CN107169645A - 一种计及暴雨灾害影响的输电线路故障概率在线评估方法 - Google Patents
一种计及暴雨灾害影响的输电线路故障概率在线评估方法 Download PDFInfo
- Publication number
- CN107169645A CN107169645A CN201710323118.1A CN201710323118A CN107169645A CN 107169645 A CN107169645 A CN 107169645A CN 201710323118 A CN201710323118 A CN 201710323118A CN 107169645 A CN107169645 A CN 107169645A
- Authority
- CN
- China
- Prior art keywords
- rainfall
- weather station
- geographic grid
- mrow
- forecast
- 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
- 230000005540 biological transmission Effects 0.000 title claims abstract description 97
- 230000007257 malfunction Effects 0.000 title claims abstract description 28
- 238000011156 evaluation Methods 0.000 title claims abstract description 9
- 238000009825 accumulation Methods 0.000 claims abstract description 40
- 238000012876 topography Methods 0.000 claims abstract description 27
- 238000001556 precipitation Methods 0.000 claims abstract description 10
- 230000015572 biosynthetic process Effects 0.000 claims abstract description 7
- 238000003786 synthesis reaction Methods 0.000 claims abstract description 7
- 238000000034 method Methods 0.000 claims description 18
- 230000005611 electricity Effects 0.000 claims description 9
- 239000011435 rock Substances 0.000 claims description 7
- 238000012937 correction Methods 0.000 claims description 3
- 230000007423 decrease Effects 0.000 claims description 3
- 238000005373 pervaporation Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 3
- 230000001131 transforming effect Effects 0.000 description 4
- 230000001939 inductive effect Effects 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 238000012502 risk assessment Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 239000002689 soil Substances 0.000 description 2
- 230000000153 supplemental effect Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 238000013213 extrapolation Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000031877 prophase Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000007423 screening assay Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种计及暴雨灾害影响的输电线路故障概率在线评估方法,属于电力***自动化技术领域。本发明首先计算出评估的目标电网所在地区的地理网格在当前时刻至未来评估时刻这一时间段内的预测降雨量、当前时刻之前一定历史时间段内的历史累积降雨量;然后,根据地理网格降雨信息、杆塔及气象站经纬度信息计算出输电杆塔的预测及历史降雨量信息,再根据杆塔塔基的地形地貌参数、结合杆塔降雨量信息计算出输电杆塔的综合有效降雨量,进而得到杆塔的故障概率,最终采用相对独立事件算法得到考虑暴雨灾害影响的输电线路故障概率。本发明能够在保证杆塔降雨量信息计算准确性和精度的前提下大大提高计算效率。
Description
技术领域
本发明属于电力***自动化技术领域,具体地说本发明涉及一种计及暴雨灾害影响的输电线路故障概率在线评估方法。
背景技术
暴雨是中国常见的气象灾害之一,大范围长时间的强降雨会直接导致洪涝灾害。持续强降雨或有前期降雨累积作用的短历时暴雨,雨水累积、渗流会导致斜坡岩土体重度增加、岩土软化、滑带岩土强度降低等,进而引发山体滑坡和泥石流等严重的衍生灾害。
伴随着近年来经济的快速增长而引发的对用电量的高度需求,电力工业快速发展,逐步形成西电东送、南电互济的交直流混联输电网主网架。由于发电端和受电端的距离较远、配电网用户分散,架空输电线路经常需要翻山越岭,途径各种复杂地理环境。在恶劣的暴雨天气情况下,地处山坡、山峰、峡谷、河谷、盆地、喇叭口等易受灾地区的杆塔,会受到较大影响,进而影响输电线路以及电网的安全稳定运行。因此有必要针对输电线路的实际情况进行暴雨灾害风险评估,对灾害概率较大的杆塔及线路给出灾害预警。
目前,国内在暴雨灾害对输电线路的影响研究方向主要集中为基于大数据筛选分析的离线模型研究。比较有代表性的有专利申请“评估暴雨引发输电线路故障概率的方法”(201310380170.2)、专利申请“一种面向风险评估的输变电设备故障概率模型的建模方法”(201510908694.3)、专利申请“一种输电线路杆塔基础边坡暴雨灾害风险评估方法”(201210301265.6)。
专利申请“评估暴雨引发输电线路故障概率的方法”(201310380170.2)提出根据实测降雨数据进行线性外推得到预报未来时段的降雨范围和降雨强度,并根据线路走廊地理特征和周边环境特征将线路分段后,再根据输电杆塔故障概率计算模型计算输电杆塔故障概率,最后得到线路的故障概率。
专利申请“一种面向风险评估的输变电设备故障概率模型的建模方法”(201510908694.3)提出基于输变电设备实时状态监测、微气象及自然灾害预报信息,针对不同设备个体分析其全寿命周期信息和非周期随机信息,利用大数据筛选分析方法,将各项风险因素整合为几项风险指标作为基于比例风险模型的输变电设备故障概率模型的输入,进而量化各风险因素对故障趋势的影响。
专利申请“一种输电线路杆塔基础边坡暴雨灾害风险评估方法”(201210301265.6)提出根据大量灾害统计及人工降雨边坡侵蚀试验统计得出控制输电线路杆塔基础边坡暴雨危险性致灾因子;对致灾因子、边坡稳定性进行量化、归一化处理后采用改进层次分析计算程序求得各致灾因子对暴雨致灾影响的权重向量,建立输电线路杆塔基础边坡暴雨滑坡危险性评估的数学模型,实现对指定输电线路杆塔基础边坡暴雨风险评估。
但是,上述已有的技术成果,没有综合考虑气象站历史降雨量信息及气象预报信息对未来降雨趋势及杆塔的影响,同时需要庞大的基础数据库、大量的计算参数维护、复杂的模型原理来进行故障概率计算,难以实现暴雨灾害对输电线路故障概率的在线快速安全评估。
发明内容
本发明目的是:针对现有技术的不足,提出一种计及暴雨灾害影响的输电线路故障概率在线评估方法。该方法旨在根据气象站历史降雨量信息及气象预报信息,计算出电网所在地区的地理网格的降雨量信息,克服了仅参考气象站历史降雨量数据时不能真实反映未来降雨趋势、以及气象站布点较少时不能获取足够的气象测点信息的缺陷;根据地理网格降雨信息、杆塔及气象站经纬度信息计算出输电杆塔的降雨量信息,解决按照有效距离内点到点搜索杆塔对应最近气象站信息的方式效率低下的问题;通过优先级选取输电杆塔塔基地段的地形地貌参数,实现了重点杆塔、重点区域参数重点维护的目的,在保证参数精度的前提下解决了杆塔参数数据维护工作量大的问题。
具体地说,本发明是采用以下技术方案实现的,包括以下步骤:
1)按以下步骤计算出电网所在地区的地理网格在当前时刻至未来评估时刻这一时间段内的预测降雨量及当前时刻之前一定历史时间段内的历史累积降雨量,所述地理网格是指根据电网所在地区的最大最小经纬度划分成的地理网格集合,所述一定历史时间段是指在综合考虑地形地质气象环境等多重影响下降雨量经过蒸发和流失后还能剩余一定比例的降雨量渗透入岩土或累积在地表上并最终可能导致滑坡、山洪、泥石流发生的有效历史时间段:
1-1)根据地理网格的经纬度范围,计算地理网格与气象站预报范围的重叠面积占地理网格面积的百分比是否大于预先设定的门槛值,确定地理网格是否在气象站的预报范围内;
所述气象站预报范围,包括直接预报范围和间接预报范围,气象站的直接预报范围是指以气象站的经纬度为中心,气象站最大容许测站间距乘以系数kl为半径所在的圆形区域;气象站的间接预报范围,是指以气象站的经纬度为中心,气象站最大容许测站间距乘以系数kl为内环、气象站最大容许测站间距为外环的环形区域;其中,kl取不大于1的正数;
所述气象站最大容许测站间距为可保证所观测的气象要素在电网所在地区的插值都具有足够的精度且具有代表性的气象站分布距离;
1-2)若地理网格处于气象站的预报范围内,则按照以下方法计算地理网格的降雨量信息:
确定主要影响气象站:如果地理网格处于一个或多个气象站的直接和间接预报范围内,则主要影响气象站为直接预报气象站中当前时刻之前一定历史时间段内的历史累积降雨量最大者;如果地理网格处于一个或多个气象站的间接预报范围内,则主要影响气象站为间接预报气象站中当前时刻之前一定历史时间段内的历史累积降雨量最大者;
