CN108960599B - 基于反演算法的输电线路暴雨灾害精细化预测方法及*** - Google Patents
基于反演算法的输电线路暴雨灾害精细化预测方法及*** Download PDFInfo
- Publication number
- CN108960599B CN108960599B CN201810653331.3A CN201810653331A CN108960599B CN 108960599 B CN108960599 B CN 108960599B CN 201810653331 A CN201810653331 A CN 201810653331A CN 108960599 B CN108960599 B CN 108960599B
- Authority
- CN
- China
- Prior art keywords
- transmission line
- power transmission
- rainstorm
- disaster
- rainstorm disaster
- 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
- 230000005540 biological transmission Effects 0.000 title claims abstract description 125
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000004364 calculation method Methods 0.000 claims abstract description 30
- 239000003086 colorant Substances 0.000 claims abstract description 7
- 239000002689 soil Substances 0.000 claims description 13
- 238000013507 mapping Methods 0.000 claims description 6
- 238000005259 measurement Methods 0.000 claims description 6
- 239000004575 stone Substances 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 4
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 abstract 1
- 230000000694 effects Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000001556 precipitation Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000013058 risk prediction model Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000035945 sensitivity Effects 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)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (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)
- Alarm Systems (AREA)
Abstract
本发明涉及电力***的气象灾害预警领域,公开一种基于反演算法的输电线路暴雨灾害精细化预测方法及***,以将暴雨灾害预测结果精细化到具体输电线路。本发明方法包括:通过暴雨灾害预测计算模型生成包括各格点的暴雨灾害指数预测值的降雨量格点预报文件,利用电网GIS的空间搜索,对输电线路杆塔坐标信息进行空间求交运算,获取暴雨区域的输电线路杆塔信息;进而利用电网GIS空间线形成暴雨灾害的输电线路空间信息;通过暴雨灾害预测格点文件,利用气象要素空间插值法并结合暴雨灾害影响的输电线路生成输电线路暴雨灾害预测预警分布图,以将相同暴雨灾害指数下的输电线路用同一颜色进行描绘,对于不同降雨量指数下的输电线路用其他颜色区分。
Description
技术领域
本发明涉及电力***的气象灾害预警领域,尤其涉及一种基于反演算法的输电线路暴雨灾害精细化预测方法及***。
背景技术
