CN109784720B - 一种台风灾害下基于时空网格关联的配电网风险评估方法 - Google Patents
一种台风灾害下基于时空网格关联的配电网风险评估方法 Download PDFInfo
- Publication number
- CN109784720B CN109784720B CN201910034609.3A CN201910034609A CN109784720B CN 109784720 B CN109784720 B CN 109784720B CN 201910034609 A CN201910034609 A CN 201910034609A CN 109784720 B CN109784720 B CN 109784720B
- Authority
- CN
- China
- Prior art keywords
- power distribution
- distribution network
- space
- grid
- time
- 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
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种台风灾害下基于时空网格关联的配电网风险评估方法,属于配电网技术领域。本发明采用以下步骤,首先,对配电网所在区域进行时空网格划分处理;然后,整合台风灾害下配电网的多源信息,包括配电网杆塔设备信息、台风气象信息、地形信息和下垫面信息;其次,根据所述划分网格和配电网灾害信息,进行时空关联处理;进一步地,依据风速信息筛选出风险网格,建立配电网灾害评估指标体系。
Description
技术领域
本发明涉及一种配电网风险评估方法,尤其是一种台风灾害下基于时空网格关联的配电网风险评估方法,属于配电网技术领域。
背景技术
近年来,中国南方沿海地区台风灾害频发,超强台风“苏迪罗”2015年9月29日登陆福建省莆田市秀屿区,造成经济损失320千万美元,38人死亡;超强台风“杜鹃”2015年8月8日登陆福建省莆田市湄洲镇。历次台风登陆都严重危害电网的正常运行,严重威胁着配电网的安全稳定,同时局部地区电力中断,对人们的生产、生活造成极大不便,可见在中国南方沿海地区,对灾害天气的风险评估,提高抗灾防灾能力是有必要的。
配电网风险评估是配电网信息化、智能化的一部分,了解配电网的风险利于制定配电网的运行维护计划;灾害天气条件下利于安排防御策略和灾害物资调配和快速抢修、及时恢复供电。
发明内容
本发明的目的在于克服现有技术中的不足,提供一种台风灾害下基于时空网格关联的配电网风险评估方法,解决现有技术中配电网受灾评估能力不足的技术问题。
本发明为实现上述发明目的采用如下技术方案:
步骤一:对配电网所在区域进行时空网格划分处理。空间划分处理:按照经纬度信息对配电网所在区域进行划分,划分后的各个网格大小3公里*3公里,同时记录各个网格中心点的经纬度坐标用来确定其地理位置。时间划分处理:由于台风灾害的时效性特点,对划分后的网格增添时间维度,用以区分各个不同时段的受灾情况,时间尺度设为10min。所述时空划分完成之后,对各个网格进行时空编码处理,以空间上的行列序号以及时间值作为网格的编号。
步骤二:整合台风灾害下配电网多源信息;由于台风灾害下配电网灾害信息来源广泛,本发明依据台风灾害下配电网的实际情况提取了以下四方面的信息,包括:配电网信息、台风气象信息、地形信息、下垫面信息。本发明提取了以下四方面的信息,包括:1)配电网信息:主要是配电网杆塔设备信息,包括杆塔的年限、类别、材质和数量。2)台风气象信息:2min风速和小时降水量。3)地形信息:高程、坡度和坡位。4)下垫面信息:森林、农田、城市、水体和草地。
步骤三:根据所述划分网格和配电网灾害信息,进行时空关联处理;提出时空特征关联度,计算网格、数据之间的时空特征关联度,对满足阈值的网格和数据进行匹配。首先提取配电网所在区域的时空网格编码,建立时空网格编码库,用以储存满足时空关联度阈值的配电网灾害数据记录;然后对时空关联度公式的参数进行初始化处理;其次再接着遍历配电网多源数据库,提取各个数据的时间特征和空间特征;最后计算时空特征关联度,并将结果与阈值进行比较,大于等于阈值则存储至时空网格编码数据库中。
步骤四:对处理后的网格信息进行评估分析,建立配电网灾害评估指标体系。首先根据所述配电网网格内的台风风速信息,筛选出风险网格;然后构建配电网台风灾害风险评估指标体系。
进一步的,对配电网所在区域进行时空划分,将所述区域在空间上划分为3公里×3公里大小的网格,将时间尺度设为10min并对各个网格进行时空编码处理,以空间上的行列序号以及时间值作为网格的编号。