通过公式(1)计算地理网格当前时刻之前一定历史时间段内的历史累积降雨量,单位为mm:
其中,t0为当前时刻,Tc为一定历史时间段,单位为h,r(t)为主要影响气象站在时刻t测得的降雨强度,单位为mm/h;
通过公式(2)计算地理网格在当前时刻至未来评估时刻这一时间段内的预测降雨量,单位为mm:
其中,Δt为当前时刻t0至未来评估时刻的时间长度,单位为h,rpre为地理网格所在地区气象预报在当前时刻至未来评估时刻这一时间段内的平均降雨量强度,单位为mm/h,k1为气象站实测值的权重系数,k2为气象预报值的权重系数,其中k1+k2=1;
若地理网格不处于气象站的预报范围内,则按照以下方法计算地理网格的降雨量信息:
通过公式(3)计算地理网格当前时刻之前一定历史时间段内的历史累积降雨量单位为mm;
Rpast=r′preTc (3)
其中,r′pre为地理网格所在地区气象预报在当前时刻之前一定历史时间段内的平均降雨量强度,单位为mm/h;
通过公式(4)计算地理网格在当前时刻至未来评估时刻这一时间段内的预测降雨量,单位为mm;
Rpre=rpreΔt (4)
2)对比输电杆塔的经纬度与各个气象站的经纬度,如果有输电杆塔的经纬度与某个气象站的经纬度相同,则输电杆塔的预测降雨量及历史累积降雨量取该气象站的预测降雨量及历史累积降雨量,气象站的预测降雨量及历史累积降雨量的具体计算方法如公式(1)、(2),其中公式(1)中的r(t)取气象站在时刻t测得的降雨强度,单位为mm/h,公式(2)中rpre取气象站所在地区气象预报在当前时刻至未来评估时刻这一时间段内的平均降雨量强度,单位为mm/h;
如果输电杆塔的经纬度与所有气象站的经纬度均不相同,则输电杆塔的预测降雨量及历史累积降雨量取步骤1)中计算出的输电杆塔所属地理网格的预测降雨量及历史累积降雨量;
3)确定输电杆塔塔基地段的地形地貌参数,再结合步骤2)中得到的输电杆塔的预测降雨量及历史累积降雨量,计算得到输电杆塔的综合有效降雨量;最后结合输电杆塔故障概率计算模型,计算得到输电杆塔因暴雨致灾的故障概率;
所述输电杆塔的综合有效降雨量R=Rz+Rs,其中,Rz为前期有效降雨量,可根据公式(5)计算;Rs为修正短历时雨强,根据公式(6)计算:
Rz=kp*Rpast (5)
Rs=kcor*Rpre (6)
其中kp为历史降雨量综合衰减系数,kcor为预测降雨量修正系数,根据输电杆塔塔基地段的地形地貌参数取不同的kp和kcor;
4)根据步骤3)中得到的输电杆塔故障概率,采用相对独立事件算法,计算得到暴雨灾害情况下各条输电线路的故障概率,结束本方法。
上述技术方案的进一步特征在于,所述步骤3)中的输电杆塔塔基地段的地形地貌参数根据优先级选取,优先级别排序如下:输电杆塔的地形地貌参数>输电杆塔所属的地理网格地形地貌参数>电网所在地区的典型地形地貌参数。
本发明的有益效果如下:本发明提出根据气象站历史降雨量信息及气象预报信息,计算出电网所在地区的地理网格的降雨量信息,克服了仅参考气象站历史降雨量数据时不能真实反映未来降雨趋势、以及气象站布点较少时不能获取足够的气象测点信息的缺陷。本发明对比输电杆塔的经纬度与各个气象站的经纬度得到输电杆塔的降雨量信息,在保证杆塔降雨量信息计算准确性和精度的前提下大大提高计算效率。本发明根据输电杆塔、输电杆塔所属的地理网格、电网所在地区的典型地形地貌参数优先级选取输电杆塔塔基地段的地形地貌参数,实现重点杆塔、重点区域参数重点维护的目的,在保证参数精度的前提下解决了杆塔参数数据维护工作量大的问题。
附图说明
图1是本发明的流程图。
图2为本发明方法中网格及杆塔降雨量计算示意图。
具体实施方式
下面结合实施例并参照附图对本发明作进一步详细描述。
实施例1:
本发明的一个实施例,其实施步骤如图1所示。
详见图1,图1中步骤1描述的是计算出电网所在地区的地理网格在当前时刻至未来评估时刻这一时间段内的预测降雨量、当前时刻之前一定历史时间段内的历史累积降雨量。所述地理网格是指根据电网所在地区的最大最小经纬度划分成的地理网格集合,所述一定历史时间段是指在综合考虑地形地质气象环境等多重影响下降雨量经过蒸发和流失后还能剩余一定比例的降雨量渗透入岩土或累积在地表上并最终可能导致滑坡、山洪、泥石流发生的有效历史时间段。
步骤1)的具体过程为:首先,根据地理网格的经纬度范围,计算地理网格与气象站预报范围的重叠面积占地理网格面积的百分比是否大于预先设定的门槛值,确定地理网格是否在气象站的预报范围内;
所述气象站预报范围,包括直接预报范围和间接预报范围,气象站的直接预报范围是指以气象站的经纬度为中心,气象站最大容许测站间距乘以系数kl为半径所在的圆形区域;气象站的间接预报范围,是指以气象站的经纬度为中心,气象站最大容许测站间距乘以系数kl为内环、气象站最大容许测站间距为外环的环形区域;其中,kl取不大于1的正数,可以取kl=0.5;
所述气象站最大容许测站间距为可保证所观测的气象要素在电网所在地区的插值都具有足够的精度且具有代表性的气象站分布距离;
若地理网格处于气象站的预报范围内,则按照以下方法计算地理网格的降雨量信息:
确定主要影响气象站:如果地理网格处于一个或多个气象站的直接和间接预报范围内,则主要影响气象站为直接预报气象站中当前时刻之前一定历史时间段内的历史累积降雨量最大者;如果地理网格处于一个或多个气象站的间接预报范围内,则主要影响气象站为间接预报气象站中当前时刻之前一定历史时间段内的历史累积降雨量最大者;
通过公式(1)计算地理网格当前时刻之前一定历史时间段内的历史累积降雨量,单位为mm:
其中t0为当前时刻,Tc为一定历史时间段,单位为h,r(t)为主要影响气象站在时刻t测得的降雨强度,单位为mm/h;
通过公式(2)计算地理网格在当前时刻至未来评估时刻这一时间段内的预测降雨量,单位为mm:
其中,Δt为当前时刻t0至未来评估时刻的时间长度,单位为h,rpre为地理网格所在地区气象预报在当前时刻至未来评估时刻这一时间段内的平均降雨量强度,单位为mm/h,k1为气象站实测值的权重系数,k2为气象预报值的权重系数,其中k1+k2=1,可以取k1=k2=0.5;
以图2为例,这里取地理网格与气象站预报范围的重叠面积大于或等于地理网格面积的50%时,地理网格处于气象站的直接预报范围。
地理网格x1y4在气象站D的直接预报范围内,且周围无其他影响气象站,其主要影响气象站为气象站D;地理网格x2y4、x2y3均在气象站D的间接预报范围内,其主要影响气象站均为气象站D;地理网格x2y3处于气象站B、C的间接预报范围内,需比较B、C气象站的当前时刻之前一定历史时间段内的历史累积降雨量,取其中较大者为主要影响气象站;地理网格x4y2处于气象站A、B的间接预报范围内,需比较A、B气象站的当前时刻之前一定历史时间段内的历史累积降雨量,取其中较大者为主要影响气象站;地理网格x5y2处于气象站A的间接预报范围内,其主要影响气象站均为气象站A;
若地理网格不处于气象站预报范围内,则按照以下方法计算地理网格的降雨量信息:
通过公式(3)计算地理网格当前时刻之前一定历史时间段内的历史累积降雨量单位为mm;
Rpast=r′preTc (3)
其中,r′pre为地理网格所在地区气象预报在当前时刻之前一定历史时间段内的平均降雨量强度,单位为mm/h;
通过公式(4)计算地理网格在当前时刻至未来评估时刻这一时间段内的预测降雨量,单位为mm;
Rpre=rpreΔt (4)
以图2为例,其中地理网格x1y1、x1y2、x3y5、x4y5、x5y5、x6y5、x6y3、x6y4不处于气象站预报范围内,需根据公式(3)公式(4)求取历史及实测降雨量;
图1步骤2)描述的是根据输电杆塔的经纬度、气象站的经纬度,以及步骤1)中得到的输电杆塔所属地理网格的预测降雨量及历史累积降雨量,确定输电杆塔的预测降雨量及历史累积降雨量。其具体过程如下:
对比输电杆塔的经纬度与各个气象站的经纬度,如果有输电杆塔的经纬度与某个气象站的经纬度相同,则输电杆塔的预测降雨量及历史累积降雨量取该气象站的预测降雨量及历史累积降雨量,气象站的预测降雨量及历史累积降雨量的具体计算方法如公式(1)、(2),其中公式(1)中的r(t)取气象站在时刻t测得的降雨强度,单位为mm/h,公式(2)中rpre取气象站所在地区气象预报在当前时刻至未来评估时刻这一时间段内的平均降雨量强度,单位为mm/h;如果输电杆塔的经纬度与所有气象站的经纬度均不相同,则输电杆塔的预测降雨量及历史累积降雨量取步骤1)中计算出的输电杆塔所属地理网格的预测降雨量及历史累积降雨量;
以图2为例,杆塔T1经纬度与气象站D的经纬度相同,其降雨量信息(预测降雨量及历史累积降雨量)取气象站D的降雨信息;杆塔T2~T6不存在与之经纬度相同的气象站,其降雨信息均取其所属地理网格的降雨量信息,其中杆塔T2的所属地理网格为x2y4,杆塔T3的所属地理网格为x2y3,杆塔T4的所属地理网格为x3y3,杆塔T5的所属地理网格为x4y2,杆塔T6的所属地理网格为x5y2。
图1步骤3)描述的是确定输电杆塔塔基地段的地形地貌参数,再结合步骤2)中得到的输电杆塔的预测及历史降雨量信息,计算得到输电杆塔的综合有效降雨量;最后结合输电杆塔故障概率计算模型,计算得到输电杆塔因暴雨致灾的故障概率;
这里的输电杆塔故障概率计算模型可取现有技术中的各种输电杆塔故障概率计算模型,如专利申请“评估暴雨引发输电线路故障概率的方法”(201310380170.2)中采用的输电杆塔故障概率计算模型等。
所述输电杆塔塔基地段的地形地貌参数可根据优先级选取,优先级别排序如下:输电杆塔的地形地貌参数>输电杆塔所属的地理网格地形地貌参数>电网所在地区的典型地形地貌参数;
以图2为例,地理网格x1y3、x2y3、x1y4、x2y4为泥石流、滑坡重灾区,其中杆塔T1处于灾区核心地段,重点维护了杆塔T1、地理网格x1y3、x2y3、x1y4、x2y4的地形地貌参数,以及电网所在的区域n的典型地形地貌参数;则杆塔T1取输电杆塔的地形地貌参数,T2取地理网格x2y4的地形地貌参数,T3取地理网格x2y3的地形地貌参数,T4~T6取区域n的典型地形地貌参数。
所述输电杆塔的综合有效降雨量R=Rz+Rs,其中,Rz为前期有效降雨量,可根据公式(5)计算;Rs为修正短历时雨强,可根据公式(6)计算:
Rz=kp*Rpast (5)
Rs=kcor*Rpre (6)
其中kp为历史降雨量综合衰减系数,kcor为预测降雨量修正系数,根据输电杆塔塔基地段的地形地貌参数取不同的值;
图1步骤4)描述的是根据步骤3)中得到的输电杆塔故障概率,采用相对独立事件算法,计算得到暴雨灾害情况下各条输电线路的故障概率。
虽然本发明已以较佳实施例公开如上,但实施例并不是用来限定本发明的。在不脱离本发明之精神和范围内,所做的任何等效变化或润饰,同样属于本发明之保护范围。因此本发明的保护范围应当以本申请的权利要求所界定的内容为标准。
Claims (2)
1.一种计及暴雨灾害影响的输电线路故障概率在线评估方法,其特征在于,包括下列步骤:
1)按以下步骤计算出电网所在地区的地理网格在当前时刻至未来评估时刻这一时间段内的预测降雨量及当前时刻之前一定历史时间段内的历史累积降雨量,所述地理网格是指根据电网所在地区的最大最小经纬度划分成的地理网格集合,所述一定历史时间段是指在综合考虑地形地质气象环境等多重影响下降雨量经过蒸发和流失后还能剩余一定比例的降雨量渗透入岩土或累积在地表上并最终可能导致滑坡、山洪、泥石流发生的有效历史时间段:
1-1)根据地理网格的经纬度范围,计算地理网格与气象站预报范围的重叠面积占地理网格面积的百分比是否大于预先设定的门槛值,确定地理网格是否在气象站的预报范围内;
所述气象站预报范围,包括直接预报范围和间接预报范围,气象站的直接预报范围是指以气象站的经纬度为中心,气象站最大容许测站间距乘以系数kl为半径所在的圆形区域;气象站的间接预报范围,是指以气象站的经纬度为中心,气象站最大容许测站间距乘以系数kl为内环、气象站最大容许测站间距为外环的环形区域;其中,kl取不大于1的正数;
所述气象站最大容许测站间距为可保证所观测的气象要素在电网所在地区的插值都具有足够的精度且具有代表性的气象站分布距离;
1-2)若地理网格处于气象站的预报范围内,则按照以下方法计算地理网格的降雨量信息:
确定主要影响气象站:如果地理网格处于一个或多个气象站的直接和间接预报范围内,则主要影响气象站为直接预报气象站中当前时刻之前一定历史时间段内的历史累积降雨量最大者;如果地理网格处于一个或多个气象站的间接预报范围内,则主要影响气象站为间接预报气象站中当前时刻之前一定历史时间段内的历史累积降雨量最大者;
通过公式(1)计算地理网格当前时刻之前一定历史时间段内的历史累积降雨量,单位为mm:
<mrow>
<msub>
<mi>R</mi>
<mrow>
<mi>p</mi>
<mi>a</mi>
<mi>s</mi>
<mi>t</mi>
</mrow>
</msub>
<mo>=</mo>
<msubsup>
<mo>&Integral;</mo>
<mrow>
<msub>
<mi>r</mi>
<mn>0</mn>
</msub>
<mo>-</mo>
<msub>
<mi>T</mi>
<mi>c</mi>
</msub>
</mrow>
<msub>
<mi>t</mi>
<mn>0</mn>
</msub>
</msubsup>
<mi>r</mi>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mi>d</mi>
<mi>t</mi>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
其中,t0为当前时刻,Tc为一定历史时间段,单位为h,r(t)为主要影响气象站在时刻t测得的降雨强度,单位为mm/h;
通过公式(2)计算地理网格在当前时刻至未来评估时刻这一时间段内的预测降雨量,单位为mm:
<mrow>
<msub>
<mi>R</mi>
<mrow>
<mi>p</mi>
<mi>r</mi>
<mi>e</mi>
</mrow>
</msub>
<mo>=</mo>
<msub>
<mi>k</mi>
<mn>1</mn>
</msub>
<mfrac>
<mrow>
<mi>&Delta;</mi>
<mi>t</mi>
</mrow>
<msub>
<mi>T</mi>
<mi>c</mi>
</msub>
</mfrac>
<msub>
<mi>R</mi>
<mrow>
<mi>p</mi>
<mi>a</mi>
<mi>s</mi>
<mi>t</mi>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>k</mi>
<mn>2</mn>
</msub>
<msub>
<mi>r</mi>
<mrow>
<mi>p</mi>
<mi>r</mi>
<mi>e</mi>
</mrow>
</msub>
<mi>&Delta;</mi>
<mi>t</mi>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
</mrow>
其中,Δt为当前时刻t0至未来评估时刻的时间长度,单位为h,rpre为地理网格所在地区气象预报在当前时刻至未来评估时刻这一时间段内的平均降雨量强度,单位为mm/h,k1为气象站实测值的权重系数,k2为气象预报值的权重系数,其中k1+k2=1;
若地理网格不处于气象站的预报范围内,则按照以下方法计算地理网格的降雨量信息:
通过公式(3)计算地理网格当前时刻之前一定历史时间段内的历史累积降雨量单位为mm;
Rpast=r'preTc (3)
其中,r'pre为地理网格所在地区气象预报在当前时刻之前一定历史时间段内的平均降雨量强度,单位为mm/h;
通过公式(4)计算地理网格在当前时刻至未来评估时刻这一时间段内的预测降雨量,单位为mm;
Rpre=rpreΔt (4)
2)对比输电杆塔的经纬度与各个气象站的经纬度,如果有输电杆塔的经纬度与某个气象站的经纬度相同,则输电杆塔的预测降雨量及历史累积降雨量取该气象站的预测降雨量及历史累积降雨量,气象站的预测降雨量及历史累积降雨量的具体计算方法如公式(1)、(2),其中公式(1)中的r(t)取气象站在时刻t测得的降雨强度,单位为mm/h,公式(2)中rpre取气象站所在地区气象预报在当前时刻至未来评估时刻这一时间段内的平均降雨量强度,单位为mm/h;
