CN105068149B - 一种基于多信息综合的输变电设备雷电监测和预报方法 - Google Patents
一种基于多信息综合的输变电设备雷电监测和预报方法 Download PDFInfo
- Publication number
- CN105068149B CN105068149B CN201510440978.4A CN201510440978A CN105068149B CN 105068149 B CN105068149 B CN 105068149B CN 201510440978 A CN201510440978 A CN 201510440978A CN 105068149 B CN105068149 B CN 105068149B
- Authority
- CN
- China
- Prior art keywords
- thunderstorm
- lightning
- monitoring
- forecasting
- 850hpa
- 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.)
- Active
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 37
- 230000005540 biological transmission Effects 0.000 title claims abstract description 15
- 230000010354 integration Effects 0.000 title claims abstract description 7
- 230000009466 transformation Effects 0.000 title abstract description 5
- 238000013277 forecasting method Methods 0.000 title abstract 2
- 238000000034 method Methods 0.000 claims abstract description 29
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 9
- 238000002310 reflectometry Methods 0.000 claims abstract description 7
- 230000006735 deficit Effects 0.000 claims description 12
- 230000015572 biosynthetic process Effects 0.000 claims description 10
- 238000003786 synthesis reaction Methods 0.000 claims description 9
- 238000005516 engineering process Methods 0.000 claims description 7
- 238000007689 inspection Methods 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 6
- 230000001131 transforming effect Effects 0.000 claims description 6
- 239000000463 material Substances 0.000 claims description 5
- 241001146702 Candidatus Entotheonella factor Species 0.000 claims description 3
- 230000002596 correlated effect Effects 0.000 claims description 3
- 238000003909 pattern recognition Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 230000001550 time effect Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims 1
- 231100000627 threshold limit value Toxicity 0.000 claims 1
- 239000002131 composite material Substances 0.000 abstract 1
- 230000003247 decreasing effect Effects 0.000 abstract 1