近年来,随着强降雨天气在夏季经常发生,容易引起输电线路周边崩塌、滑坡、泥石流、地裂缝、水土流失等地质灾害频发,导致电网安全运行危害很大,造成重大的经济损失和社会影响。考虑到电力行业是气象高敏感性和高需求性行业,一旦气象要素(包括温度、湿度、风速风向、降水量等)发生改变,都有可能引起暴雨、强风等气象灾害及次生灾害并威胁着输电线路稳定运行。因此,开展输电线路暴雨灾害精细化预测工作已成为电力行业运检必不可少的工作,且建设输电线路暴雨灾害精细化预测***对构建坚强电网具有重要的意义和工程实用价值。
目前,国内多家单位已开展输电线路暴雨预测预警的相关研究,其中,针对地质条件、气象要素等数据分析的基于电网GIS的地质灾害预警方法及装置,建立分析模型并及时预警,实现电网覆盖区内的地质灾害准确预测,典型代表为CN104952212A;CN102930348A等专利基于层次结构模型建立区段输电线路内各杆塔基础边坡对整个区坡暴雨灾害风险评估方法,实现对输电线路各区段暴雨灾害风险的准确评估;CN106022953A等专利通过灾情资料、暴雨资料、社会经济资料、基础地理信息数据和电网分布数据,准确计算造成暴雨洪涝电网灾害的致灾因子程度、孕灾环境敏感性、承灾体易损性、防灾减灾能力四个要素,评估暴雨风险。然而,上述所阐述的方法均未提及到输电线路暴雨灾害风险影响线路的计算方法及精细化程度至具体线路的预测方法,这样会导致暴雨预警时间不及时,精度也不高,从而效果不理想。
针对上述方法存在的问题,迫切需要一种主动性更强、精度高的输电线路暴雨灾害精细化预测方法,提高输电线路应对暴雨灾害的能力和安全稳定运行水平。
发明内容
本发明目的在于公开一种基于反演算法的输电线路暴雨灾害精细化预测方法及***,以将暴雨灾害预测结果精细化到具体输电线路。
为实现上述目的,本发明公开了一种基于反演算法的输电线路暴雨灾害精细化预测方法,包括以下步骤:
步骤S1,根据选定日期下的气象特征要素数据、地形地貌数据、输电线路各级杆塔的基础特征、土体密实度、地层岩性、土体中碎石含量、坡面特征特性、泥石流致灾因子数据、历史暴雨灾害数据,通过暴雨灾害预测计算模型生成降雨量格点预报文件,所述降雨量格点预报文件包括各格点的暴雨灾害指数预测值;
步骤S2,读取降雨量格点预报文件,获取所有降雨量相关网格信息;
步骤S3,将所有降雨量相关网格映射到电网GIS中显示不同暴雨灾害指数的等值面区域;
步骤S4,利用电网GIS的空间搜索,对输电线路杆塔坐标信息进行空间求交运算,获取暴雨区域的输电线路杆塔信息;
步骤S5,通过对步骤S4获取的输电杆塔信息进行排序,将前后输电线路杆塔的编号、线路名称、电压等级、暴雨灾害指数记录到文件,保存至输电线路降雨量指数数据库;
步骤S6,利用电网GIS空间线连接输电线路降雨量指数数据库中线路杆塔坐标,形成暴雨灾害的输电线路空间信息;
步骤S7,将相同暴雨灾害指数下的输电线路用同一颜色进行描绘,对于不同降雨量指数下的输电线路用其他颜色区分,并输出到电网GIS界面上进行显示;
步骤S8,通过步骤S1中得到的暴雨灾害预测格点文件,利用气象要素空间插值法并结合步骤S7中的暴雨灾害影响的输电线路,生成输电线路暴雨灾害预测预警分布图;
所述气象要素空间插值法的计算公式为:
其中,Z是插值点估计值,Zi是实测样本值;n为参与计算的实测样本数,Di为插值点与第i个样本点的距离,权指数p是距离的幂,Di -p是距离衰减函数。
与上述方法相对应的,本发明还公开一种基于反演算法的输电线路暴雨灾害精细化预测***,包括:
数据接收模块,用于接入气象特征要素数据、地形地貌数据、输电线路各基杆塔的基础特征、土体密实度、地层岩性、土体中碎石含量、坡面特征特性、泥石流致灾因子数据、历史暴雨灾害数据到电网GIS暴雨灾害***数据库;
暴雨灾害影响区域预测计算模块,用于利用暴雨灾害预测计算模型生成降雨量格点预报文件,所述降雨量格点预报文件包括各格点的暴雨灾害指数预测值;读取降雨量格点预报文件,获取所有降雨量相关网格信息;以及将所有降雨量相关网格映射到电网GIS中显示不同暴雨灾害指数的等值面区域;利用电网GIS的空间搜索,对输电线路杆塔坐标信息进行空间求交运算,获取暴雨区域的输电线路杆塔信息;通过对获取的输电杆塔信息进行排序,将前后输电线路杆塔的编号、线路名称、电压等级、暴雨灾害指数记录到文件,保存至输电线路降雨量指数数据库;以及利用电网GIS空间线连接输电线路降雨量指数数据库中线路杆塔坐标,形成暴雨灾害的输电线路空间信息;
图层展示模块,用于显示不同暴雨灾害指数的等值面区域和输电线路暴雨灾害预测预警分布图,并在输电线路暴雨灾害预测预警分布图中,将相同暴雨灾害指数下的输电线路用同一颜色进行描绘,对于不同降雨量指数下的输电线路用其他颜色区分;
暴雨灾害影响指数线路反演计算模块,用于通过暴雨灾害预测格点文件,利用气象要素空间插值法并结合暴雨灾害影响的输电线路,生成输电线路暴雨灾害预测预警分布图;
所述气象要素空间插值法的计算公式为:
其中,Z是插值点估计值,Zi是实测样本值;n为参与计算的实测样本数,Di为插值点与第i个样本点的距离,权指数p是距离的幂,Di -p是距离衰减函数。
本发明具有以下有益效果:
简单、实用,可操作性强。利用基于气象要素空间插值法的反演算法,与电网GIS相结合,不仅可以查看全国范围内的暴雨灾害影响区域,而且可以获取典型区域下的暴雨灾害风险影响线路。不仅考虑了影响暴雨灾害风险影响区域,而且精细到具体影响的线路,实现了输电线路暴雨灾害风险预测。
具体实施方式
以下对本发明的实施例进行详细说明,但是本发明可以由权利要求限定和覆盖的多种不同方式实施。
实施例1
本实施例公开一种基于反演算法的输电线路暴雨灾害精细化预测方法,包括以下步骤:
步骤S1,确定暴雨灾害预测计算模型,通该过暴雨灾害预测计算模型生成降雨量格点预报文件,所述降雨量格点预报文件包括各格点的暴雨灾害指数预测值。
在上述步骤中,可选的,暴雨灾害风险预测模型可以采用如专利CN102930348A或CN104952212A中描述的暴雨灾害风险预测方法;该模型所对应的输入可为:根据选定日期下的气象特征要素数据、地形地貌数据、输电线路各级杆塔的基础特征、土体密实度、地层岩性、土体中碎石含量、坡面特征特性、泥石流致灾因子数据、历史暴雨灾害数据等。
进一步的,上述气象特征要素数据可包括:最低温度、最高温度、平均温度、降水、湿度、极大风速、平均风速、最大风速等;历史暴雨灾害数据可包括:时间、经度、维度、周期、影响线路名称等;地形植被数据可包括:水系、居民地、铁路、公路、境界、地形、辅助要素、坐标网、植被类型、边界范围以及数据质量等数据;输电线路各基杆塔的基础特征可包括独立基础、桩基础和掏挖基础等;泥石流致灾因子数据可包括泥位、泥速、次声和地声等。
另一方面,上述暴雨格点预报文件格式可以为气象MICAPS第四类数据格式,主要用于格点暴雨灾害指数等值线的输出。
步骤S2,读取降雨量格点预报文件,获取所有降雨量相关网格信息。
步骤S3,将所有降雨量相关网格映射到电网GIS中显示不同暴雨灾害指数的等值面区域。即:在电网GIS中展示的不同暴雨指数等值面中,同一区域内的暴雨灾害风险指数相等。
步骤S4,利用电网GIS的空间搜索,对输电线路杆塔坐标信息进行空间求交运算,获取暴雨区域的输电线路杆塔信息。其中,空间求交运算用于返回两个几何的交集;交集始终作为一个集合返回,该集合是源几何的最小维度。
步骤S5,通过对步骤S4获取的输电杆塔信息进行排序,将前后输电线路杆塔的编号、线路名称、电压等级、暴雨灾害指数记录到文件,保存至输电线路降雨量指数数据库。其中,输电线路杆塔的编号、线路名称、电压等级是筛选两杆塔之间是否存在实际空间连线的主要判断逻辑,以便后续实现不同电压等级下的输电线路暴雨灾害风险指数预警分析。
步骤S6,利用电网GIS空间线连接输电线路降雨量指数数据库中线路杆塔坐标,形成暴雨灾害的输电线路空间信息。
步骤S7,将相同暴雨灾害指数下的输电线路用同一颜色进行描绘,对于不同降雨量指数下的输电线路用其他颜色区分,并输出到电网GIS界面上进行显示。
步骤S8,通过步骤S1中得到的暴雨灾害预测格点文件,利用气象要素空间插值法并结合步骤S7中的暴雨灾害影响的输电线路,生成输电线路暴雨灾害预测预警分布图。
在该步骤中,气象要素空间插值法具体采用反距离权重插值法。为了反映气象要素在空间、时间上的变化规律,需要利用离散的站点数据进行空间插值,转换为连续的数据曲面。反距离权重插值法是非规则分布点变成规则分布点常用的网格化方法之一,其原理基于地理学第一定律——相近相似,即离所估算的网格点距离越近的样本点对该网格点的影响越大,越远的样本点影响越小,当采样点在距离插值点一定范围以外时,影响可以忽略不计。在任一插值点处的值是各采样点权重之和,可用下式表示:
其中,Z是插值点估计值,Zi是实测样本值;n为参与计算的实测样本数,Di为插值点与第i个样本点的距离,权指数p是距离的幂,Di -p是距离衰减函数。
p越大,距离的影响衰减越快,采样点分配到的权重也逐渐降低。当p=0时,距离没有影响;当p=1时,距离的影响是线性的;当p>1时,快速减少遥远位置的影响,其中p=2时即称做反距离平方加权法。权指数p显著影响内插的结果,距离的幂越高,内插结果越具有平滑的效果,它的选择标准是最小平均绝对误差,通常取值为1或者2,本实施例优选取值为2。一般情况,采用平均误差(Mean Error,ME),平均绝对误差(Mean Absolute Error,MAE),均方根误差(Root Mean Square Error,RMSE)和决定系数(R2)对模型进行检验和预测精度评估。计算公式分别如下:
优选地,本实施例上述方法还进一步包括:在所生成的输电线路暴雨灾害预测预警分布图中设置显示阈值;并对气象要素空间插值法求解后小于该阈值的输电线路进行过滤处理以不在电网GIS界面上进行配色显示。