如果输电杆塔的经纬度与所有气象站的经纬度均不相同,则输电杆塔的预测降雨量及历史累积降雨量取步骤1)中计算出的输电杆塔所属地理网格的预测降雨量及历史累积降雨量;
3)确定输电杆塔塔基地段的地形地貌参数,再结合步骤2)中得到的输电杆塔的预测降雨量及历史累积降雨量,计算得到输电杆塔的综合有效降雨量;最后结合输电杆塔故障概率计算模型,计算得到输电杆塔因暴雨致灾的故障概率;
所述输电杆塔的综合有效降雨量R=Rz+Rs,其中,Rz为前期有效降雨量,可根据公式(5)计算;Rs为修正短历时雨强,根据公式(6)计算:
Rz=kp*Rpast (5)
Rs=kcor*Rpre (6)
其中kp为历史降雨量综合衰减系数,kcor为预测降雨量修正系数,根据输电杆塔塔基地段的地形地貌参数取不同的kp和kcor;
4)根据步骤3)中得到的输电杆塔故障概率,采用相对独立事件算法,计算得到暴雨灾害情况下各条输电线路的故障概率,结束本方法。
2.根据权利要求1所述的计及暴雨灾害影响的输电线路故障概率在线评估方法,其特征在于,所述步骤3)中的输电杆塔塔基地段的地形地貌参数根据优先级选取,优先级别排序如下:输电杆塔的地形地貌参数>输电杆塔所属的地理网格地形地貌参数>电网所在地区的典型地形地貌参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710323118.1A CN107169645B (zh) | 2017-05-09 | 2017-05-09 | 一种计及暴雨灾害影响的输电线路故障概率在线评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710323118.1A CN107169645B (zh) | 2017-05-09 | 2017-05-09 | 一种计及暴雨灾害影响的输电线路故障概率在线评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107169645A true CN107169645A (zh) | 2017-09-15 |
CN107169645B CN107169645B (zh) | 2020-11-03 |
Family
ID=59813855
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710323118.1A Active CN107169645B (zh) | 2017-05-09 | 2017-05-09 | 一种计及暴雨灾害影响的输电线路故障概率在线评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107169645B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108132980A (zh) * | 2017-12-13 | 2018-06-08 | 国家电网公司 | 一种暴雨天气下山区电力抢险救灾路径规划方法 |
CN108960599A (zh) * | 2018-06-22 | 2018-12-07 | 国网湖南省电力有限公司 | 基于反演算法的输电线路暴雨灾害精细化预测方法及*** |
CN110428190A (zh) * | 2019-08-16 | 2019-11-08 | 国电南瑞科技股份有限公司 | 一种计及山火灾害影响的输电线路故障概率在线评估方法 |
CN111738617A (zh) * | 2020-07-01 | 2020-10-02 | 广东电网有限责任公司广州供电局 | 一种强降雨天气下变电站风险评估方法与预警*** |
CN112257956A (zh) * | 2020-11-10 | 2021-01-22 | 国网湖南省电力有限公司 | 预测输电线路遭受暴雨灾害的方法、装置和设备 |
CN112749904A (zh) * | 2021-01-14 | 2021-05-04 | 国网湖南省电力有限公司 | 基于深度学习的配电网故障风险预警方法及*** |
CN113313342A (zh) * | 2021-04-08 | 2021-08-27 | 云南电网有限责任公司西双版纳供电局 | 多种自然灾害引发电网设备故障概率分析方法和*** |
CN113610270A (zh) * | 2021-07-01 | 2021-11-05 | 广西电网有限责任公司电力科学研究院 | 一种考虑支槽影响的配变运行风险预测方法和*** |
CN113673617A (zh) * | 2021-08-26 | 2021-11-19 | 山东大学 | 一种基于遥感影像的火星尘暴时空概率预测方法及*** |
CN116579617A (zh) * | 2023-07-12 | 2023-08-11 | 国网山东省电力公司邹城市供电公司 | 一种电网风险评估方法及*** |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102629294A (zh) * | 2011-12-31 | 2012-08-08 | 国网电力科学研究院 | 台风引发输电线路故障的概率评估方法 |
CN103646157A (zh) * | 2013-08-28 | 2014-03-19 | 南京南瑞集团公司 | 评估暴雨引发输电线路故障概率的方法 |
