CN110956333A - 基于气候动力降尺度的电网舞动长期预测方法及*** - Google Patents
基于气候动力降尺度的电网舞动长期预测方法及*** Download PDFInfo
- Publication number
- CN110956333A CN110956333A CN201911255182.6A CN201911255182A CN110956333A CN 110956333 A CN110956333 A CN 110956333A CN 201911255182 A CN201911255182 A CN 201911255182A CN 110956333 A CN110956333 A CN 110956333A
- Authority
- CN
- China
- Prior art keywords
- day
- galloping
- field
- meteorological
- grid
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 28
- 230000007774 longterm Effects 0.000 title claims abstract description 27
- 230000010354 integration Effects 0.000 claims abstract description 9
- 239000011248 coating agent Substances 0.000 claims description 6
- 238000000576 coating method Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 6
- 239000002689 soil Substances 0.000 claims description 3
- 230000009467 reduction Effects 0.000 abstract description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Images
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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
-
- 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
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于气候动力降尺度的电网舞动长期预测方法及***,该方法包括:选择全球气候模式,对未来N个月的月平均气象场进行预测,输出气象数据;选择区域气候模式,将待预测区域划分为网格,以预测开始时刻的气象数据的气象场为初始场,进行积分,积分时长为N个月;区域气候模式将积分后的气象要素进行逐日输出,并判断网格的逐日输出的气象要素是否满足舞动日模型,将满足舞动日模型的日期判定为该网格的舞动日;统计待预测时间N个月内,得到每个网格上舞动日总数,在待预测区域上画出等值线图。本发明通用性好,能够适用于不同地区的电网舞动长期预测的计算。
Description
技术领域
本发明涉及电网防护技术领域,尤其涉及一种基于气候动力降尺度的电网舞动长期预测方法及***。
背景技术
随着中国能源的西电东送战略推进,越来越多东西走向的输电线路被建成并投入运行。冬春季节,北方冷空气南下,与南方暖湿气流交汇,容易造成输电线路覆冰。在北风作用下,不均匀覆冰的东西走向导线尤其容易发生线路舞动。舞动是线路的低频大幅度振动,振幅最高可达十几米,轻则导致线路跳闸,重则倒塔断线,严重威胁大电网安全稳定运行。如2009年中国中东部地区电网大面积舞动,造成倒塔数百基,影响近千万用户用电。
覆冰与大风是电网大范围舞动的关键因素,而二者的形成都是基于特定的天气形势。如2019年2月份湖北、安徽等地区线路舞动时,500hPa位势高度场上为“两槽一脊”形势,乌拉尔上附近有阻塞高压,北方冷空气自华东地区南下,而此时南方暖湿气流北上,在华中地区形成准静止锋。随着气候变化加剧,极端气候事件频发,电网舞动发生频率增加,成为威胁电网安全的重要灾害。
对电网舞动进行长期预测,有助于提前布置防止舞动及消除舞动的装备,将舞动灾害降到最小。但目前国内外尚无舞动长期预测的方法或论文。动力降尺度方法已经被证明可以在区域长期预测上取得良好效果。所谓的动力降尺度是将全球气候模式与高分辨率区域气候模式进行嵌套,从而利用区域模式更高的分辨率和更细致的物理过程参数化方案,来改进区域气候尤其是复杂下垫面区域气候的模拟性能。
因此有必要发明一种基于气候动力降尺度的电网舞动长期预测方法及***。
发明内容
本发明提供了一种基于气候动力降尺度的电网舞动长期预测方法及***,用以解决目前无法对电网舞动进行长期预测的技术问题。
为解决上述技术问题,本发明提出的技术方案为:
一种基于气候动力降尺度的电网舞动长期预测方法,包括以下步骤:
选择全球气候模式,对未来N个月的月平均气象场进行预测,输出气象数据;
选择区域气候模式,将待预测区域划分为网格,以预测开始时刻的气象数据的气象场为初始场,进行积分,积分时长为N个月;