实施例2
与上述方法相对应的,本实施例公开一种基于反演算法的输电线路暴雨灾害精细化预测***,包括:
数据接收模块,用于接入气象特征要素数据、地形地貌数据、输电线路各基杆塔的基础特征、土体密实度、地层岩性、土体中碎石含量、坡面特征特性、泥石流致灾因子数据、历史暴雨灾害数据到电网GIS暴雨灾害***数据库;
暴雨灾害影响区域预测计算模块,用于利用暴雨灾害预测计算模型生成降雨量格点预报文件,所述降雨量格点预报文件包括各格点的暴雨灾害指数预测值;读取降雨量格点预报文件,获取所有降雨量相关网格信息;以及将所有降雨量相关网格映射到电网GIS中显示不同暴雨灾害指数的等值面区域;利用电网GIS的空间搜索,对输电线路杆塔坐标信息进行空间求交运算,获取暴雨区域的输电线路杆塔信息;通过对获取的输电杆塔信息进行排序,将前后输电线路杆塔的编号、线路名称、电压等级、暴雨灾害指数记录到文件,保存至输电线路降雨量指数数据库;以及利用电网GIS空间线连接输电线路降雨量指数数据库中线路杆塔坐标,形成暴雨灾害的输电线路空间信息;
图层展示模块,用于显示不同暴雨灾害指数的等值面区域和输电线路暴雨灾害预测预警分布图,并在输电线路暴雨灾害预测预警分布图中,将相同暴雨灾害指数下的输电线路用同一颜色进行描绘,对于不同降雨量指数下的输电线路用其他颜色区分;
暴雨灾害影响指数线路反演计算模块,用于通过暴雨灾害预测格点文件,利用气象要素空间插值法并结合暴雨灾害影响的输电线路,生成输电线路暴雨灾害预测预警分布图;
所述气象要素空间插值法的计算公式为:
其中,Z是插值点估计值,Zi是实测样本值;n为参与计算的实测样本数,Di为插值点与第i个样本点的距离,权指数p是距离的幂,Di -p是距离衰减函数。
进一步的,本实施例图层展示模块还用于:在所生成的输电线路暴雨灾害预测预警分布图中设置显示阈值;以及对气象要素空间插值法求解后小于该阈值的输电线路进行过滤处理以不在电网GIS界面上进行配色显示。
综上,本发明上述实施例所分别公开的基于反演算法的输电线路暴雨灾害精细化预测方法及***,皆具有以下有益效果:
简单、实用,可操作性强。利用基于气象要素空间插值法的反演算法,与电网GIS相结合,不仅可以查看全国范围内的暴雨灾害影响区域,而且可以获取典型区域下的暴雨灾害风险影响线路。不仅考虑了影响暴雨灾害风险影响区域,而且精细到具体影响的线路,实现了输电线路暴雨灾害风险预测。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (4)
1.一种基于反演算法的输电线路暴雨灾害精细化预测方法,其特征在于,包括以下步骤:
步骤S1,根据选定日期下的气象特征要素数据、地形地貌数据、输电线路各级杆塔的基础特征、土体密实度、地层岩性、土体中碎石含量、坡面特征特性、泥石流致灾因子数据、历史暴雨灾害数据,通过暴雨灾害预测计算模型生成降雨量格点预报文件,所述降雨量格点预报文件包括各网格点的暴雨灾害指数预测值;
步骤S2,读取降雨量格点预报文件,获取所有降雨量相关网格点信息;
步骤S3,将所有降雨量相关网格点映射到电网GIS中显示不同暴雨灾害指数的等值面区域;
步骤S4,利用电网GIS的空间搜索,对输电线路杆塔坐标信息进行空间求交运算,获取暴雨区域的输电线路杆塔信息;
步骤S5,通过对步骤S4获取的输电杆塔信息进行排序,将排序后的输电线路杆塔的编号、线路名称、电压等级、暴雨灾害指数记录到文件,保存至输电线路降雨量指数数据库;
步骤S6,利用电网GIS空间线连接输电线路降雨量指数数据库中线路杆塔坐标,形成暴雨灾害的输电线路空间信息;
步骤S7,将相同暴雨灾害指数下的输电线路用同一颜色进行描绘,对于不同暴雨灾害指数下的输电线路用不同的颜色区分,并输出到电网GIS界面上进行显示;
步骤S8,通过步骤S1中得到的降雨量格点预报文件,利用气象要素空间插值法并结合步骤S7中的暴雨灾害指数影响下的输电线路,生成输电线路暴雨灾害预测预警分布图;
所述气象要素空间插值法的计算公式为:
其中,Z是插值点估计值,Zi是实测样本值;n为参与计算的实测样本数,Di为插值点与第i个样本点的距离,权指数p是距离的幂,Di -p是距离衰减函数。
2.根据权利要求1所述的基于反演算法的输电线路暴雨灾害精细化预测方法,其特征在于,还包括:
在所生成的输电线路暴雨灾害预测预警分布图中设置显示阈值;以及
对气象要素空间插值法求解后小于所述阈值的输电线路进行过滤处理以不在电网GIS界面上进行配色显示。
3.一种基于反演算法的输电线路暴雨灾害精细化预测***,其特征在于,包括:
数据接收模块,用于接入气象特征要素数据、地形地貌数据、输电线路各基杆塔的基础特征、土体密实度、地层岩性、土体中碎石含量、坡面特征特性、泥石流致灾因子数据、历史暴雨灾害数据到电网GIS暴雨灾害***数据库;