CN103729692A (zh) * | 2013-12-24 | 2014-04-16 | 广西壮族自治区气象服务中心 | 基于gis的水电站流域区划及面雨量监测方法 |
CN105203153A (zh) * | 2014-06-27 | 2015-12-30 | 国家电网公司 | 一种电力用户重大故障风险指数预测装置及预测方法 |
CN105279612A (zh) * | 2015-10-30 | 2016-01-27 | 广西电网有限责任公司电力科学研究院 | 一种基于泊松分布的输电线路跳闸风险评估方法 |
CN105868872A (zh) * | 2016-05-30 | 2016-08-17 | 东北大学 | 一种配电网雷电灾害故障预测方法 |
CN106503881A (zh) * | 2016-09-23 | 2017-03-15 | 中国南方电网有限责任公司超高压输电公司检修试验中心 | 直流输电线路台风风险的评估方法 |
-
2017
- 2017-05-09 CN CN201710323118.1A patent/CN107169645B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102629294A (zh) * | 2011-12-31 | 2012-08-08 | 国网电力科学研究院 | 台风引发输电线路故障的概率评估方法 |
CN103646157A (zh) * | 2013-08-28 | 2014-03-19 | 南京南瑞集团公司 | 评估暴雨引发输电线路故障概率的方法 |
CN103729692A (zh) * | 2013-12-24 | 2014-04-16 | 广西壮族自治区气象服务中心 | 基于gis的水电站流域区划及面雨量监测方法 |
CN105203153A (zh) * | 2014-06-27 | 2015-12-30 | 国家电网公司 | 一种电力用户重大故障风险指数预测装置及预测方法 |
CN105279612A (zh) * | 2015-10-30 | 2016-01-27 | 广西电网有限责任公司电力科学研究院 | 一种基于泊松分布的输电线路跳闸风险评估方法 |
CN105868872A (zh) * | 2016-05-30 | 2016-08-17 | 东北大学 | 一种配电网雷电灾害故障预测方法 |
CN106503881A (zh) * | 2016-09-23 | 2017-03-15 | 中国南方电网有限责任公司超高压输电公司检修试验中心 | 直流输电线路台风风险的评估方法 |
Non-Patent Citations (3)
Title |
---|
WU Y J, XUE Y S,WANG H H: "Extension of power system early-warning defense schemes by inregrating typhoon information", 《2ND INTERNATIONAL CONFERENCE ON SUSTAINABLE POWER GENERATION AND SUPPLY ON SUPERGEN》 * |
冯伟明: "考虑冰灾的电网运行风险评估及网络化保护", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
吴勇军,薛禹胜,谢云云: "台风及暴雨对电网故障率的时空影响", 《电力***自动化》 * |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108132980B (zh) * | 2017-12-13 | 2021-07-23 | 国家电网公司 | 一种暴雨天气下山区电力抢险救灾路径规划方法 |
CN108132980A (zh) * | 2017-12-13 | 2018-06-08 | 国家电网公司 | 一种暴雨天气下山区电力抢险救灾路径规划方法 |
CN108960599A (zh) * | 2018-06-22 | 2018-12-07 | 国网湖南省电力有限公司 | 基于反演算法的输电线路暴雨灾害精细化预测方法及*** |
CN108960599B (zh) * | 2018-06-22 | 2020-04-07 | 国网湖南省电力有限公司 | 基于反演算法的输电线路暴雨灾害精细化预测方法及*** |
CN110428190A (zh) * | 2019-08-16 | 2019-11-08 | 国电南瑞科技股份有限公司 | 一种计及山火灾害影响的输电线路故障概率在线评估方法 |
CN111738617A (zh) * | 2020-07-01 | 2020-10-02 | 广东电网有限责任公司广州供电局 | 一种强降雨天气下变电站风险评估方法与预警*** |
CN111738617B (zh) * | 2020-07-01 | 2023-12-26 | 广东电网有限责任公司广州供电局 | 一种强降雨天气下变电站风险评估方法与预警*** |
CN112257956A (zh) * | 2020-11-10 | 2021-01-22 | 国网湖南省电力有限公司 | 预测输电线路遭受暴雨灾害的方法、装置和设备 |
CN112749904B (zh) * | 2021-01-14 | 2023-06-27 | 国网湖南省电力有限公司 | 基于深度学习的配电网故障风险预警方法及*** |
CN112749904A (zh) * | 2021-01-14 | 2021-05-04 | 国网湖南省电力有限公司 | 基于深度学习的配电网故障风险预警方法及*** |
CN113313342A (zh) * | 2021-04-08 | 2021-08-27 | 云南电网有限责任公司西双版纳供电局 | 多种自然灾害引发电网设备故障概率分析方法和*** |
CN113313342B (zh) * | 2021-04-08 | 2023-03-31 | 云南电网有限责任公司西双版纳供电局 | 多种自然灾害引发电网设备故障概率分析方法和*** |
CN113610270A (zh) * | 2021-07-01 | 2021-11-05 | 广西电网有限责任公司电力科学研究院 | 一种考虑支槽影响的配变运行风险预测方法和*** |
CN113610270B (zh) * | 2021-07-01 | 2024-03-26 | 广西电网有限责任公司电力科学研究院 | 一种考虑支槽影响的配变运行风险预测方法和*** |
CN113673617B (zh) * | 2021-08-26 | 2022-11-25 | 山东大学 | 一种基于遥感影像的火星尘暴时空概率预测方法及*** |
CN113673617A (zh) * | 2021-08-26 | 2021-11-19 | 山东大学 | 一种基于遥感影像的火星尘暴时空概率预测方法及*** |
CN116579617A (zh) * | 2023-07-12 | 2023-08-11 | 国网山东省电力公司邹城市供电公司 | 一种电网风险评估方法及*** |
CN116579617B (zh) * | 2023-07-12 | 2023-11-03 | 国网山东省电力公司邹城市供电公司 | 一种电网风险评估方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN107169645B (zh) | 2020-11-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107169645A (zh) | 一种计及暴雨灾害影响的输电线路故障概率在线评估方法 | |
CN112070286B (zh) | 复杂地形流域的降水预报预警*** | |
Liberti et al. | Wave energy resource assessment in the Mediterranean, the Italian perspective | |
CN109697323B (zh) | 一种融合卫星遥感和移动通信基站信号的降雨观测方法 | |
CN111651885A (zh) | 一种智慧型海绵城市洪涝预报方法 | |
CN104951585B (zh) | 一种基于电网设备的台风预警方法及装置 | |
CN112506994B (zh) | 一种电力设备洪涝隐患点监测预警方法及相关装置 | |
CN103673960A (zh) | 用于预测输电线路上的覆冰状态的方法和装置 | |
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 | |
CN108152867B (zh) | 输电线路的台风预警***及方法 | |
CN109118035B (zh) | 基于网格化预警信息的台风风涝灾害配电网风险评估方法 | |
CN109063975A (zh) | 一种电力微气象灾害监测及预警装置 | |
CN105278004B (zh) | 一种电网输电线路区段的气象情况分析方法 | |
CN104182594A (zh) | 一种电力***风区图的绘制方法 | |
CN111612315A (zh) | 一种新型电网灾害性大风预警方法 | |
CN106611245A (zh) | 一种基于gis的电网台风灾害风险评估方法 | |
CN105447770A (zh) | 电网气象监测数据应用于精细化气象预报的评估方法 | |
Gentle | Concurrent wind cooling in power transmission lines | |
Aniskevich et al. | Modelling the spatial distribution of wind energy resources in Latvia | |
CN104050518B (zh) | 一种基于多普勒天气雷达的电网对流致灾大风预警方法 | |
CN209417901U (zh) | 基于土壤墒情实时校正的山洪灾害动态预警*** | |
CN117477558A (zh) | 一种基于电网负荷的预测方法及其*** | |
CN109471205B (zh) | 一种基于网格化气象数据在电网运行中的监测预警方法 | |
CN107944188A (zh) | 基于气象站实测数据的台风近地面风眼半径辨识方法 | |
CN106295896A (zh) | 结合遥感地形信息的中微尺度电网风害预警方法 |
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 | ||
GR01 | Patent grant |