区域气候模式将积分后的气象要素进行逐日输出,并判断网格的逐日输出的气象要素是否满足舞动日模型,将满足舞动日模型的日期判定为该网格的舞动日;
统计待预测时间N个月内,得到每个网格上舞动日总数,在待预测区域上画出等值线图。
优选地,以预测开始时刻的气象数据的气象场为初始场,包括:初始场、侧边界场和下垫面场。
优选地,气象数据包括:海表面温度、土壤温度、1000hPa及以上层逐层的位势高度场、温度场、风场以及比湿场。
优选地,舞动日模型,包括网格的气象要素满足如下条件:
1)出现覆冰,且覆冰厚度小于15mm;
2)主导风向为偏北风;
3)平均风>=5m/s,最大风速>=7m/s。
优选地,每月定期使用全球气候模式预测输出的气象数据更新,区域气候模式的初始场,初始场包括侧边界场和下垫面场。
本发明还提供一种计算机***,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现上述任一方法的步骤。
本发明具有以下有益效果:
本发明的基于气候动力降尺度的电网舞动长期预测方法及***,计算流程简便,能够基于气候动力降尺度进行电网舞动长期预测;通用性好,能够适用于不同地区的电网舞动长期预测的计算;采用本发明的计算结果,能够帮助输电线路运维检修人员开展舞动预防与治理工作,保障电网安全稳定运行。
除了上面所描述的目的、特征和优点之外,本发明还有其它的目的、特征和优点。下面将参照附图,对本发明作进一步详细的说明。
附图说明
构成本申请的一部分的附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是本发明优选实施例的基于气候动力降尺度的电网舞动长期预测方法的流程示意图。
具体实施方式
以下结合附图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。
参见图1,本发明的基于气候动力降尺度的电网舞动长期预测方法,包括以下步骤:
S1、选择全球气候模式,对未来N个月的月平均气象场进行预测,输出气象数据;
S2、选择区域气候模式,将待预测区域划分为网格,以预测开始时刻的气象数据的气象场为初始场,进行积分,积分时长为N个月;
S3、区域气候模式将积分后的气象要素(***网格)进行逐日输出,并判断网格的逐日输出的气象要素是否满足舞动日模型,将满足舞动日模型的日期判定为该网格的舞动日;
S4、统计待预测时间N个月内,得到每个网格上舞动日总数,在待预测区域上画出等值线图。
通过上述步骤,能够基于气候动力降尺度进行电网舞动长期预测。
实际实施时,以上的方法还能进行以下的扩充或应用,以下实施例中的技术特征都能相互组合,实施例仅作为示例,不作为对技术特征的正常组合限制。
实施例1:
本实施例的基于气候动力降尺度的电网舞动长期预测方法,包括以下步骤:
S1、选择全球气候模式,对未来N个月的月平均气象场进行预测,输出气象数据。该模式输出的气象数据满足如下条件:可以为下一步骤的区域气候模式提供侧边界场和下垫面场,如:侧边界场和下垫面场的气象要素包括海表面温度、土壤温度、1000hPa及以上层逐层的位势高度场、温度场、风场以及比湿场。
由于全球气候模式一般分辨率较低,因此需要通过更精细的区域气候模式进行降尺度预测。
S2、选择区域气候模式(气象模式),将待预测区域划分为网格,以预测开始时刻的气象数据的气象场为初始场,进行积分,积分时长为N个月。为了保证动力降尺度的一致性,优选每月定期使用全球气候模式预测的气象数据更新区域气候模式的初始场,即侧边界场和下垫面场。
同时,为了保持侧边界的平滑,可以在待预测区域外划出一部分网格作为缓冲区。根据经验,一般留4~9个网格作为嵌套缓冲区松弛区域,以便保证二者(原待预测区域以及加入缓冲区后的待预测区域)在边界上差异不大。
S3、区域气候模式进行逐日输出,并判断网格的逐日输出的气象要素是否满足舞动日模型,将满足舞动日模型的日期判定为该网格的舞动日。
优选采用以下舞动日模型判断网格的舞动日,即网格的气象要素满足如下条件:
1)出现覆冰,且覆冰厚度小于15mm;
2)主导风向为偏北风;
3)平均风>=5m/s,最大风速>=7m/s。
S4、统计待预测时间N个月内,得到每个网格上舞动日总数,在待预测区域上画出等值线图。据此不仅可以看出未来N个月内舞动高发地区,还可以定量得到舞动日数据。
实施例2:
本发明还提供一种计算机***,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现上述任一方法的步骤。
实际预测中,由于全球气候模式无法精细化预测,而适合开展精细化预测的气象模式(区域气候模式)由于误差累积又无法长期积分,本发明结合两者优点进行舞动长期预测,具有以下优势:
一方面,由全球气候模式提供侧边界场和下垫面,保证了气象模式的强迫项定期更新;
另一方面,气象模式可以在更高的时空分辨率上对待预测区域进行模拟。通过定义舞动日,画出等值线图,得到待预测区域长期的舞动时空分布,有利指导电网舞动防治工作开展。
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 (6)
1.一种基于气候动力降尺度的电网舞动长期预测方法,其特征在于,包括以下步骤:
选择全球气候模式,对未来N个月的月平均气象场进行预测,输出气象数据;
选择区域气候模式,将待预测区域划分为网格,以预测开始时刻的气象数据的气象场为初始场,进行积分,积分时长为N个月;