暴雨灾害影响区域预测计算模块,用于利用暴雨灾害预测计算模型生成降雨量网格点预报文件,所述降雨量网格点预报文件包括各网格点的暴雨灾害指数预测值;读取降雨量网格点预报文件,获取所有降雨量相关网格点信息;以及将所有降雨量相关网格点映射到电网GIS中显示不同暴雨灾害指数的等值面区域;利用电网GIS的空间搜索,对输电线路杆塔坐标信息进行空间求交运算,获取暴雨区域的输电线路杆塔信息;通过对获取的输电杆塔信息进行排序,将排序后的输电线路杆塔的编号、线路名称、电压等级、暴雨灾害指数记录到文件,保存至输电线路降雨量指数数据库;以及利用电网GIS空间线连接输电线路降雨量指数数据库中线路杆塔坐标,形成暴雨灾害的输电线路空间信息;
图层展示模块,用于显示不同暴雨灾害指数的等值面区域和输电线路暴雨灾害预测预警分布图,并在输电线路暴雨灾害预测预警分布图中,将相同暴雨灾害指数下的输电线路用同一颜色进行描绘,对于不同暴雨灾害指数下的输电线路用不同的颜色区分;
暴雨灾害影响指数线路反演计算模块,用于通过暴雨灾害预测网格点文件,利用气象要素空间插值法并结合不同暴雨灾害指数影响下的输电线路,生成输电线路暴雨灾害预测预警分布图;
所述气象要素空间插值法的计算公式为:
其中,Z是插值点估计值,Zi是实测样本值;n为参与计算的实测样本数,Di为插值点与第i个样本点的距离,权指数p是距离的幂,Di -p是距离衰减函数。
4.根据权利要求3所述的基于反演算法的输电线路暴雨灾害精细化预测***,其特征在于,所述图层展示模块,还用于:
在所生成的输电线路暴雨灾害预测预警分布图中设置显示阈值;以及
对气象要素空间插值法求解后小于所述阈值的输电线路进行过滤处理以不在电网GIS界面上进行配色显示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810653331.3A CN108960599B (zh) | 2018-06-22 | 2018-06-22 | 基于反演算法的输电线路暴雨灾害精细化预测方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810653331.3A CN108960599B (zh) | 2018-06-22 | 2018-06-22 | 基于反演算法的输电线路暴雨灾害精细化预测方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108960599A CN108960599A (zh) | 2018-12-07 |
CN108960599B true CN108960599B (zh) | 2020-04-07 |
Family
ID=64486190
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810653331.3A Active CN108960599B (zh) | 2018-06-22 | 2018-06-22 | 基于反演算法的输电线路暴雨灾害精细化预测方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108960599B (zh) |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109784683A (zh) * | 2018-12-27 | 2019-05-21 | 国网湖南省电力有限公司 | 一种电网广域气象灾害综合防御方法 |
CN110502571B (zh) * | 2019-08-29 | 2020-05-08 | 智洋创新科技股份有限公司 | 一种输电线路通道可视化告警高发线段的识别方法 |
CN110632681B (zh) * | 2019-09-17 | 2022-05-27 | 国网湖南省电力有限公司 | 基于机器学习的电网午后雷阵雨的短临预警方法及*** |
CN110633858A (zh) * | 2019-09-18 | 2019-12-31 | 国网湖南省电力有限公司 | 一种用于输电线路的暴雨地质灾害的聚类预警方法及*** |
CN112818073B (zh) * | 2019-11-15 | 2022-12-09 | 内蒙古电力(集团)有限责任公司内蒙古电力科学研究院分公司 | 一种输电线路气象覆冰位置确定方法 |
CN111126846A (zh) * | 2019-12-24 | 2020-05-08 | 广东电网有限责任公司 | 一种架空输电线路差异化状态评价方法 |
CN111639865B (zh) * | 2020-06-02 | 2021-03-19 | 中国气象局气象探测中心 | 一种高铁沿线气象灾害发生风险分析方法 |