进一步的,所述步骤三中,提取整合后的配电网灾害多源数据中的时间特征和空间特征,结合步骤一中所建立的时空网格,将两者基于时空关联度关联匹配。
进一步的,所述步骤三中,针对时空网格和配电网灾害数据的进行关联分析,建立时空关联度,即
D(i,j)=wt×Dt(i,j)+ws×Ds(i,j);
式中:wt和ws分别为时间和空间上的权重因子,范围为[0,1],默认取值各为0.5;其中,D(i,j)越大,则时空关联度越大。
时空特征关联度中还包含时间特征关联度,所述时间特征关联度反映两个对象在时间上的临近程度:
式中:αd、αh和αh为时间相关度衰减因子,范围为[0,1],本文取值分别为0.86、0.91和0.96;|di-dj|、|hi-hj|、|mi-mj|分别代表两个关联对象在天、小时、分钟三个时间尺度上的距离;其中,Dt(i,j)值越大,越接近1表示时间特征关联度越大,两个对象之间的相关性越大。
同时,时空特征关联度中包含空间特征关联度,所述空间特征关联度反映两个对象在空间上的覆盖程度:
式中:β为空间相关度衰减因子,范围为[0,1];Min(Ai,Aj)和Max(Ai,Aj)为两个对象在空间上交集范围和并集范围,表示数据或者网格的空间位置特征。Ds(i,j)值越大,越接近于1,则两者在空间上相关性越大。
进一步的,根据配电网网格内的台风风速信息,当网格内风速信息大于24m/s时,视为风险网格,筛选出风险网格,缩小配电网灾害风险评估的范围。
进一步的,所述步骤四中,建立配电网灾害风险评估指标体系,其中目标层为配电网灾害风险评估指标,准则层为配电网设备指标、气象指标、地形指标和下垫面指标,指标层分别为各网格内杆塔的总数量、水泥杆数量、各网格内10min风速值、各网格内小时雨量值、各网格内高程、坡度、坡位值、各网格内森林、农田、水体、城市、草地属性。
附图说明
图1为本发明中配电网网格、灾害数据时空关联流程图;
图2为本发明中配电网灾害风险评估指标体系图。
具体实施方式
下面结合附图对本发明的技术方案做进一步的详细说明:
本实施例提供的一种台风灾害下基于时空网格关联的配电网风险评估方法,能够解决现有技术中配电网受灾评估能力不足的技术问题。
包括如下步骤:
步骤一,对配电网所在区域进行时空网格划分处理。空间划分处理:按照经纬度信息对配电网所在区域进行划分,划分后的各个网格大小3公里*3公里,同时记录各个网格中心点的经纬度坐标用来确定其地理位置。时间划分处理:由于台风灾害的时效性特点,对划分后的网格增添时间维度,用以区分各个不同时段的受灾情况,时间尺度设为10min。所述时空划分完成之后,对各个网格进行时空编码处理,以空间上的行列序号以及时间值作为网格的编号。
步骤二:整合台风灾害下配电网多源信息。台风灾害下配电网灾害信息来源广泛,本发明提取了以下四方面的信息,包括:1)配电网信息:主要是配电网杆塔设备信息,包括杆塔的年限、类别、材质和数量。2)台风气象信息:2min风速和小时降水量。3)地形信息:高程、坡度和坡位。4)下垫面信息:森林、农田、城市、水体和草地。
步骤三:根据所述划分网格和配电网灾害信息,进行时空关联处理。首先提取配电网所在区域的时空网格编码,建立时空网格编码库,用以储存满足时空关联度阈值的配电网灾害数据记录;然后对时空关联度公式的参数进行初始化处理;其次再接着遍历配电网多源数据库,提取各个数据的时间特征和空间特征;最后计算时空特征关联度,并将结果与阈值进行比较,大于等于阈值则存储至时空网格编码数据库中。
步骤四:对处理后的网格信息进行评估分析,建立配电网灾害评估指标体系。首先根据所述配电网网格内的台风风速信息,筛选出风险网格;然后构建配电网台风灾害风险评估指标体系。
进一步的,台风灾害下基于时空网格关联的配电网风险评估方法中,步骤三的具体方法为:提取整合后的配电网灾害多源数据中的时间特征和空间特征,结合步骤一中所建立的时空网格,将两者基于时空关联度关联匹配。具体步骤如图1所示。
A、提取配电网所在区域的时空网格编码,建立时空网格编码库,用以储存满足时空关联度阈值的配电网灾害数据记录;
B、建立时空关联度,量化网格与数据、数据与数据之间关联关系。时空关联度由时间关联度和空间关联组成;台风灾害下基于时空网格关联分析的配电网风险评估方法,其特征时空特征关联度中包含时间特征关联度。
时间特征关联度反映两个对象在时间上的临近程度:
式中:αd、αh和αh为时间相关度衰减因子,范围为[0,1],本文取值分别为0.86、0.91和0.96;|di-dj|、|hi-hj|、|mi-mj|分别代表两个关联对象在天、小时、分钟三个时间尺度上的距离。
空间特征关联度反映两个对象在空间上的覆盖程度:
式中:β为空间相关度衰减因子,范围为[0,1];Min(Ai,Aj)和Max(Ai,Aj)为两个对象在空间上交集范围和并集范围,表示数据或者网格的空间位置特征。Ds(i,j)值越大,越接近于1,则两者在空间上相关性越大。
对上述两个关联度进行加权处理达到时空特征关联度:
D(i,j)=wt×Dt(i,j)+ws×Ds(i,j)
式中:wt和ws分别时间和空间上的权重因子,范围为[0,1],默认取值各为0.5。D(i,j)越大,则时空关联度越大。
C、遍历配电网灾害数据库,计算数据与数据、数据与网格之间的时空特征关联度,并将结果与阈值进行比较,大于等于阈值则存储至时空网格编码数据库中。
更进一步的,台风灾害下基于时空网格关联的配电网风险评估方法中,步骤四的具体方法为:
A、根据所述配电网网格内的台风风速信息,筛选出风险网格根据配电网线路工程设计规范,在不考虑风向的前提下,风速不宜超过24m/s,因此当网格内风速信息大于24m/s时,视为风险网格,缩小了配电网灾害风险评估的范围。
B、建立配电网灾害风险评估指标体系,从自然灾害造成的配电网损失、气象、地形和下垫面三个方面建立配电网受灾风险评估体系。
目标层为配电网灾害风险评估指标,准则层为配电网杆塔设备指标、气象指标、地形指标和下垫面指标,指标层分别为各网格内杆塔的总数量、水泥杆数量、各网格内10min风速值、各网格内小时雨量值、各网格内高程、坡度、坡位值、各网格内森林、农田、水体、城市、草地属性。具体指标体系如图2所示。
C、确定各指标权重,采用线性加权综合法,评价结果为各个评价指标的加权和。通过拉开层次放基于统计数据从客观方面计算权重,序关系法从专家主观方面给出权重,综合客观更能反应指标权重的合理性。
D、网格风险评估:R=WR T·y
以上显示和描述了本发明的基本原理、主要特征和优点。本领域的技术人员应该了解,本发明不受上述具体实施例的限制,上述具体实施例和说明书中的描述只是为了进一步说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护的范围由权利要求书及其等效物界定。
Claims (6)
1.台风灾害下基于时空网格关联的配电网风险评估方法,其特征在于:包括如下步骤,
步骤一:对配电网所在区域进行时空网格划分处理;将所述区域在空间上划分为3公里×3公里大小的网格,将时间尺度设为10min,所述时空网格划分完成之后,对各个网格进行时空编码处理,以空间上的行列序号以及时间值作为网格的编号;
步骤二:整合台风灾害下配电网多源信息;由于台风灾害下配电网灾害信息来源广泛,依据台风灾害下配电网的实际情况提取了以下四方面的信息,包括:配电网信息、台风气象信息、地形信息、下垫面信息;
步骤三:根据所述时空网格划分处理和配电网灾害信息,进行时空关联处理;提出时空特征关联度,计算网格、数据之间的时空特征关联度,对满足阈值的网格和数据进行匹配;针对时空网格和配电网灾害数据进行关联分析,建立时空关联度,即
D(i,j)=wt×Dt(i,j)+ws×Ds(i,j);
式中:wt和ws分别为时间和空间上的权重因子,范围为[0,1];其中,D(i,j)越大,则时空关联度越大;
步骤四:对处理后的网格信息进行分析,建立配电网灾害风险评估指标体系;根据所述配电网网格内的台风风速信息,筛选出风险网格;然后构建配电网台风灾害预评估指标体系。
2.根据权利要求1所述的台风灾害下基于时空网格关联的配电网风险评估方法,其特征在于:所述步骤三中,提取整合后的配电网灾害多源数据中的时间特征和空间特征,结合步骤一中所建立的时空网格,将两者基于时空关联度关联匹配。
5.根据权利要求1所述台风灾害下基于时空网格关联的配电网风险评估方法,其特征在于:根据配电网网格内的台风风速信息,当网格内风速信息大于24m/s时,视为风险网格,筛选出风险网格,缩小配电网灾害风险评估的范围。
6.根据权利要求1所述台风灾害下基于时空网格关联的配电网风险评估方法,其特征在于:所述步骤四中,建立配电网灾害风险评估指标体系,其中目标层为配电网灾害风险评估指标,准则层为配电网设备指标、气象指标、地形指标和下垫面指标,指标层分别为各网格内杆塔的总数量、水泥杆数量、各网格内10min风速值、各网格内小时雨量值、各网格内高程、坡度、坡位值、各网格内森林、农田、水体、城市、草地属性。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910034609.3A CN109784720B (zh) | 2019-01-15 | 2019-01-15 | 一种台风灾害下基于时空网格关联的配电网风险评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910034609.3A CN109784720B (zh) | 2019-01-15 | 2019-01-15 | 一种台风灾害下基于时空网格关联的配电网风险评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109784720A CN109784720A (zh) | 2019-05-21 |
CN109784720B true CN109784720B (zh) | 2021-07-02 |
Family
ID=66500510
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910034609.3A Active CN109784720B (zh) | 2019-01-15 | 2019-01-15 | 一种台风灾害下基于时空网格关联的配电网风险评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109784720B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111680862A (zh) * | 2020-04-23 | 2020-09-18 | 南方电网科学研究院有限责任公司 | 基于时空网格关联的配电网多源数据融合风险预警方法 |
CN113139760B (zh) * | 2021-05-27 | 2022-07-08 | 四创科技有限公司 | 基于风雨大数据的台风风险综合评估方法及*** |
CN113487139B (zh) * | 2021-06-11 | 2022-09-16 | 中国水产科学研究院东海水产研究所 | 一种基于空间位置的区域台风风险评估方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103093111A (zh) * | 2013-02-01 | 2013-05-08 | 杭州辰青和业科技有限公司 | 基于精细网格的电网雷电灾害风险评估技术方法 |
WO2018128269A1 (ko) * | 2017-01-05 | 2018-07-12 | 대원전기 주식회사 | 절연활선장선기와 바이패스점퍼케이블을 이용하여 전주 경간내 전선을 분리하여 사선상태에서 구간내 작업을 하는 무정전 배전공법 |
CN108564263A (zh) * | 2018-04-02 | 2018-09-21 | 国网安徽省电力有限公司电力科学研究院 | 一种用于飑线环境下输电线路杆塔受灾预测方法 |
-
2019
- 2019-01-15 CN CN201910034609.3A patent/CN109784720B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103093111A (zh) * | 2013-02-01 | 2013-05-08 | 杭州辰青和业科技有限公司 | 基于精细网格的电网雷电灾害风险评估技术方法 |
WO2018128269A1 (ko) * | 2017-01-05 | 2018-07-12 | 대원전기 주식회사 | 절연활선장선기와 바이패스점퍼케이블을 이용하여 전주 경간내 전선을 분리하여 사선상태에서 구간내 작업을 하는 무정전 배전공법 |
CN108564263A (zh) * | 2018-04-02 | 2018-09-21 | 国网安徽省电力有限公司电力科学研究院 | 一种用于飑线环境下输电线路杆塔受灾预测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109784720A (zh) | 2019-05-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Cai et al. | Flood risk assessment based on hydrodynamic model and fuzzy comprehensive evaluation with GIS technique | |
Ruan et al. | Assessment of temporal and spatial progress of urban resilience in Guangzhou under rainstorm scenarios | |
CN109784720B (zh) | 一种台风灾害下基于时空网格关联的配电网风险评估方法 | |
CN111582755A (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 | |
Li et al. | Vulnerability evaluation of rainstorm disaster based on ESA conceptual framework: A case study of Liaoning province, China | |
CN113139760B (zh) | 基于风雨大数据的台风风险综合评估方法及*** | |
CN113327022B (zh) | 一种防雷安全风险管理***及方法 | |
CN113191644A (zh) | 一种基于自发-引发风险评价模型城市内涝风险评价方法 | |
Qi et al. | Multi-factor evaluation indicator method for the risk assessment of atmospheric and oceanic hazard group due to the attack of tropical cyclones | |
Zhang et al. | Response of shorebird habitat selection to coastal reclamation and urbanization in an extensively developed delta: A case study in Macao, China | |
CN113743658A (zh) | 基于临界雨量的中小流域地质灾害及洪水预警方法 | |
Keke et al. | STGA-CBR: a case-based reasoning method based on spatiotemporal trajectory similarity assessment | |
Yi et al. | Thermal comfort differences between urban villages and formal settlements in Chinese developing cities: A case study in Shenzhen | |
Wang et al. | Risk assessment of typhoon disaster chains in the Guangdong–Hong Kong–Macau greater bay area, China | |
Li et al. | Urban flood risk assessment based on DBSCAN and K-means clustering algorithm | |
CN110414027A (zh) | 一种适用于洪涝预测***的数据处理方法 | |
CN117436619A (zh) | 一种基于等效防洪作用的梯级水库防洪库容联合预留方法 | |
CN117709580A (zh) | 一种基于setr与地理网格的海洋承灾体脆弱性评价方法 | |
Qin et al. | Refined urban disaster vulnerability assessment based on elements at risk: A case study of Dalian, China | |
CN112651611A (zh) | 一种基于地理空间智能分析的资源环境承载力评价方法 | |
Gilbertson-Day et al. | Pacific northwest quantitative wildfire risk assessment: methods and results | |
Guo et al. | Risk assessment of typhoon storm surge based on a simulated annealing algorithm and the least squares method: A case study in Guangdong Province, China | |
CN113128811A (zh) | 一种基于强降水的电网***地质灾害风险评估方法及*** | |
Kuntiyawichai et al. | Climate change vulnerability mapping for the Greater Mekong Sub-region | |
CN113469582B (zh) | 一种多层级台风灾害风险评估方法 |
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 |