区域气候模式将积分后的气象要素进行逐日输出,并判断网格的逐日输出的气象要素是否满足舞动日模型,将满足舞动日模型的日期判定为该网格的舞动日;
统计待预测时间N个月内,得到每个网格上舞动日总数,在待预测区域上画出等值线图。
2.根据权利要求1所述的基于气候动力降尺度的电网舞动长期预测方法,其特征在于,以预测开始时刻的气象数据的气象场为初始场,包括:侧边界场和下垫面场。
3.根据权利要求2所述的基于气候动力降尺度的电网舞动长期预测方法,其特征在于,所述气象数据包括:海表面温度、土壤温度、1000hPa及以上层逐层的位势高度场、温度场、风场以及比湿场。
4.根据权利要求1所述的基于气候动力降尺度的电网舞动长期预测方法,其特征在于,所述舞动日模型,包括网格的气象要素满足如下条件:
1)出现覆冰,且覆冰厚度小于15mm;
2)主导风向为偏北风;
3)平均风>=5m/s,最大风速>=7m/s。
5.根据权利要求1至4中任一项所述的基于气候动力降尺度的电网舞动长期预测方法,其特征在于,每月定期使用全球气候模式预测输出的气象数据更新,区域气候模式的初始场,所述初始场包括侧边界场和下垫面场。
6.一种计算机***,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现上述权利要求1至5任一所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911255182.6A CN110956333A (zh) | 2019-12-09 | 2019-12-09 | 基于气候动力降尺度的电网舞动长期预测方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911255182.6A CN110956333A (zh) | 2019-12-09 | 2019-12-09 | 基于气候动力降尺度的电网舞动长期预测方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110956333A true CN110956333A (zh) | 2020-04-03 |
Family
ID=69980543
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911255182.6A Pending CN110956333A (zh) | 2019-12-09 | 2019-12-09 | 基于气候动力降尺度的电网舞动长期预测方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110956333A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113536568A (zh) * | 2021-07-15 | 2021-10-22 | 国网湖南省电力有限公司 | 基于南北方输电线路舞动关键影响因素敏感性分析的舞动预测方法及*** |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105512766A (zh) * | 2015-12-11 | 2016-04-20 | 中能电力科技开发有限公司 | 一种风电场功率预测方法 |
CN109447315A (zh) * | 2018-09-18 | 2019-03-08 | 中国电力科学研究院有限公司 | 一种基于多时空尺度的电力气象数值天气预报方法和装置 |
CN110275224A (zh) * | 2019-05-24 | 2019-09-24 | 兰州大学 | 精细化近地层气象要素预报***及其预报方法 |
-
2019
- 2019-12-09 CN CN201911255182.6A patent/CN110956333A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105512766A (zh) * | 2015-12-11 | 2016-04-20 | 中能电力科技开发有限公司 | 一种风电场功率预测方法 |
CN109447315A (zh) * | 2018-09-18 | 2019-03-08 | 中国电力科学研究院有限公司 | 一种基于多时空尺度的电力气象数值天气预报方法和装置 |
CN110275224A (zh) * | 2019-05-24 | 2019-09-24 | 兰州大学 | 精细化近地层气象要素预报***及其预报方法 |
Non-Patent Citations (3)
Title |
---|
徐忠峰等: "区域气候动力降尺度方法研究综述" * |
李帅等: "基于数值天气预报结果的输电线路舞动预测" * |
陈浩等: "基于数值模式的月尺度近地层气象要素预报技术研究" * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113536568A (zh) * | 2021-07-15 | 2021-10-22 | 国网湖南省电力有限公司 | 基于南北方输电线路舞动关键影响因素敏感性分析的舞动预测方法及*** |
