【技术实现步骤摘要】
基于贝叶斯网络的输电线路落雷概率预警方法及预警系统
本专利技术属于电力系统防雷
,涉及输电线路落雷概率预警领域,具体涉及一种输电线路落雷概率预警方法及预警系统。
技术介绍
近年来全球气候变化明显,极端天气增多,雷电活动更加频繁剧烈。根据麻省理工在2016年国际防雷大会上发布的研究,在可预见的未来10-20年,全球雷暴活动还将大幅增加,雷电一直是危害电网安全的重大因素。同时,随着雷电探测技术的发展,动态雷电防护开始走入人们的视野,即通过雷电探测系统预测未来一段时间内本区域产生雷击的概率,并提前调整电网的运行方式,将雷击位置附近电力线路上的重要负荷进行转移。这样,即便线路因雷击而跳闸,由于其所带的负荷已被转移,跳闸所造成的经济社会损失就可以大幅降低。目前国内外针对输电线路遭受雷击的概率研究主要集中在雷电活动探测研究方面。国外有学者MoriahKohn提出采用基于地面甚低频闪电信号侦测网的ZEUS系统,并结合基于数据外推的预警决策综合信息支持系统进行雷云预测;国内如中国气象科学研究院开发了一套雷电临近预报系统,可以预测未来1小时内的闪电活动。但这些研究更多地还是侧重对雷电发生机理的研究,较少涉及数据层面的挖掘分析。实际上,在雷电活动的探测过程中,电力部门积累了大量的关于雷电活动的运行数据,这些数据既包括如气温、降水、气压、风向、风速和湿度等的气象数据,也有雷电定位系统探测到的诸如落雷经纬度、雷电流幅值、回击次数等的雷电信息。这些数据为雷电活动探测提供了一种新的辅助手段,从这些落雷的历史数据中挖 ...
【技术保护点】
1.一种基于贝叶斯网络的输电线路落雷概率预警方法,其特征在于,所述输电线路落雷概率预警方法包括以下步骤:/n步骤1:采集待预警输电线路沿线区域的气温、降水、气压、风向、风速和湿度气象六要素的历史数据,统计与气象六要素对应的同一区域落雷数据;/n步骤2:对步骤1所采集的气温、降水、气压、风向、风速、湿度气象六要素数据进行插值处理和数据异常值处理;/n步骤3:根据步骤1采集的落雷数据进行落雷预警等级划分;/n步骤4:基于步骤2异常值处理后的气象六要素历史数据和气象六要素历史数据对应的落雷预警等级,对气象六要素历史数据进行离散化处理;/n步骤5:基于气象六要素与落雷预警等级的相关性强度,建立贝叶斯网络结构模型;通过关联矩阵和祖先矩阵描述贝叶斯网络的结构特性,所述贝叶斯网络顶点数为气象六要素和落雷预警等级;/n步骤6:根据下一时刻气象六要素的预测值,通过步骤5得到的贝叶斯网络结构模型计算该气象条件下输电线路落雷预警等级的概率值。/n
【技术特征摘要】
1.一种基于贝叶斯网络的输电线路落雷概率预警方法,其特征在于,所述输电线路落雷概率预警方法包括以下步骤:
步骤1:采集待预警输电线路沿线区域的气温、降水、气压、风向、风速和湿度气象六要素的历史数据,统计与气象六要素对应的同一区域落雷数据;
步骤2:对步骤1所采集的气温、降水、气压、风向、风速、湿度气象六要素数据进行插值处理和数据异常值处理;
步骤3:根据步骤1采集的落雷数据进行落雷预警等级划分;
步骤4:基于步骤2异常值处理后的气象六要素历史数据和气象六要素历史数据对应的落雷预警等级,对气象六要素历史数据进行离散化处理;
步骤5:基于气象六要素与落雷预警等级的相关性强度,建立贝叶斯网络结构模型;通过关联矩阵和祖先矩阵描述贝叶斯网络的结构特性,所述贝叶斯网络顶点数为气象六要素和落雷预警等级;
步骤6:根据下一时刻气象六要素的预测值,通过步骤5得到的贝叶斯网络结构模型计算该气象条件下输电线路落雷预警等级的概率值。
2.根据权利要求1所述的基于贝叶斯网络的输电线路落雷概率预警方法,其特征在于:
在步骤1中,所述待预警输电线路沿线区域是指以待预警输电线路为中心向两侧扩展设定距离的区域范围。