- 239000007788 liquid Substances 0.000 abstract 1
- 238000001556 precipitation Methods 0.000 abstract 1
- APTZNLHMIGJTEW-UHFFFAOYSA-N pyraflufen-ethyl Chemical compound C1=C(Cl)C(OCC(=O)OCC)=CC(C=2C(=C(OC(F)F)N(C)N=2)Cl)=C1F APTZNLHMIGJTEW-UHFFFAOYSA-N 0.000 description 6
- 230000000694 effects Effects 0.000 description 2
- 238000013213 extrapolation Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 239000012212 insulator Substances 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000013332 literature search Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
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
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/10—Devices for predicting weather conditions
-
- 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
- G01W2203/00—Real-time site-specific personalized weather information, e.g. nowcasting
-
- 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)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明提供一种基于多信息综合的雷暴监测和预报方法，其特征在于：包括以下步骤，步骤一，建立雷暴潜势预报模型：建立湖北省雷暴潜势预报方程；步骤二，建立雷暴临近预报模型：选择雷达组合反射率因子CR、回波顶高ET和垂直积分液态含水量VIL作为临近预报因子，采用逐步消空技术，锁定该雷暴，同时，结合闪电定位仪监测资料，预报未来30min雷暴出现的可能区域；步骤三，建立输电线路雷电监测预报***。本发明的技术效果：能够较准确的对不同区域雷暴出现的落区和概率进行预报，具有准确性高、实用性强和可靠性好等优点。
Description
技术领域
本发明涉及的是一种雷电灾害气象监测和预报方法，具体是一种基于多信息综合的雷暴监测和预报方法。
背景技术
电力行业的历史统计数据表明，在输变电线路和设备出现的故障中，由于雷击造成线路跳闸或者绝缘子闪络事故，占输变电线路故障事故的70％-80％。随着电力***输变电线路的发展，雷击造成的损失将不断增加。如何实现对雷电的实时监测和预报，在雷击发生之前采取有效措施进行防范，尽可能减少因雷击而造成不必要的损失尤为重要。目前雷电预报主要以单一资料为主，时效性不强，精细化程度也不够。由于电网雷击事故的不断出现，要求必须根据雷击情况对线路进行针对性的设计，既要有一定的提前时效，又要考虑到精细化需求，当准备应对措施时，不能造成大量人力、物力和财力浪费。因此，综合多种观测资料进行雷电监测和预报是电力部门规避雷击风险的有效依据之一，而这也成为了气象和电力交叉领域的一个热点。
经过对现有技术的文献检索发现，国内外从雷暴形成机理、表述雷电物理意义的动力和热力环境参数、雷暴潜势预报方法入手，在雷暴潜势预报方面取得了较多有价值的研究成果。目前雷暴潜势预报的主要思路是，在寻找合适对流参数的基础上，结合数值模式产品，使用数学统计方法拟合预报方程。观测事实证明，一定强度的回波(40dBz)达到一定高度(8km)，再配合一定的垂直积分液态含水量(VIL≥25kg·m-2)，就可产生初次地闪，但要预报雷暴15、30、60min甚至更长时间后的位置，除主观外推外，自动客观外推技术往往更有效。吕伟涛等综合多种观测资料，设计研发了雷电临近预警***，并进行了业务化运行，但空报较多。由于受气象条件和电场条件等因素的影响，不同地区闪电活动特征存在明显差异，即使同一地区，不同季节其电荷结构也可能不同。
发明内容
本发明的目的在于提供一种基于多信息综合的雷暴监测和预报方法，能够较准确的对不同区域雷暴出现的落区和概率进行预报，具有准确性高、实用性强的特点。