CN113536568B (zh) * | 2021-07-15 | 2022-06-24 | 国网湖南省电力有限公司 | 基于输电线路舞动关键影响因素的舞动预测方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ding et al. | Research on short-term and ultra-short-term cooling load prediction models for office buildings | |
CN103971169B (zh) | 一种基于云量模拟的光伏超短期发电功率的预测方法 | |
CN110598290B (zh) | 考虑气候变化的流域未来水电发电能力预测方法和*** | |
WO2022036778A1 (zh) | 一种输配协同负荷恢复优化控制方法及*** | |
Yoder et al. | Short‐term forecasting of categorical changes in wind power with Markov chain models | |
CN104881582A (zh) | 空气质量的预测方法和装置 | |
Ayik et al. | Preliminary wind resource assessment in South Sudan using reanalysis data and statistical methods | |
CN109933901B (zh) | 一种生态***服务价值最优化的mcr城市扩张模拟方法 | |
Lu et al. | A vector-based cellular automata model for simulating urban land use change | |
CN107300853A (zh) | 一种分区计算空间相关性的脉动风速时程输入方法 | |
Liang et al. | Estimation of the influences of spatiotemporal variations in air density on wind energy assessment in China based on deep neural network | |
Hou et al. | Simulating runoff generation and its spatial correlation with environmental factors in Sancha River Basin: The southern source of the Wujiang River | |
CN110619433B (zh) | 电网暴雨数值模式参数化方案的快速选择方法及*** | |
CN110956333A (zh) | 基于气候动力降尺度的电网舞动长期预测方法及*** | |
Han et al. | Research on the influence of courtyard space layout on building microclimate and its optimal design | |
CN109583095B (zh) | 基于混合统计动力模型的西北太平洋台风延伸期预报方法 | |
Wu et al. | A coupled turbine-interaction wind farm parameterization in the Weather Research and Forecasting model | |
CN111123409A (zh) | 一种基于中尺度数值模式wrf的大气湍流结构常数预报方法 | |
Berndt | On the predictability of exceptional error events in wind power forecasting—an ultra large ensemble approach— | |
CN106295193A (zh) | 一种基于压缩感知的河流月径流量预测方法 | |
Yao et al. | Evaluation of the effects of underlying surface change on catchment hydrological response using the HEC-HMS model | |
Gharib et al. | Calculation of the spatial flooding intensity with unit flood response method in the Tangrah Watershed, Iran | |
CN116432934B (zh) | 一种面向道路行洪防控的路网格局优选方法 | |
Li et al. | Scenario simulation of Land Use/Cover Change in Fuxian Lake basin based on Conversion of Land Use and its effects at Small Region Extent model, Yunnan province, China. | |
Wang et al. | Next-Generation Rainfall IDF Curves for the Virginian Drainage Area of Chesapeake Bay |
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 |