基于精细化预测的电力气象预警方法技术

本发明专利技术公开了基于精细化预测的电力气象预警方法，首先采用一种基于局部加权回归的时间序列分解方法，对气象灾害发生时的电力负荷进行精细化分析，并提出一种表示不同气象灾害基础因素和特征因素对电力负荷影响大小的影响因子的计算方法；其次基于历史数据统计分析，提出一种电力气象灾害风险系数计算方法，综合考虑了电力气象灾害发生概率及其风险危害程度；最后建立一个基于气象预报精细化数据的电力气象灾害预警系统，实现对监测电网进行分区域、逐级更新电力气象灾害风险等级的提前预警，为科学地进行电力气象灾害影响评估奠定了技术基础，对于快速启动电力气象灾害应急响应和提高电网供电可靠性、提升电网防灾减灾能力具有重要意义。力具有重要意义。力具有重要意义。

【技术实现步骤摘要】
基于精细化预测的电力气象预警方法


[0001]本专利技术涉及电力气象灾害预警
，尤其涉及基于精细化预测的电力气象预警方法。

技术介绍

[0002]中国幅员辽阔，地形地貌多样化，包括平原、丘陵、高原、高山等各种情况，地理条件十分复杂，气象灾害发生于不同区域，包括风暴、暴雨、雷电等灾害种类多，频繁恶劣的气象灾害直接影响到国家电网工程设施的正常运作。
[0003]随着全球气候的不断变化、异常气象灾害的增多以及电网规模的不断扩大，气象灾害对电网影响的频度和程度还会继续增加。因此，在规划设计阶段开展全面的气象环境评估，在运行过程中对气象灾害进行及时准确的监测预警，提前做好灾害应急预案，是保证电网可靠运行的有效途径。
[0004]气象状况对户外电力设施具有重要的影响，尤其是台风和雷暴等极端天气能够对户外电力设施造成重大破坏，因此，气象预警对于电力部门应对气象灾害提前做出工作部署具有重要意义。然而，目前电力部门采用的气象预警仅仅是以短信方式对电力工作人员进行气象预报，往往容易造成电力工作人员的疏忽，同时也难以实时的对气象信息进行跟踪预报，从而影响电力人员提前部署针对性更强的防灾工作。所以，面对频发的极端天气和自然灾害，及时准确的预警对保证电网安全稳定运行有着重要意义。

技术实现思路

[0005]为克服上述缺陷，本专利技术的目的在于提供基于精细化预测的电力气象预警方法，综合考虑了电力气象灾害发生概率及其风险危害程度，实现对监测电网进行分区域、逐级更新电力气象灾害风险等级的提前预警。
[0006]为实现上述目的，本专利技术采用如下技术方案：
[0007]基于精细化预测的电力气象预警方法，包括步骤：
[0008]S1、基于局部加权回归的时间序列分解方法，将气象灾害发生时的电力负荷进行精细化分析，确定表示不同气象灾害间基础因素和特征因素对电力负荷力影响大小影响因子；
[0009]S2、基于数据统计分析，确定计及电力气象灾害发生概率和风险危害程度的电力气象灾害风险系数；
[0010]S3、建立一个基于气象预报精细化数据的电力气象灾害预警系统，实现分区域、逐级更新电力气象灾害风险预警等级。
[0011]可选的，所述基于局部加权回归的时间序列分解方法，将气象灾害发生时的电力负荷进行精细化分析，确定表示不同气象灾害间基础因素和特征因素对电力负荷力影响大小影响因子包括步骤：
[0012]通过将样本划分成一个个小区间，对区间中样本进行多项式拟合，不断重复该过
程得到各区间的加权回归曲线，最终得到完整且平滑的回归曲线，根据公式(1)将电力负荷进行精细化分析，得到趋势负荷、气象灾害基础因素分量和气象灾害特征因素分量；
[0013]Y
t
＝Q
t
+W
t
+E
t
ꢀꢀꢀꢀ
(1)
[0014]式中：Y
t
为t时刻原始负荷；Q
t
为趋势分量，表示无气象灾害时电力负荷的发展趋势分量，一般随时间呈递增趋势；W
t
为气象灾害的基础分量；E
t
为气象灾害的特征分量；
[0015]所述时间序列分解方法计算过程包括内部迭代和外部迭代，所述内部迭代用于更新趋势分量和基础气象因素分量，每次内部迭代结束后，所述外部迭代计算鲁棒权重。
[0016]可选的，所述内部迭代过程包括步骤：
[0017]S11、去除趋势分量，根据公式(2)，在内部迭代第k+1次时，用原始序列Y减去上一轮迭代结果中的趋势分量T
t(k)
，得到去除趋势分量后的初始负荷即Y
t*
；
[0018]Y
t*
＝Y
t
‑
Q
t(k)
ꢀꢀꢀꢀ
(2)
[0019]S12、气象灾害基础分量子序列平滑处理，每个相同位置的样本点组成一个子序列，用加权回归法对每个子序列进行回归平滑处理，平滑后子序列记为U
t(k+1)
；
[0020]S13、气象灾害基础分量子序列的低通量过滤，对步骤S12的结果序列U
t(k+1)
做滑动平均处理，用加权回归法做回归后，得到气象灾害基础分量序列的低通量L
t(k+1)
；
[0021]S14、去除平滑气象灾害基础分量子序列趋势分量，根据公式(3)计算气象灾害基础分量为W
t(k+1)
，
[0022]W
t(k+1)
＝U
t(k+1)
‑
L
t(k+1)
ꢀꢀꢀꢀ
(3)
[0023]S15、去除气象灾害基础分量，根据公式(4)将原始序列Y减去气象灾害分量W
t(k+1)
，得到去除气象灾害基础因素分量后的初始负荷即Y
t#
[0024]Y
t#
＝Y
t
‑
W
t(k+1)
ꢀꢀꢀꢀ
(4)
[0025]S16、趋势分量平滑处理，利用加权回归法对Y
t#
平滑后得到趋势分量T
t(k+1)
。
[0026]可选的，所述外部迭代过程包括步骤：
[0027]利用内部迭代得到的趋势分量Q
t
和气象灾害基础分量W
t
根据公式(5)计算得到剩余的气象灾害特征分量E
t
，
[0028]E
t
＝Y
t
‑
Q
t
‑
W
t
ꢀꢀꢀꢀ
(5)
[0029]如果序列中有异常值，则剩余分量较大，即满足公式(6)，则根据式(7)计算每个数据点的鲁棒权重；
[0030]E
t
≥E
t*
ꢀꢀꢀꢀ
(6)
[0031]式中：E
t*
为气象灾害特征分量的基准值；
[0032]对于t时刻的数据点，其鲁棒权重ε
t
为：
[0033][0034]式中：u
t
为t时刻的数据点的鲁棒系数,其计算方法见式(8)
[0035][0036]式中：a为修正系数；E
tm
为气象灾害的特征分量E
t
绝对值的中位数，计算方法见式
(9)
[0037]E
tm
＝median(|E
t
|)
ꢀꢀꢀꢀ
(9)
[0038]最后根据公式(10)，计算出气象灾害发生时气象基础分量的影响系数λ
W
和气象特征分量的影响系数λ
E