本发明的技术方案：一种基于多信息综合的输变电设备雷电监测和预报方法，其特征在于：包括以下步骤，
步骤一，建立雷暴潜势预报模型：选取NCEP再分析资料中26个对流参数因子进行计算，确定与雷暴相关系数较好的7个预报因子，即A指数、K指数、沙氏指数SI、T850-500、ω850、ΔTd850和ΔTd700，其中T850-500为850hPa和500hPa温差，ω850为850hPa垂直速度，ΔTd850为850hPa温度露点差，ΔTd700为700hPa温度露点差，K指数和ΔTd850与雷暴的相关性最好，其相关系数分别为0.154和0.146，使用筛选的7个预报因子和0,1化雷暴样本，采取概率回归方法，建立湖北省雷暴潜势预报方程，即
y＝0.110+0.154x1+0.146x2+0.142x3+0.131x4+0.097x5+0.061x6+0.053x7
其中，y为雷暴发生概率，x1为K指数0,1化值，x2为850hPa温度露点差，x3为沙氏指数SI，x4为700hPa温度露点差，x5为850hPa和500hPa温差，x6为A指数，x7为850hPa垂直速度；
步骤二，建立雷暴临近预报模型：选择雷达组合反射率因子CR、回波顶高ET和垂直积分液态含水量VIL作为临近预报因子，采用逐步消空技术，直到同时满足3个预报因子临界阈值时，锁定该雷暴，同时，结合闪电定位仪监测资料，判断该雷暴内部及周围5km范围内是否已经开始出现闪电，如果有1个或以上闪电定位监测站出现闪电，则对筛选后的雷暴单体使用图形识别技术进行跟踪，预报未来30min雷暴出现的可能区域，预报时效为30min，预报间隔为6min；
步骤三，建立输电线路雷电监测预报***：通过对湖北中心气象台每日定时发布的数值资料、多普勒天气雷达每6分钟实时监测数据资料和闪电定位仪实时监测资料，经过标准化处理后实时传送到指定服务器，完成对雷电灾害的实时监测；利用步骤一所建的雷暴潜势预报模型，定时计算雷暴潜势，利用步骤二所建立的临近预报模型，完成对雷电落区和概率的预报。
检验步骤一中计算的相关系数是否显著的检验方法是根据Mises1964年推导出在假设ρ＝0成立条件下的t分布检验法，即在原假设H0(ρ＝0)的条件下，统计量遵从自由度为n-2的t分布，参与建模的样本长度n＝24486，当α＝0.05，自由度n-2＝24484时，查表得tα＝1.91，如果|t|＞tα，认为相关系数显著，利用tα求得一个临界相关系数rc0.05＝0.062，即因子与雷暴的相关系数大于rc0.05＝0.062则呈显著相关。
步骤二中逐步消空技术具体步骤为：当雷达组合反射率因子CR大于40dBz时，判断该雷暴高度ET是否超过8km，若满足ET≥8km则判断垂直积分液态含水量VIL是否超过25kg·m-2，若ET＜8km则放弃该雷暴，若满足ET≥8km且VIL≥25kg·m-2则锁定该雷暴，若VIL＜25kg·m-2则放弃该雷暴。
本发明的技术效果：能够较准确的对不同区域雷暴出现的落区和概率进行预报，具有准确性高、实用性强和可靠性好等优点。
附图说明
图1是本发明基于多信息综合的雷暴监测和预报方法流程图
具体实施方式
下面结合附图对本发明进一步说明：
如图1所示，一种基于多信息综合的输变电设备雷电监测和预报方法，其特征在于：包括以下步骤，
步骤一，建立雷暴潜势预报模型：选取NCEP再分析资料中26个对流参数因子进行计算，确定与雷暴相关系数较好的7个预报因子，即A指数、K指数、沙氏指数SI、T850-500、ω850、ΔTd850和ΔTd700，其中T850-500为850hPa和500hPa温差，ω850为850hPa垂直速度，ΔTd850为850hPa温度露点差，ΔTd700为700hPa温度露点差，K指数和ΔTd850与雷暴的相关性最好，其相关系数分别为0.154和0.146，使用筛选的7个预报因子和0,1化雷暴样本，采取概率回归方法，建立湖北省雷暴潜势预报方程，即
y＝0.110+0.154x1+0.146x2+0.142x3+0.131x4+0.097x5+0.061x6+0.053x7
其中，y为雷暴发生概率，x1为K指数0,1化值，x2为850hPa温度露点差，x3为沙氏指数SI，x4为700hPa温度露点差，x5为850hPa和500hPa温差，x6为A指数，x7为850hPa垂直速度；
步骤二，建立雷暴临近预报模型：选择雷达组合反射率因子CR、回波顶高ET和垂直积分液态含水量VIL作为临近预报因子，采用逐步消空技术，直到同时满足3个预报因子临界阈值时，锁定该雷暴，同时，结合闪电定位仪监测资料，判断该雷暴内部及周围5km范围内是否已经开始出现闪电，如果有1个或以上闪电定位监测站出现闪电，则对筛选后的雷暴单体使用图形识别技术进行跟踪，预报未来30min雷暴出现的可能区域，预报时效为30min，预报间隔为6min；
