450)가 특정 지점에서의 낙뢰 발생 확률을 예측하기 위해 참고로 하는 요소들 및 [수학식2]에 대한 예시를 나타낸 예시도이다.
낙뢰발생 예측부(450)는 전계 상태 데이터, 구름 상태 데이터 및 낙뢰 예상 진로 데이터를 수신한다.
낙뢰발생 예측부(450)는 전계 상태 데이터로부터 현재 발생한 낙뢰의 극성 정보, 구름의 전계 변화량, 낙뢰 극성의 전계 변화량을 산출할 수 있다. 예를 들어, 낙뢰발생 예측부(450)는 실시간 낙뢰 데이터로부터 낙뢰의 극성을 확인할 수 있다.
또한, 낙뢰발생 예측부(450)는 구름의 전계 변화량 및 낙뢰의 극성 전계 변화량을 10단계로 구분할 수 있다. 낙뢰발생 예측부(450)는 구름의 전계 변화량이 가장 큰 지점을 10, 전계 변화량이 없는 지점을 1로 설정하여 구름 전계 변화에 대한 가중치를 산출할 수 있다. 낙뢰발생 예측부(450)는 산출된 구름 전계 변화 가중치를 낙뢰 진로 예측부(430)에서 생성한 121개의 격자에 맵핑 할 수 있다.
또한, 낙뢰발생 예측부(450)는 낙뢰의 극성 전계 변화량이 가장 큰 지점을 10, 극성 전계 변화량이 없는 지점을 1로 설정하여 총 10단계로 극성 전계 변화 가중치를 산출할 수 있다. 낙뢰발생 예측부(450)는 산출된 극성 전계 변화 가중치를 121개의 격자에 맵핑 할 수 있다. 여기서 낙뢰발생 예측부(450)는 구름 입자의 '+' 또는 '-'의 극성 중, 실시간 낙뢰 데이터로부터 확인된 극성과 동일한 극성의 전계 변화량만을 산출할 수 있다.
따라서, 낙뢰발생 예측부(450)는 발생 낙뢰의 극성 정보 및 10단계의 구름 전계변화량 및 극성 전계 변화량에 대한 가중치로부터 전계 상태 변화 데이터를 산출할 수 있다.
또한, 낙뢰발생 예측부(450)는 구름 관측 장치(300)로부터 구름 상태 데이터를 수신한다. 낙뢰발생 예측부(450)는 구름 상태 데이터로부터 구름의 이동 정보 및 하전된 입자의 이동 정보를 산출할 수 있다. 예를 들어, 낙뢰발생 예측부(450)는 구름의 이동 정보로부터 정북을 기준으로 구름의 이동 방향과 이동 속도를 산출할 수 있다. 또한, 낙뢰발생 예측부(450)는 하전된 입자의 이동 정보로부터, 하전된 입자의 이동 방향과 이동 속도를 산출할 수 있다.
따라서, 낙뢰발생 예측부(450)는 구름 또는 하전된 입자의 방위 및 속도로부터, 구름 상태 변화 데이터를 산출할 수 있다.
낙뢰발생 예측부(450)는 낙뢰 진로 예측부(430)에서 생성한 낙뢰 예상 진로 데이터를 전계 상태 변화 데이터 및 구름 상태 변화 데이터를 이용하여 낙뢰 예상 진로를 수정한다.
예를 들어, 발생한 낙뢰와 동일한 극성을 가지며, 전계 변화량이 설정된 기준 값보다 큰, 하전된 입자의 이동 방향이 낙뢰 예상 진로 와 일치할 수 있다. 여기서 설정된 기준 값은 낙뢰를 유발할 수 있는 전계 변화량의 기준 값이다. 여기서 설정된 기준 값은 낙뢰를 발생을 유발 할 수 있을 정도의 전계 변화량일 수 있다. 설정된 기준 값은 사용자에 의해서 설정되거나, 낙뢰 예측 장치(400)에 미리 설정되어 있을 수 있다. 이때, 낙뢰발생 예측부(450)는 낙뢰 예상 진로와 일치한 지점은 매우 높은 낙뢰 발생 확률로 표시할 수 있다.