3.根据权利要求2所述的基于贝叶斯网络的输电线路落雷概率预警方法,其特征在于:
所述待预警输电线路沿线区域是指以待预警输电线路为中心向左右两侧各扩展两公里区域范围。
4.根据权利要求3所述的基于贝叶斯网络的输电线路落雷概率预警方法,其特征在于:
在步骤1中,所述气温、降水、气压、风向、风速和湿度气象六要素的采集时间间隔为3小时;
所述落雷数据的采样时间间隔为微米级别。
5.根据权利要求1或4所述的基于贝叶斯网络的输电线路落雷概率预警方法,其特征在于:
对气象六要素的历史数据进行插值处理,插值后数据的时间尺度为1s;
统计以待预警输电线路沿线区域范围内在1s内发生的绕击雷次数。
6.根据权利要求1所述的基于贝叶斯网络的输电线路落雷概率预警方法,其特征在于:
在步骤2中,对步骤1所采集的气象六要素历史数据的数据异常值处理包括以下内容:
针对气象六要素历史数据中的每一类样本数据,确定上四分位数U和下四分位数L,计算四分数间距IQR;
IQR=U-L
按照下式定义样本数据的上界Upperlimit和下界Lowerlimit
Lowerlimit=L-1.5×IQR
Upperlimit=U+1.5×IQR
当样本数据在上下界范围内的为正常值;
当样本数据在上下界之外即大于等于上界或者小于等于下界,则判断为异常值,然后则选用边界值进行代替;
其中,上四分位数U表示数据样本中有1/4的样本数据大于U;下四分位数L表示数据样本中有1/4的样本数据小于L。
7.根据权利要求6所述的基于贝叶斯网络的输电线路落雷概率预警方法,其特征在于:
在步骤3中,依据历史数据中统计的同一地区同一时间落雷次数的不同,划分不同的落雷预警等级。
8.根据权利要求7所述的基于贝叶斯网络的输电线路落雷概率预警方法,其特征在于:
将所述落雷预警等级划分为四级,其中:
当1s内的落雷次数NG≤5时,定义为I级落雷预警;
当1s内的落雷次数5<NG≤9时,定义为II级落雷预警;
当1s内的落雷次数9<NG≤12时,定义为III级落雷预警;
当1s内的落雷次数NG>12时,定义为IV级落雷预警。
9.根据权利要求1或8所述的基于贝叶斯网络的输电线路落雷概率预警方法,其特征在于:
在步骤4中,对异常值处理后的气象六要素历史数据通过定义列联系数指标刻画气象六要素与落雷预警等级之间的相关性强度,从而对随机变量数据进行离散化处理。
10.根据权利要求9所述的基于贝叶斯网络的输电线路落雷概率预警方法,其特征在于:
按照下式分别计算气象六要素与落雷预警等级之间的列联系数即相关性强度,
式中,k=1,2,…,6分别对应气象六要素中的气温、降水、气压、风向、风速和湿度;
;
m表示总的样本数;S表示落雷预警等级类别数;n表示气象六要素中第k个要素离散后区间数;表示气象六要素中第k个要素值且该要素值属于区间(dr-1,dr]且落雷预警等级类别为i的样本数量;为的平方,Mi+,k表示气象六要素中第k个要素落雷预警等级类别为i的样本数量;i的取值为1-S,r的取值为1-n;M+r,k表示气象六要素中第k个要素值属于区间(dr-1,dr]的样本数量。
11.根据权利要求1或10所述的基于贝叶斯网络的输电线路落雷概率预警方法,其特征在于:
在步骤5中,建立贝叶斯网络结构模型包括以下内容:
步骤5.1定义如下的关联矩阵I∈Rn×n和祖先矩阵A∈Rn×n用于描述贝叶斯网络的结构特性;其中,n=7表示网络顶点数,包括气象六要...
【专利技术属性】
技术研发人员:童充,蔡云峰,王俊,徐箭,徐洋,廖思阳,
申请(专利权)人:国网江苏省电力有限公司苏州供电分公司,
类型:发明
国别省市:江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。