步骤三，建立输电线路雷电监测预报***：通过对湖北中心气象台每日定时发布的数值资料、多普勒天气雷达每6分钟实时监测数据资料和闪电定位仪实时监测资料，经过标准化处理后实时传送到指定服务器，完成对雷电灾害的实时监测；利用步骤一所建的雷暴潜势预报模型，定时计算雷暴潜势，利用步骤二所建立的临近预报模型，完成对雷电落区和概率的预报。
检验步骤一中计算的相关系数是否显著的检验方法是根据Mises1964年推导出在假设ρ＝0成立条件下的t分布检验法，即在原假设H0(ρ＝0)的条件下，统计量遵从自由度为n-2的t分布，参与建模的样本长度n＝24486，当α＝0.05，自由度n-2＝24484时，查表得tα＝1.91，如果|t|＞tα，认为相关系数显著，利用tα求得一个临界相关系数rc0.05＝0.062，即因子与雷暴的相关系数大于rc0.05＝0.062则呈显著相关。
步骤二中逐步消空技术具体步骤为：当雷达组合反射率因子CR大于40dBz时，判断该雷暴高度ET是否超过8km，若满足ET≥8km则判断垂直积分液态含水量VIL是否超过25kg·m-2，若ET＜8km则放弃该雷暴，若满足ET≥8km且VIL≥25kg·m-2则锁定该雷暴，若VIL＜25kg·m-2则放弃该雷暴。
表1雷暴临近预报因子及其阈值
注:CR、ET、VIL、分别为回波强度、回波顶高、垂直积分液态含水量；n为出现闪电的
监测站个数
实施例一：
选取一次电力部门收集到的输变电线路遭受雷击灾害影响个例，利用所开发的基于多信息资料综合的雷暴潜势和临近预报模型，对雷暴落区和概率进行监测和预报(历史个例回报)。
(1)输电线路覆冰灾害的监测
2013年4月29日08时20分，500kV三江二回A相(左线)出现跳闸故障，在61～62号杆塔附近有电流强度为-14.3kA的落雷。经现场调查可知，位于宜昌市夷陵区小溪塔廖家岭三组的61号杆塔附近，利用新一代多普勒天气雷达观测资料进行监测时发现，4月29日08时宜昌地区有雷暴出现，闪电定位仪观测到08时至10时30分出现密集闪电，这与故障点的分布一致。新一代多普勒天气雷达和闪电定位仪相结合较好的实现了雷电灾害监测。
(2)输电线路覆冰灾害的预报
使用NCEP数值模式预报产品，通过雷暴潜势预报模型很好的预报出未来72小时内宜昌地区出现强雷暴的概率高达80％～90％。综合新一代多普勒天气雷达和闪电定位仪资料，通过雷暴短时临近预报模型，预报的临近雷暴落区显示500kV三江二回A宜昌地区跳闸线路在预报落区范围内，该预报方法及模型有效的实现了雷击灾害易发区雷暴落区和概率的准确预报。
Claims (3)
1.一种基于多信息综合的输变电设备雷电监测和预报方法，其特征在于：包括以下步骤，
步骤一，建立雷暴潜势预报模型：选取NCEP再分析资料中26个对流参数因子进行计算，确定与雷暴相关系数较好的7个预报因子，即A指数、K指数、沙氏指数SI、T850-500、ω850、ΔTd850和ΔTd700，其中T850-500为850hPa和500hPa温差，ω850为850hPa垂直速度，ΔTd850为850hPa温度露点差，ΔTd700为700hPa温度露点差，K指数和ΔTd850与雷暴的相关性最好，其相关系数分别为0.154和0.146，使用筛选的7个预报因子和0,1化雷暴样本，采取概率回归方法，建立湖北省雷暴潜势预报方程，即
y＝0.110+0.154x1+0.146x2+0.142x3+0.131x4+0.097x5+0.061x6+0.053x7
其中，y为雷暴发生概率，x1为K指数0,1化值，x2为850hPa温度露点差，x3为沙氏指数SI，x4为700hPa温度露点差，x5为850hPa和500hPa温差，x6为A指数，x7为850hPa垂直速度；
步骤二，建立雷暴临近预报模型：选择雷达组合反射率因子CR、回波顶高ET和垂直积分液态含水量VIL作为临近预报因子，采用逐步消空技术，直到同时满足3个预报因子临界阈值时，锁定该雷暴，同时，结合闪电定位仪监测资料，判断该雷暴内部及周围5km范围内是否已经开始出现闪电，如果有1个或以上闪电定位监测站出现闪电，则对筛选后的雷暴单体使用图形识别技术进行跟踪，预报未来30min雷暴出现的可能区域，预报时效为30min，预报间隔为6min；
步骤三，建立输电线路雷电监测预报***：通过对湖北中心气象台每日定时发布的数值资料、多普勒天气雷达每6分钟实时监测数据资料和闪电定位仪实时监测资料，经过标准化处理后实时传送到指定服务器，完成对雷电灾害的实时监测；利用步骤一所建的雷暴潜势预报模型，定时计算雷暴潜势，利用步骤二所建立的临近预报模型，完成对雷电落区和概率的预报。