예를 들어, 발생한 낙뢰와 동일한 극성을 가지며, 전계 변화량이 설정된 기준 값보다 작은 하전된 입자의 이동 방향이 낙뢰 예상 진로 와 일치하지 않을 수 있다. 이때, 낙뢰발생 예측부(450)는 낙뢰 예상 진로에 해당하는 지점을 하전된 입자의 이동 방향과는 상대적으로 낮은 낙뢰 발생 확률로 표시할 수 있다. 즉, 하전된 입자의 이동 방향에 해당하는 지점은 낙뢰 예상 진로에 비해 상대적으로 높은 낙뢰 발생 확률로 표시될 수 있다.
데이터베이스부(440)는 낙뢰가 발생할 때마다 낙뢰 관측 장치로부터 수신한 낙뢰 데이터를 저장할 수 있다. 또한 데이터베이스부(440)는 설정된 지점의 지리정보를 저장할 수 있다.
상술한 바와 같이 낙뢰 예측 장치(400)는 과거 낙뢰 데이터, 지리정보 데이터 및 실시간 낙뢰 데이터로부터 낙뢰의 진로를 예측하고, 낙뢰 발생시의 전계 상태 데이터 및 구름 상태 데이터로 예측된 낙뢰의 진로를 수정할 수 있다. 따라서, 낙뢰 예측 장치(400)는 더 정확하게 낙뢰의 진로를 예측할 수 있다. 또한 낙뢰 예측 장치(400)는 낙뢰가 발생한 지점 또는 예측된 낙뢰의 진로를 기준으로 일정 범위의 지점에서 낙뢰가 발생한 확률을 표시할 수 있다. 따라서, 전계 관측 장치, 구름 관측 장치 및 실시간 낙뢰 관측 장치가 설치되지 않은 지점에서의 낙뢰 발생 확률을 알 수 있다.
낙뢰 예측 장치(400)는 데이터 조합부(미도시)를 더 포함할 수 있다.
데이터 조합부(미도시)는 수신한 낙뢰 데이터, 전계 상태 데이터 및 구름 상태 데이터의 조합을 수행한다. 데이터 조합부(미도시)는 각각의 데이터를 시간 동기화하여 데이터 조합한 조합 데이터를 생성할 수 있다. 즉, 데이터 조합부(미도시)는 낙뢰 데이터, 전계 상태 데이터 및 구름 관측 데이터를 조합하여 동일 시간대에 동일 장소에서 발생한 낙뢰, 전계 변화 및 구름 상태를 알 수 있는 조합 데이터를 생성할 수 있다.
도5은 본 발명의 실시예에 따른 낙뢰 예측 방법에 관한 순서도이다.
도5을 참조하면, 단계 S510에서 낙뢰 예측 장치는 실시간 낙뢰 데이터, 전계 상태 데이터 및 구름 상태 데이터를 수신한다. 예를 들어, 낙뢰 예측 장치는 낙뢰 관측 장치로부터 실시간으로 관측된 낙뢰에 대한 정보인 실시간 낙뢰 데이터를 수신할 수 있다. 또한, 낙뢰 예측 장치는 전계 관측 장치로부터 구름 내 전계 변화를 나타내는 전계 상태 데이터를 수신할 수 있다. 또한, 낙뢰 예측 장치는 구름 관측 장치로부터 구름 내 입자들의 상태에 관한 정보인 구름 상태 데이터를 수신할 수 있다.
단계 S520에서 낙뢰 예측 장치는 과거 낙뢰 데이터를 추출한다. 낙뢰 예측 장치는 과거에 관측되어 저장되어 있던 설정된 시점 이후의 과거 낙뢰 데이터를 추출할 수 있다. 여기서 설정된 시점은 사용자가 미리 설정하거나 낙뢰 예측 장치에 디폴트 된 값으로 미리 설정되어 있을 수 있다.
단계 S530에서 낙뢰 예측 장치는 지리정보 데이터를 추출한다. 낙뢰 예측 장치는 설정된 범위 해당하는 낙뢰 또는 구름의 이동경로에 영향을 주는 지형적 요소에 대한 지리정보 데이터를 추출할 수 있다.
단계 S540에서 낙뢰 예측 장치는 과거 낙뢰 데이터, 지리정보 데이터 및 실시간 낙뢰 데이터를 이용하여 낙뢰 예상 진로 데이터를 산출한다.
예를 들어, 낙뢰 예측 장치는 과거 낙뢰 데이터로부터 설정된 지점의 상대적인 과거 낙뢰 발생 빈도 가중치를 산출할 수 있다. 또한 낙뢰 예측 장치는 지리정보 데이터로부터 낙뢰 또는 구름의 진행을 방해하는 설정된 지점에 위치한 지형 가중치를 산출할 수 있다. 낙뢰 예측 장치는 실시간 낙뢰 데이터를 이용하여 현지 낙뢰가 진행하고 있는 방향을 산출하고 있다. 낙뢰 예측 장치는 이와 같은 과거 낙뢰 발생 빈도 가중치, 지형 가중치 및 낙뢰 진행 방향으로부터 낙뢰 예상 진로 데이터를 산출하고 있다.
단계 S550에서 낙뢰 예측 장치는 전계 상태 데이터, 구름 상태 데이터 및 낙뢰 예상 진로 데이터를 이용하여 낙뢰 발생 확률 산출한다. 예를 들어, 낙뢰 예측 장치는 전계 상태 데이터로부터 낙뢰의 극성을 확인하고 낙뢰와 동일한 극성으로 하전된 입자의 전계 변화 데이터 및 하전된 입자의 이동 방향을 산출할 수 있다.
낙뢰 예측 장치는 하전된 입자의 전계 변화 데이터와 이동 방향 및 낙뢰 예상 진로 데이터로부터 낙뢰 발생 확률을 산출할 수 있다. 예를 들어, 전계 변화가 설정된 기준 값보다 큰 하전된 입자의 이동 방향이 낙뢰 예상 진로와 일치하면, 해당 지점은 주변 지점보다 상대적으로 큰 낙뢰 발생 확률이 산출될 것이다. 여기서, 설정된 기준 값은 낙뢰를 유발할 정도의 전계 변화량이다. 또는 전계 변화가 설정된 기준 값보다 큰 하전된 입자의 이동 방향이 낙뢰 예상 진로와 일치하지 않는다면, 낙뢰 예상 진로는 하전된 입자의 이동 방향에 해당하는 지점에 비해 상대적으로 낮은 낙뢰 발생 확률이 산출될 것이다.
본 발명의 실시예에서 의하면 도5에는 도시하지 않았지만, 단계 S510 이후 단계 S515가 더 포함 될 수 있다.
단계 S515에서 낙뢰 예측 장치는 기상 장치로부터 수신한 실시간 낙뢰 데이터, 전계 상태 데이터 및 구름 상태 데이터를 조합한다. 예를 들어, 낙뢰 예측 장치는 실시간 낙뢰 데이터, 전계 상태 데이터 및 구름 상태 데이터를 동일 시간대 및 동일 장소를 기준으로 조합할 수 있다.
여기서, 단계S515는 낙뢰 예측 장치를 사용하는 사용자의 의도에 따라서 부가될 수 있는 단계이다.
상기에서는 본 발명의 바람직한 실시 예를 참조하여 설명하였지만, 해당 기술 분야에서 통상의 지식을 가진 자라면 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.
100 : 낙뢰 관측 장치 110 : 낙뢰 감지기
200 : 전계 관측 장치 210 : 전계 변화 감지기
300 : 구름 관측 장치 310 : 기상 레이더
320 : 구름 상태 변화량 추출부 400 : 낙뢰 예측 장치
410 : 통신부 430 : 낙뢰 진로 예측부
440 : 데이터베이스부 450 : 낙뢰 발생 예측부

Claims (21)

  1. 과거에 발생한 낙뢰에 대한 정보인 과거 낙뢰 데이터로부터 산출된 낙뢰 발생 빈도, 지리정보 데이터로부터 구름 또는 낙뢰의 진행을 유도할 수 있는 지형적 요소 및 실시간으로 관측된 낙뢰에 대한 정보인 실시간 낙뢰 데이터로부터 산출된 현재 낙뢰 이동 경로로부터 낙뢰 예상 진로를 산출하는 낙뢰 진로 예측부; 및
    전계 상태에 대한 정보인 전계 상태 데이터 및 구름 상태에 대한 정보인 구름 상태 데이터로부터 구름의 이동 방향과 상기 낙뢰 예상 진로를 비교하여 낙뢰 발생 확률을 산출하는 낙뢰 발생 예측부를 포함하는 낙뢰 예측 장치.
  2. 제1항에 있어서,
    상기 낙뢰 진로 예측부는,
    상기 과거 낙뢰 데이터로부터 지도상의 설정된 범위에서의 과거 낙뢰 발생 빈도, 상기 지리정보 데이터로부터 상기 낙뢰가 진행 가능한 경로, 상기 실시간 낙뢰 데이터로부터 상기 낙뢰가 실제 진행하고 있는 이동 경로를 산출하며,
    상기 산출된 과거 낙뢰 발생 빈도에 따라 산출된 가중치 및 상기 낙뢰가 진행 가능한 경로에 따라 산출된 가중치를 상기 지도상의 설정된 범위에 맵핑하고, 상기 맵핑된 결과와 상기 낙뢰가 실제로 진행하고 있는 이동 경로의 상관관계를 해석하여 상기 낙뢰 예상 진로를 산출하는 것을 특징으로 하는 낙뢰 예측 장치.
  3. 제2항에 있어서,
    낙뢰 진로 예측부는
    DL - Dir = ∑FD1(LoldDB) + ∑FD2(GGISLO) + ∑FD3(LRealDB)
    으로부터 낙뢰 예상 진로를 산출하는 것을 특징으로 하는 낙뢰 예측 장치. (여기서, DL-Dir는 낙뢰 예상 진로 데이터, ∑FD1(LoldDB)는 과거 낙뢰 함수, ∑FD2(GGISLO)는 지리 정보 함수, ∑FD3(LRealDB)는 실시간 낙뢰 함수임.)
  4. 제3항에 있어서,
    상기 낙뢰 진로 예측부는
    상기 과거 낙뢰 함수로부터 산출한 가중치에 따라 낙뢰 예상 진로를 복수개의 방향으로 구분하는 것을 특징으로 하는 낙뢰 예측 장치.
  5. 제3항에 있어서,
    상기 낙뢰 진로 예측부는
    상기 지리 정보 함수로부터 산출한 가중치에 따라 낙뢰 예상 진로를 복수개의 방향으로 구분하는 것을 특징으로 하는 낙뢰 예측 장치.
  6. 제3항에 있어서,
    상기 실시간 낙뢰 함수는 현재 발생한 낙뢰의 위치와 이전에 발생한 낙뢰의 위치로부터 현재 발생한 낙뢰가 진행하고 있는 방향을 방위각으로 산출하는 것을 특징으로 하는 낙뢰 예측 장치.
  7. 제1항에 있어서,
    상기 낙뢰 발생 예측부는,
    상기 실시간 낙뢰 데이터로부터 낙뢰의 극성을 확인하고 전계 상태 데이터로부터 상기 낙뢰의 극성과 동일한 극성을 갖는 하전된 입자의 전계 변화량과 상기 구름 상태 데이터로부터 상기 낙뢰의 극성과 동일한 극성을 갖는 하전된 입자의 이동 방향을 산출하고,
    상기 산출된 전계 변화량 중 기준 값보다 큰 전계 변화량을 가지는 상기 낙뢰의 극성과 동일한 극성을 갖는 하전된 입자의 이동 방향과, 상기 낙뢰 예상 진로와 대비하여,
    상기 낙뢰의 극성과 동일한 극성을 갖는 하전된 입자의 이동 방향과, 상기 낙뢰 예상 진로가 일치하는 경우, 상기 낙뢰 예상 진로가 상대적으로 주변 지점에 비해 높은 확률로 산출하는 것을 특징으로 하는 낙뢰 예측 장치.
  8. 제7항에 있어서,
    상기 낙뢰 발생 예측부는
    Figure 112010049618272-pat00004

    으로부터 낙뢰 발생 예측 확률을 산출하는 것을 특징으로 하는 낙뢰 예측 장치. (여기서,
    Figure 112010049618272-pat00005
    은 전계 상태 변화 함수,
    Figure 112010049618272-pat00006
    는 구름 상태 변화 함수 및 DL - Dir 은 낙뢰 진로 예상 데이터임.)
  9. 제8항에 있어서,
    상기 낙뢰 발생 예측부는
    상기 전계 상태 데이터로부터 현재 발생한 낙뢰의 극성을 추출하고,
    상기 전계 상태 변화 함수로부터 구름의 전계 변화량을 10단계로 구분하고, 상기 낙뢰의 극성과 동일한 극성을 갖는 하전된 입자의 전계 변화량을 10단계로 구분하며, 상기 구분된 상기 구름의 전계 변화량 또는 하전된 입자의 전계 변화량을 지도상에 설정된 범위에 맵핑하는 것을 특징으로 하는 낙뢰 예측 장치.
  10. 제9항에 있어서,
    상기 낙뢰 발생 예측부는
    상기 구름 상태 변화 함수로부터 지도상에 설정된 범위에서 정북을 기준으로 구름의 이동 방향 및 이동 속도를 산출하고, 상기 낙뢰의 극성과 동일한 극성을 갖는 하전된 입자의 이동 방향 및 이동 속도를 산출하는 것을 특징으로 하는 낙뢰 예측 장치.
  11. 제1항에 있어서,
    상기 실시간 낙뢰 데이터, 상기 전계 상태 데이터 및 상기 구름 상태 데이터를 시간 동기화 하여 조합하는 데이터 조합부를 더 포함하는 것을 특징으로 하는 낙뢰 예측 장치.
  12. 제1항에 있어서,
    상기 과거 낙뢰 데이터 및 상기 지리정보 데이터를 저장하는 데이터베이스부를 더 포함하는 것을 특징으로 하는 낙뢰 예측 장치.
  13. 제12항에 있어서,
    상기 과거 낙뢰 데이터는 설정된 과거 기간 동안 설정된 범위에 발생한 낙뢰의 극성, 낙뢰 발생 시간, 낙뢰의 뇌격 전류의 크기 및 낙뢰 발생 위치 중 적어도 하나를 포함하는 것을 특징으로 하는 낙뢰 예측 장치.
  14. 제12항에 있어서,
    상기 지리정보 데이터는 설정된 범위의 고도, 경사도, 경사방향, 지형 및 지형의 위치 중 적어도 하나를 포함하는 것을 특징으로 하는 낙뢰 예측 장치.
  15. 지도상에 설정된 범위에서 과거에서 발생한 낙뢰 발생 빈도 및 상기 설정된 범위의 상기 낙뢰 또는 구름의 진행을 유도할 수 있는 지형적 요소에 따라 낙뢰 예상 진로를 산출하는 단계; 및
    전계 상태 변화, 구름 상태 변화 및 낙뢰 예상 진로를 비교하여 상기 낙뢰 예상 진로의 확률을 산출하는 단계를 포함하는 낙뢰 예측 방법.
  16. 제15항에 있어서,
    상기 낙뢰 예상 진로를 산출하는 단계는,
    상기 과거 낙뢰 발생 빈도에 따른 가중치 및 지형적 요소에 따른 가중치를 산출하고, 상기 산출된 각각의 가중치로부터 낙뢰 예상 진로를 복수개의 방향으로 구분하고,
    현재 발생한 낙뢰의 위치와 이전에 발생한 낙뢰의 위치로부터 낙뢰가 진행하고 있는 방향을 방위각으로 산출하여, 상기 낙뢰 예상 진로를 산출하는 것을 특징으로 하는 낙뢰 예측 방법.
  17. 제15항에 있어서,
    상기 전계 상태 변화는,
    상기 구름의 전계 변화량 및 상기 구름 내의 하전된 입자의 전계 변화량을 포함하고,
    상기 구름 상태 변화는
    상기 구름의 이동 방향과 이동 속도, 및 상기 구름 내의 하전된 입자의 이동 방향과 이동 속도를 포함하는 것을 특징으로 하는 낙뢰 예측 방법.
  18. 제16항에 있어서,
    상기 낙뢰 예상 진로의 확률을 산출하는 단계는
    낙뢰가 유발되는 전계 변화량의 기준 값 보다 큰 전계 변화량을 가지는 낙뢰의 극성과 동일한 극성을 갖는 하전된 입자의 이동 방향과 상기 낙뢰 예상 진로가 일치하면, 상기 낙뢰 예상 진로는 상기 낙뢰의 극성과 동일한 극성을 갖는 하전된 입자의 이동 방향에 비해 높은 확률로 산출하는 것을 특징으로 하는 낙뢰 예측 방법.
  19. 제16항에 있어서,
    상기 낙뢰 예상 진로의 확률을 산출하는 단계는
    낙뢰를 유발시키는 하전된 입자의 전계 변화량이 기준 값 보다 큰 경우, 상기 낙뢰를 유발시키는 하전된 입자의 이동 방향과 상기 낙뢰 예상 진로가 일치하지 않으면, 상기 낙뢰 예상 진로는 상기 낙뢰를 유발시키는 하전된 입자의 이동 방향에 비해 낮은 확률로 산출하는 것을 특징으로 하는 낙뢰 예측 방법.
  20. 제 16항에 있어서,
    전계 상태에 대한 정보를 포함하는 전계 상태 데이터, 구름의 상태에 대한 정보를 포함하는 구름 상태 데이터 및 실시간 발생된 낙뢰에 대한 정보를 포함하는 실시간 낙뢰 데이터를 수신하는 단계를 포함하는 것을 특징으로 하는 낙뢰 예측 방법.
  21. 제20항에 있어서,
    상기 전계 상태 데이터, 상기 구름 상태 데이터 및 상기 실시간 낙뢰 데이터를 시간 동기화 하여 조합함으로써 조합 데이터를 생성하는 단계를 더 포함하는 낙뢰 예측 방법.
KR1020100074232A 2010-07-30 2010-07-30 낙뢰 예측 장치 및 낙뢰 예측 방법 KR101105295B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020100074232A KR101105295B1 (ko) 2010-07-30 2010-07-30 낙뢰 예측 장치 및 낙뢰 예측 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020100074232A KR101105295B1 (ko) 2010-07-30 2010-07-30 낙뢰 예측 장치 및 낙뢰 예측 방법

Publications (1)

Publication Number Publication Date
KR101105295B1 true KR101105295B1 (ko) 2012-01-17

Family

ID=45614201

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020100074232A KR101105295B1 (ko) 2010-07-30 2010-07-30 낙뢰 예측 장치 및 낙뢰 예측 방법

Country Status (1)

Country Link
KR (1) KR101105295B1 (ko)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160138811A (ko) 2015-05-26 2016-12-06 (주)조인에프에스 낙뢰 예보 기능을 갖는 피뢰 시스템
CN107957597A (zh) * 2017-12-12 2018-04-24 国网新疆电力公司电力科学研究院 一种提取雷电簇团运动轨迹及趋势的方法
KR101860742B1 (ko) * 2017-11-07 2018-07-02 대한민국 낙뢰 위험도 분석 시스템 및 이를 이용한 낙뢰 위험도 분석 방법
KR101983938B1 (ko) * 2018-01-29 2019-05-29 신희경 낙뢰 경보 시스템 및 방법
KR102260990B1 (ko) * 2020-08-25 2021-06-04 주식회사 엘피에스코리아 낙뢰 예측 방법
KR102269172B1 (ko) * 2020-09-01 2021-06-24 주식회사 엘피에스코리아 낙뢰 예측에 따른 예비전원 자동절체장치
WO2021174291A1 (en) * 2020-03-06 2021-09-10 Christopher Colin Stephen An emergency response system and method
JP2021133859A (ja) * 2020-02-28 2021-09-13 株式会社Subaru 航空機

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009264943A (ja) 2008-04-25 2009-11-12 Chubu Electric Power Co Inc 落雷予報装置および落雷予報方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009264943A (ja) 2008-04-25 2009-11-12 Chubu Electric Power Co Inc 落雷予報装置および落雷予報方法

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160138811A (ko) 2015-05-26 2016-12-06 (주)조인에프에스 낙뢰 예보 기능을 갖는 피뢰 시스템
KR101860742B1 (ko) * 2017-11-07 2018-07-02 대한민국 낙뢰 위험도 분석 시스템 및 이를 이용한 낙뢰 위험도 분석 방법
CN107957597A (zh) * 2017-12-12 2018-04-24 国网新疆电力公司电力科学研究院 一种提取雷电簇团运动轨迹及趋势的方法
KR101983938B1 (ko) * 2018-01-29 2019-05-29 신희경 낙뢰 경보 시스템 및 방법
JP2021133859A (ja) * 2020-02-28 2021-09-13 株式会社Subaru 航空機
JP7377133B2 (ja) 2020-02-28 2023-11-09 株式会社Subaru 航空機
WO2021174291A1 (en) * 2020-03-06 2021-09-10 Christopher Colin Stephen An emergency response system and method
KR102260990B1 (ko) * 2020-08-25 2021-06-04 주식회사 엘피에스코리아 낙뢰 예측 방법
KR102269172B1 (ko) * 2020-09-01 2021-06-24 주식회사 엘피에스코리아 낙뢰 예측에 따른 예비전원 자동절체장치

Similar Documents

Publication Publication Date Title
KR101105295B1 (ko) 낙뢰 예측 장치 및 낙뢰 예측 방법
Mathon et al. Mesoscale convective system rainfall in the Sahel
Kitzmiller et al. Radar and multisensor precipitation estimation techniques in National Weather Service hydrologic operations
US20180098137A1 (en) Method and system for utility power lines vegetation proximity monitoring and controlling
KR101929990B1 (ko) 악천후에 대한 가능성의 예측
Srivastava et al. Performance assessment of Beijing Lightning Network (BLNET) and comparison with other lightning location networks across Beijing
Donnadieu et al. Near-source Doppler radar monitoring of tephra plumes at Etna
US10302816B2 (en) Method for lightning forecasting and alert system
Lang et al. Transient luminous events above two mesoscale convective systems: Storm structure and evolution
KR20150138363A (ko) 지점 관측을 사용하여 기상 예보를 미세 조정하는 방법 및 시스템
US20140303893A1 (en) Method and system for nowcasting precipitation based on probability distributions
US10317574B2 (en) System and method for identification and/or nowcasting of hail events
Harris et al. The definition of GOES infrared lightning initiation interest fields
CN110853280A (zh) 结合卫星遥感和地表要素的山火识别方法及装置
US20150309208A1 (en) Systems and methods for localized hail activity alerts
US9658324B2 (en) System and method for filling gaps in radar coverage
KR101983938B1 (ko) 낙뢰 경보 시스템 및 방법
JP2019138737A (ja) 雷危険度判定装置
US20210080569A1 (en) Systems and Methods for Weather Radar Processing
AU2018202331A1 (en) Method and system for nowcasting precipitation based on probability distributions
Poelman A 10-year study on the characteristics of thunderstorms in Belgium based on cloud-to-ground lightning data
Singh et al. Avalanche hazard mitigation in east Karakoram mountains
JP5362493B2 (ja) レーダ信号処理装置
Hirpa et al. Global flood forecasting for averting disasters worldwide
Lang Remote sensing of electrification, lightning, and mesoscale/microscale processes with adaptive ground observations (relampago) Lightning Mapper Array (LMA). NASA Global Hydrology Resource Center DAAC

Legal Events

Date Code Title Description
A201 Request for examination
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20150102

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20160105

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20170102

Year of fee payment: 6

FPAY Annual fee payment

Payment date: 20180103

Year of fee payment: 7

FPAY Annual fee payment

Payment date: 20181227

Year of fee payment: 8

FPAY Annual fee payment

Payment date: 20191226

Year of fee payment: 9