CN112132795B (zh) * | 2020-09-14 | 2023-02-03 | 中山大学 | 一种基于LiDAR点云的电塔受灾风险评估方法及*** |
CN112308395B (zh) * | 2020-10-27 | 2022-06-14 | 国网江西省电力有限公司电力科学研究院 | 一种重要输电通道的筛查方法及装置 |
CN112381327A (zh) * | 2020-12-01 | 2021-02-19 | 国网湖南省电力有限公司 | 输电通道大风灾害预报方法及*** |
CN113469268B (zh) * | 2021-07-16 | 2023-03-31 | 云南电网有限责任公司电力科学研究院 | 基于误差统计分析的输电线路杆塔雨量修正方法及装置 |
CN113570133B (zh) * | 2021-07-26 | 2024-05-24 | 广西电网有限责任公司电力科学研究院 | 一种应对强降雨的输配电线路风险预测方法及*** |
CN114358405B (zh) * | 2021-12-27 | 2023-01-31 | 中国电建集团贵州电力设计研究院有限公司 | 一种输电线路精细化点对点气温预测方法 |
CN114896786A (zh) * | 2022-05-09 | 2022-08-12 | 广东省韶关市气象局 | 基于数值模式及实况数据的高速公路暴雨预警方法及*** |
CN118091799A (zh) * | 2024-04-26 | 2024-05-28 | 大连智水慧成科技有限责任公司 | 多模式集成预报方法、***、设备和存储介质及程序产品 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102930348A (zh) * | 2012-10-19 | 2013-02-13 | 广东电网公司电力科学研究院 | 一种区段输电线路杆塔基础边坡暴雨灾害风险的评估方法 |
CN104851051A (zh) * | 2014-12-08 | 2015-08-19 | 国家电网公司 | 一种结合动态修正的电网区域暴雨量精细化预警方法 |
CN107169645A (zh) * | 2017-05-09 | 2017-09-15 | 云南电力调度控制中心 | 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 |
CN107958312A (zh) * | 2017-12-12 | 2018-04-24 | 国网湖南省电力有限公司 | 基于反演算法的输电线路舞动预测方法、***及存储介质 |
-
2018
- 2018-06-22 CN CN201810653331.3A patent/CN108960599B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102930348A (zh) * | 2012-10-19 | 2013-02-13 | 广东电网公司电力科学研究院 | 一种区段输电线路杆塔基础边坡暴雨灾害风险的评估方法 |
CN104851051A (zh) * | 2014-12-08 | 2015-08-19 | 国家电网公司 | 一种结合动态修正的电网区域暴雨量精细化预警方法 |
CN107169645A (zh) * | 2017-05-09 | 2017-09-15 | 云南电力调度控制中心 | 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 |
CN107958312A (zh) * | 2017-12-12 | 2018-04-24 | 国网湖南省电力有限公司 | 基于反演算法的输电线路舞动预测方法、***及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN108960599A (zh) | 2018-12-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108960599B (zh) | 基于反演算法的输电线路暴雨灾害精细化预测方法及*** | |
CN111582755B (zh) | 一种基于多维度集合信息山洪灾害综合风险动态评估方法 | |
CN109584510B (zh) | 一种基于评估函数训练的道路高边坡滑坡灾害预警方法 | |
CN111651885A (zh) | 一种智慧型海绵城市洪涝预报方法 | |
Xu et al. | Integrated hydrologic modeling and GIS in water resources management | |