2.根据权利要求1所述的一种基于多信息综合的输变电设备雷电监测和预报方法，其特征在于：检验步骤一中计算的相关系数是否显著的检验方法是根据Mises1964年推导出在假设ρ＝0成立条件下的t分布检验法，即在原假设H0(ρ＝0)的条件下，统计量遵从自由度为n-2的t分布，参与建模的样本长度n＝24486，当α＝0.05，自由度n-2＝24484时，查表得tα＝1.91，如果|t|＞tα，认为相关系数显著，利用tα求得一个临界相关系数rc0.05＝0.062，即因子与雷暴的相关系数大于rc0.05＝0.062则呈显著相关。
3.根据权利要求1所述的一种基于多信息综合的输变电设备雷电监测和预报方法，其特征在于：步骤二中逐步消空技术具体步骤为：当雷达组合反射率因子CR大于40dBz时，判断该雷暴高度ET是否超过8km，若满足ET≥8km则判断垂直积分液态含水量VIL是否超过25kg·m-2，若ET＜8km则放弃该雷暴，若满足ET≥8km且VIL≥25kg·m-2则锁定该雷暴，若VIL＜25kg·m-2则放弃该雷暴。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510440978.4A CN105068149B (zh) | 2015-07-24 | 2015-07-24 | 一种基于多信息综合的输变电设备雷电监测和预报方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510440978.4A CN105068149B (zh) | 2015-07-24 | 2015-07-24 | 一种基于多信息综合的输变电设备雷电监测和预报方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105068149A CN105068149A (zh) | 2015-11-18 |
| CN105068149B true CN105068149B (zh) | 2017-04-12 |
Family
ID=54497564
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510440978.4A Active CN105068149B (zh) | 2015-07-24 | 2015-07-24 | 一种基于多信息综合的输变电设备雷电监测和预报方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105068149B (zh) |
Families Citing this family (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106019287B (zh) * | 2016-07-29 | 2018-07-10 | 国网电力科学研究院武汉南瑞有限责任公司 | 一种基于小型雷达的输电线路雷电监测预警方法 |
| CN106526708B (zh) * | 2016-09-21 | 2018-10-30 | 广东奥博信息产业股份有限公司 | 一种基于机器学习的气象强对流天气的智能预警分析方法 |
| ES2716775A1 (es) | 2017-12-14 | 2019-06-14 | Siemens Gamesa Renewable Energy Innovation & Technology SL | Método para avisar de una actividad de rayos en parques eólicos |
| CN108734278A (zh) * | 2018-05-23 | 2018-11-02 | 天津市气象科学研究所 | 一种基于多重神经网络逐步逼近法的低能见度预报方法 |
| CN110046697A (zh) * | 2019-04-26 | 2019-07-23 | 北京理工大学 | 一种基于K指数的Kp指数现报方法 |
| CN110673146B (zh) * | 2019-10-12 | 2021-12-07 | 上海眼控科技股份有限公司 | 气象预测图检测方法、装置、计算机设备和可读存储介质 |
| CN110796299A (zh) * | 2019-10-23 | 2020-02-14 | 国网电力科学研究院武汉南瑞有限责任公司 | 一种雷电预测方法 |
| CN110907708A (zh) * | 2019-12-09 | 2020-03-24 | 国网江苏省电力有限公司电力科学研究院 | 一种雷电预警方法 |
| CN111897030A (zh) * | 2020-07-17 | 2020-11-06 | 国网电力科学研究院有限公司 | 一种雷暴预警***及方法 |
| CN112764129B (zh) * | 2021-01-22 | 2022-08-26 | 易天气(北京)科技有限公司 | 一种雷暴短临预报方法、***及终端 |