[0039][0040]式中：和分别为原始负荷序列Y、趋势分量序列Q、气象灾害基础分量序列W和气象灾害的特征分量序本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于精细化预测的电力气象预警方法，其特征在于，包括步骤：S1、基于局部加权回归的时间序列分解方法，将气象灾害发生时的电力负荷进行精细化分析，确定表示不同气象灾害间基础因素和特征因素对电力负荷力影响大小影响因子；S2、基于数据统计分析，确定计及电力气象灾害发生概率和风险危害程度的电力气象灾害风险系数；S3、建立一个基于气象预报精细化数据的电力气象灾害预警系统，实现分区域、逐级更新电力气象灾害风险预警等级。2.如权利要求1所述的一种基于精细化预测的电力气象预警方法，其特征在于，所述基于局部加权回归的时间序列分解方法，将气象灾害发生时的电力负荷进行精细化分析，确定表示不同气象灾害间基础因素和特征因素对电力负荷力影响大小影响因子包括步骤：通过将样本划分成一个个小区间，对区间中样本进行多项式拟合，不断重复该过程得到各区间的加权回归曲线，最终得到完整且平滑的回归曲线，根据公式(1)将电力负荷进行精细化分析，得到趋势负荷、气象灾害基础因素分量和气象灾害特征因素分量；Y
t
＝Q
t
+W
t
+E
t
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)式中：Y
t
为t时刻原始负荷；Q
t
为趋势分量，表示无气象灾害时电力负荷的发展趋势分量，一般随时间呈递增趋势；W
t
为气象灾害的基础分量；E
t
为气象灾害的特征分量；所述时间序列分解方法计算过程包括内部迭代和外部迭代，所述内部迭代用于更新趋势分量和基础气象因素分量，每次内部迭代结束后，所述外部迭代计算鲁棒权重。3.如权利要求2所述的一种基于精细化预测的电力气象预警方法，其特征在于，所述内部迭代过程包括步骤：S11、去除趋势分量，根据公式(2)，在内部迭代第k+1次时，用原始序列Y减去上一轮迭代结果中的趋势分量T
t(k)
，得到去除趋势分量后的初始负荷即Y
t*
；Y
t*
＝Y
t
‑
Q
t(k)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)S12、气象灾害基础分量子序列平滑处理，每个相同位置的样本点组成一个子序列，用加权回归法对每个子序列进行回归平滑处理，平滑后子序列记为U
t(k+1)
；S13、气象灾害基础分量子序列的低通量过滤，对步骤S12的结果序列U
t(k+1)
做滑动平均处理，用加权回归法做回归后，得到气象灾害基础分量序列的低通量L
t(k+1)
；S14、去除平滑气象灾害基础分量子序列趋势分量，根据公式(3)计算气象灾害基础分量为W
t(k+1)
，W
t(k+1)
＝U
t(k+1)
‑
L
t(k+1)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)S15、去除气象灾害基础分量，根据公式(4)将原始序列Y减去气象灾害分量W
t(k+1)
，得到去除气象灾害基础因素分量后的初始负荷即Y
t#
Y
t#
＝Y
t
‑
W
t(k+1)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4)S16、趋势分量平滑处理，利用加权回归法对Y
t#
平滑后得到趋势分量T
t(k+1)
。4.如权利要求3所述的一种基于精细化预测的电力气象预警方法，其特征在于，所述外部迭代过程包括步骤：利用内部迭代得到的趋势分量Q
t
和气象灾害基础分量W
t
根据公式(5)计算得到剩余的气象灾害特征分量E
t
，E
t
＝Y
t
‑
Q
t
‑
W
t
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(5)
如果序列中有异常值，则剩余分量较大，即满足公式(6)，则根据式(7)计算每个数据点的鲁棒权重；E
t
≥E
t*
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(6)式中：E
t*
为气象灾害特征分量的基准值；对于t时刻的数据点，其鲁棒权重ε
t
为：式中：u
t
为t时刻的数据点的鲁棒系数,其计算方法见式(8)式中：a为修正系数；E
tm
为气象灾害的特征分量E
t
绝对值的中位数，计算方法见式(9)E
tm
＝median(|E
t
|)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(9)最后根据公式(10)，计算出气象灾害发生时气象基础分量的影响系数λ
W
和气象特征分量的影响系数λ
E
式中：和分别为原始负荷序列Y、趋势分量序列Q、气象灾害基础分量序列W和气象灾害的特征分量序列E的平均值。5.如权利要求3所述的一种基于精细化预测的电力气象预警方法，其特征在于，采用加权回归法对数据进行平滑处理包括步骤：设待拟合的点为z，在用加权回归法对数据进行平滑处理时，选择I个该点附近的相邻点z
i
,i∈[1,
…
,I]来拟合z，每个邻居按照公式(1...

【专利技术属性】
技术研发人员：梁允，姚德贵，李哲，郭志民，卢明，王超，刘善峰，王津宇，王磊，李帅，苑司坤，高阳，崔晶晶，
申请(专利权)人：国家电网有限公司，
类型：发明
国别省市：