Ahmad et al. | Estimation of a unique pair of Nash model parameters: an optimization approach | |
CN113409550B (zh) | 基于径流汇流模拟的泥石流灾害预警方法及*** | |
CN113470333A (zh) | 一种线路工程走廊浅层滑坡危险性评估及监测预警*** | |
CN113283802A (zh) | 一种复杂艰险山区滑坡危险性评估方法 | |
CN113987813A (zh) | 一种基于多参数决策和层次分析法的滑坡敏感性制图模型 | |
Hong et al. | Effects of land cover changes induced by large physical disturbances on hydrological responses in Central Taiwan | |
Mahmood Siddiqui et al. | Flood inundation modeling for a watershed in the pothowar region of Pakistan | |
Madi et al. | Flood Vulnerability Mapping and Risk Assessment Using Hydraulic Modeling and GIS in Tamanrasset Valley Watershed, Algeria | |
Purwandari | A GIS modelling approach for flood hazard assessment in part of Surakarta city, Indonesia | |
Abd Rahman et al. | Digital surface model (DSM) construction and flood hazard simulation for Development Plans in Naga City, Philippines | |
Tate et al. | An innovative flood forecasting system for the Demer basin: A case study | |
Chandrasekar et al. | Computer application on evaluating beach sediment erosion and accretion from profile survey data | |
Rebêlo et al. | Monitoring the Cresmina dune evolution (Portugal) using differential GPS | |
Rowland et al. | Floodplain mapping and risks assessment of the Orashi River using remote sensing and GIS in the Niger Delta Region, Nigeria | |
Singh et al. | Mapping and prediction of surface run-off using SCS-CN method | |
Divín et al. | Effects of land use changes on the runoff in the landscape based on hydrological simulation in HEC-HMS and HEC-RAS using different elevation data. | |
Shaviraachin | Flood simulation: a case study in the lower Limpopo valley, Mozambique using the SOBEK flood model | |
Abiri | Assessment of Flood Risks in Ifo Local Government Area of Ogun State | |
Hu | Combining Continuous and Event-based Hydrologcial Modeling in Kävlinge river Basin with HEC-HMS | |
Kebir et al. | Flood Risk Assessment Using Hydraulic Modeling and Remote Sensing Data: A Case Study of the M’zab Valley,(Algeria) |
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 |