| CN112596058B (zh) * | 2021-03-03 | 2021-06-01 | 南京信息工程大学 | 一种基于三维雷达探测数据的闪电落区识别方法 |
| CN116243405B (zh) * | 2023-03-15 | 2023-09-22 | 中国民用航空西南地区空中交通管理局 | 一种雷暴预报探空参数快速诊断与显示***的实现方法 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7843378B2 (en) * | 2008-03-04 | 2010-11-30 | Colorado State University Research Foundation | Dynamic and adaptive radar tracking of storms (DARTS) |
| CN102288838B (zh) * | 2011-07-21 | 2013-01-23 | 华中科技大学 | 一种vhf频段云闪雷电探测定位*** |
| CN103679263B (zh) * | 2012-08-30 | 2017-03-29 | 重庆邮电大学 | 基于粒子群支持向量机的雷电临近预测方法 |
| CN103337133B (zh) * | 2013-06-14 | 2015-08-05 | 广东电网公司中山供电局 | 基于识别预报技术的电网雷暴灾害预警***及方法 |
-
2015
- 2015-07-24 CN CN201510440978.4A patent/CN105068149B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN105068149A (zh) | 2015-11-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105068149B (zh) | 一种基于多信息综合的输变电设备雷电监测和预报方法 | |
| CN105334551B (zh) | 基于数值天气预报模式的电网气象预测预警*** | |
| CN102590651B (zh) | 基于雷电实测数据的输电线路故障概率评估方法 | |
| CN104992373B (zh) | 一种输电线路自然灾害风险预警方法 | |
| CN104851051A (zh) | 一种结合动态修正的电网区域暴雨量精细化预警方法 | |
| CN105095668B (zh) | 基于亚洲极涡因子的电网覆冰长期预报方法 | |
| CN104318347A (zh) | 一种基于多传感器信息融合的输电线路覆冰状态评估方法 | |
| CN102508046B (zh) | 一种户外电气设备实时雷击预警方法及装置 | |
| CN108389002B (zh) | 一种基于n-1严重故障集的多重故障生成方法 | |
| CN102721986B (zh) | 基于副热带高压因子的电网覆冰长期预报方法 | |
| CN103837769A (zh) | 一种输电线路雷害预警方法及其*** | |
| CN105279612A (zh) | 一种基于泊松分布的输电线路跳闸风险评估方法 | |
| CN103279808A (zh) | 恶劣天气下的电力***线路状态转移概率预测分析方法 | |
| Ruszczak et al. | Extreme value analysis of wet snow loads on power lines | |
| CN104200081A (zh) | 基于历史数据的登陆台风特征因子的预报方法及*** | |
| CN104615811A (zh) | 一种输电线路冰冻气象风险等级分布图测绘方法 | |
| CN112886923B (zh) | 一种雷电天气的光伏电站运维方法及设备 | |
| CN107037504A (zh) | 用于强对流天气预报的同化地闪转换代理雷达回波的方法 | |
| CN102928751B (zh) | 一种基于行波原理的高压架空线路绝缘子在线监测方法 | |
| CN111738617A (zh) | 一种强降雨天气下变电站风险评估方法与预警*** | |
| CN105117538A (zh) | 一种输电通道舞动预警方法 | |
| CN106682776B (zh) | 架空输电线路舞动精细化预测预警方法及*** | |
| CN104361535A (zh) | 一种输电线路覆冰状态评估方法 | |
| CN111222662A (zh) | 一种电网台风洪涝灾害预警方法和装置 | |
| CN102706304A (zh) | 一种输电线路导线覆冰厚度的预测方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |