CN112114384A - 一种输电线覆冰发生概率预报方法 - Google Patents

Abstract

本发明公开了一种输电线覆冰发生概率预报方法，该方法包括：获取大气空间三维多变量与时间连续的格点资料，并采用T‑mode主成分分析法进行分析，按照区域格点数据的对流层中下层的环流场进行天气分类；结合某段时间冬季需预报地区每天不同类型的大气环流进行合成分析，得出天气环流形势分型的概念模型；能客观预测覆冰发生概率，不依赖业务人员主观意识，提高覆冰发生的预报准确率，便于在科学研究和业务应用中认识覆冰发生的天气学特征，为输电线覆冰发生预报提供科技支撑。

Description

一种输电线覆冰发生概率预报方法

技术领域

本发明涉及天气预报技术，具体涉及一种输电线覆冰发生概率预报方法。

背景技术

覆冰一直是南方地区输电线路的严重气象灾害，直接威胁着输电线路的运维。覆冰过程不仅受到天气形势(北方寒潮和南方水汽)和海拔高度的控制，而且受到局地气象要素等多种因素的影响。

2008年1月10日至2月2日我国南方地区出现了持续性大范围低温雨雪冰冻灾害天气过程，许多学者对此次过程进行了成因分析，比如研究发现大气环流异常发现乌拉尔山高压脊发展强烈，脊前的偏北引导气流将冷空气向南输送，槽前西南气流向北输送水汽，冷空气和暖湿气流交汇为冰冻雨雪天气发生提供了条件。又如大气环流异常、水汽输送以及逆温层等三个方面分析了此次低温、降雪和冰冻灾害的原因。针对1980年以来8次持续性低温雨雪冰冻事件进行环流分型特征分析，认为我国南方持续性低温雨雪冰冻事件的大尺度环流特征主要为单阻型和双阻型。对这些多为个例的主观天气形势分析，没有***性的客观方法进行总结，对输电线覆冰预报缺乏代表性和指导性。

发明内容

本发明的目的在于克服上述现有技术的不足，提供一种输电线覆冰发生概率预报方法，以客观方法预测覆冰发生概率，不依赖业务人员主观意识，提高覆冰发生的预报准确率。

为实现上述目的，本发明的技术方案是：

一种输电线覆冰发生概率预报方法，包括：

获取大气空间三维多变量与时间连续的格点资料，并采用T-mode主成分分析法进行分析，按照区域格点数据的对流层中下层的环流场进行天气分类；

结合某段时间冬季需预报地区每天不同类型的大气环流进行合成分析，得出天气环流形势分型的概念模型；

根据拉力估算的覆冰和实际加密观测覆冰以及气象要素资料来建立需预报地区输电线覆冰及发生的局地气象条件历史资料库，并结合上述所得出的天气环流形势分型的概念模型，统计出不同天气环流形势分型下的覆冰厚度和发生概率以及气象要素特征；

计算不同天气环流形势的概念模型下各项大气环流指数与覆冰发生初始厚度以及最大覆冰厚度的超前、同期和滞后相关系数，得出前期和同期天气型及气象环流指标与需预报地区输电线覆冰事件之间的因果关系，建立客观的覆冰发生概率和落区的天气型概念模型，以及覆冰厚度的回归预报方程；

利用大气空间三维多变量与时间连续的格点资料所给出的未来72小时天气形势场，根据天气型概念模型来预报覆冰发生概率和落区；

根据未来72小时天气形势场计算环流指标以及局地气象要素，输入覆冰厚度的回归预报方程，进行未来72小时的输电线覆冰厚度预报。

进一步地，所述结合某段时间冬季需预报地区每天不同类型的大气环流进行合成分析，得出天气环流形势分型的概念模型包括：

通过采用T-mode主成分分析法计算近10年冬季东亚地区对流层至平流层大气逐日三维空间格点中的850hPa高度场进行客观天气分型；

然后对不同类型的近地面温度、湿度、风、水汽输送通量气象因子进行合成，并计算东亚大槽强度、西伯利亚高压指数、西太副高强度指数、西太副高面积指数以及副高西脊点位置大气环流指标，得出天气环流形势分型的概念模型。

进一步地，所述大气空间三维多变量与时间连续的格点资料为基于欧洲预报中心的数值模式输出的大气空间三维多变量与时间连续的预报网格资料。

进一步地，所述气象要素资料包括：

覆冰的位置信息，包括经纬度信息，海拔信息；

覆冰表征参数，包括覆冰厚度，覆冰发生时间，覆冰持续时间；

局地气象要素包括温度，降水，风速，湿度和气压。

进一步地，所述按照区域格点数据的对流层中下层的环流场进行天气分类的方法包括：

采用T-PCA方法对850hPa位势高度场进行分类,其分类数量由解释聚类方差ECV进行评估确定，ECV的计算公式如下：

其中，WS是天气型的平方和，TS是总平方和：

k是天气型数量，Cj是k类中的分类j，

是元素其到质心的欧氏距离平方：

l是时间步长(l＝1,2,…,m)，Y_il代表各数据点，

天气类型j的估计均值，

为估计总平均值；

天气分类的数量最终由ECV的增量ΔECV决定：

ΔECV＝ECV_k-ECV_k-1

当ΔECV达到最大值时，决定天气类型的数量k,表明分类性能大幅提高,趋向于稳定

本发明与现有技术相比，其有益效果在于：

本发明提供的输电线覆冰发生概率预报方法能客观预测覆冰发生概率，不依赖业务人员主观意识，提高覆冰发生的预报准确率，便于在科学研究和业务应用中认识覆冰发生的天气学特征，为输电线覆冰发生预报提供科技支撑。

附图说明

图1为一种基于客观天气分型的中国南方输电线覆冰发生概率预报方法的流程图

图2为本发明以南方电网桂山地区研究为例，确定2014-2018年冬天的ΔECV和ECV随天气类型数量的变化

图3为客观确定的四类天气类型的时间序列变化

图4为四类客观天气分型合成的850hPa位势高度场和风场的环流配置

图5为四类客观天气分型合成的500hPa位势高度场和风场的环流配置

图6为2018年1月25日-2月1日间不同输电线塔杆的覆冰厚度资料

图7为2018年1月25日-2月1日间不同输电线塔杆的代表气象要素(气温)资料示意

图8为四类天气型下的覆冰厚度箱线图

图9为四类天气型下塔杆的覆冰率和平均最大覆冰厚度

具体实施方式

实施例：

下面结合附图和实施例对本发明的技术方案做进一步的说明。

参阅图1所示，本实施例提供的一种输电线覆冰发生概率预报方法，该方法具体包括如下步骤：

步骤A:利用最新一代再分析资料ERA5大气空间三维多变量与时间连续的格点资料，通过T-mode主成分分析法(T-PCA)，按照区域格点数据的对流层中下层的环流场进行天气分类。本实施例用2014-2018年期间的冬季(12月至次年1月，2月)东亚地区对流层至平流层大气逐日三维空间格点中的850hPa位势高度场进行分类,其分类数量由解释聚类方差(ECV)和ΔECV进行评估确定,如图2所示，基于850hPa位势高度场客观分型的评估结果，可以看到当k＝4时，ΔECV达到最大值0.059，说明2014-2019年冬季的天气类型分为4类时，分类结果较为稳定。因此可以给出研究时段范围内每天的天气类型识别代码，如图3所示。这些客观识别的天气型将用于后面环节和电线覆冰发生情况进行匹配。

步骤B:对每天不同类型的大气环流进行合成分析，如图4为四类客观天气分型合成的850hPa位势高度场和风场的环流配置；图5为四类客观天气分型合成的500hPa位势高度场和风场的环流配置。类似地，还可以进行温度、降水和湿度等其他要素进行合成。由图4和图5，可以南方电网的桂山段为目标区作为研究对象，在Type1下位于500hPa高空槽后，而在850hPa弱高压顶部，为反气旋环流控制；Type2处于500hPa冷涡底部，其850hPa前部有冷切变，桂山上空存在一定的南北风切变；Type3处于500hPa冷涡后部，而在850hPa气旋后部，以偏北风为主；Type4处于500hPa高压脊前部，850hPa高压底部，盛行反气旋性环流。Type4下500hPa东亚为倒Ω流型，阻塞高压稳定维持，持续稳定的西高东低气压配置，会诱发西伯利亚冷空气南下，海洋上的暖湿气流源源不断地向我国南方地区输送，与南下的冷空气汇合，便会造成冰冻雨雪天气，一些高海拔地区的特高压输电线较易形成覆冰。可见，可清楚地总结出天气环流形势分型的概念模型。

步骤C:用南方电网的拉力估算的覆冰和实际加密观测覆冰以及气象要素资料建立了中国南方电网输电线覆冰及发生的局地气象条件历史资料库；图6和图7为2018年1月25日-2月1日间不同输电线塔杆的覆冰厚度资料和代表气象要素(气温)资料作为举例示意。结合前面的天气环流形势分型的概念模型，可以统计出不同天气环流形势分型的概念模型下的覆冰厚度和发生概率以及气象要素特征等.如图8为四类天气型下的覆冰厚度箱线图，图9为四类天气型下塔杆的覆冰率和平均最大覆冰厚度。可以看出Type4的覆冰率最高，平均达到了25.08％，其平均覆冰厚度达5.29mm，该天气型下，地理位置几乎一直的桂甲118和桂乙113的覆冰率高达50％，平均覆冰厚度为8.49-10.36mm。Type1的平均覆冰率最低为7.89％，但是其极端厚的覆冰比例极高，主要是暖湿气流强盛，水汽充足。Type2和Type3的平均覆冰率为11.93％和9.17％，其平均覆冰厚度为4.16mm和1.73mm。整体而言，桂甲118线#和桂乙113线#的覆冰情况较其他塔杆严重，覆冰率高，覆冰厚度也较大，相同天气型下覆冰出现率及厚度的差异，可能取决于微地形的作用。

步骤D:基于上述步骤的分析，建立前期和同期天气型及气象指标与中国南方输电线覆冰事件之间的联系，即计算各项大气环流指数与覆冰发生初始厚度以及最大覆冰厚度的超前、同期和滞后相关系数。给出覆冰发生概率和落区的天气环流概念模型与前期、同期各项大气环流指数大小的对应关系。前期和同期的局地气象要素、海拔高度以及各项大气环流指数作为自变量，以覆冰厚度作为因变量，利用逐步多元线性回归方法进行因变量和自变量的建模，得到覆冰厚度的回归预报模型。所述气象环流指标主要包括各项环流强度指数如下：西伯利亚高压强度指数为40°-65°N，80°-120°E的平均海平面气压标准化后的值；东亚大槽强度指数为25°-45°N，110°-145°E的500hPa高度场标准化的值；由于覆冰期间西太平洋副高较为偏西，故西太平洋副高范围选为10°N以北，90°-160°E，其面积指数为该范围内500hPa位势高度>588gpm的网格点数，强度指数为位势高度>588gpm的网格与587gpm的差值累积，西脊点为588等值线最西位置的经度，850hPa西太平洋副高指数为10°-30°N，110°-150°E的850hPa位势高度的平均距平值。

步骤E:最后利用欧洲预报中心(ECWMF)的数值模式(高分辨率天气预报与同化数值模式)输出的未来72小时气象预报场，和历史总结的不同大气环流分型下的覆冰发生概率和落区的概念模型进行比对，得出覆冰发生概率预报结果；同时计算未来72小时的气象环流指标和局地气象要素以及海拔高度输入回归预报方程，得出覆冰厚度的预报结果。

综上，本方法采用的T-mode主成分分析法(T-PCA)是基于计算机的一种客观数学方法，能按照区域格点数据的对流层中下层的环流场进行天气分类，具有较好的空间和时间稳定性，能客观预测覆冰发生概率，不依赖业务人员主观意识，提高覆冰发生的预报准确率，便于在科学研究和业务应用中认识覆冰发生的天气学特征，为输电线覆冰发生预报提供科技支撑。

上述实施例只是为了说明本发明的技术构思及特点，其目的是在于让本领域内的普通技术人员能够了解本发明的内容并据以实施，并不能以此限制本发明的保护范围。凡是根据本发明内容的实质所做出的等效的变化或修饰，都应涵盖在本发明的保护范围内。

Claims (5)

1.一种输电线覆冰发生概率预报方法，其特征在于，包括：

获取大气空间三维多变量与时间连续的格点资料，并采用T-mode主成分分析法进行分析，按照区域格点数据的对流层中下层的环流场进行天气分类；

结合某段时间冬季需预报地区每天不同类型的大气环流进行合成分析，得出天气环流形势分型的概念模型；

根据拉力估算的覆冰和实际加密观测覆冰以及气象要素资料来建立需预报地区输电线覆冰及发生的局地气象条件历史资料库，并结合上述所得出的天气环流形势分型的概念模型，统计出不同天气环流形势分型下的覆冰厚度和发生概率以及气象要素特征；

计算不同天气环流形势的概念模型下大气环流指数与覆冰发生初始厚度以及最大覆冰厚度的超前、同期和滞后相关系数，得出前期和同期天气型及气象环流指标与需预报地区输电线覆冰事件之间的相关关系，建立客观的覆冰发生概率和落区的天气型概念模型，以及覆冰厚度的回归预报方程；

利用大气空间三维多变量与时间连续的格点资料所给出的未来72小时天气形势场，根据天气型概念模型来预报覆冰发生概率和落区；

根据未来72小时天气形势场计算环流指标以及局地气象要素，输入覆冰厚度的回归预报方程，进行未来72小时的输电线覆冰厚度预报。

2.如权利要求1所述的输电线覆冰发生概率预报方法，其特征在于，所述结合某段时间冬季需预报地区每天不同类型的大气环流进行合成分析，得出天气环流形势分型的概念模型包括：

通过采用T-mode主成分分析法计算近10年冬季东亚地区对流层至平流层大气逐日三维空间格点中的850hPa高度场进行客观天气分型；

然后对不同类型的近地面温度、湿度、风、水汽输送通量气象因子进行合成，并计算东亚大槽强度、西伯利亚高压指数、西太副高强度指数、西太副高面积指数以及副高西脊点位置大气环流指标，得出天气环流形势分型的概念模型。

3.如权利要求1或2所述的输电线覆冰发生概率预报方法，其特征在于，所述大气空间三维多变量与时间连续的格点资料为基于欧洲预报中心的数值模式输出的大气空间三维多变量与时间连续的预报网格资料。

4.如权利要求1或2所述的输电线覆冰发生概率预报方法，其特征在于，所述气象要素资料包括：

覆冰的位置信息，包括经纬度信息，海拔信息；

覆冰表征参数，包括覆冰厚度，覆冰发生时间，覆冰持续时间；

局地气象要素包括温度，降水，风速，湿度和气压。

5.如权利要求1或2所述的输电线覆冰发生概率预报方法，其特征在于，所述按照区域格点数据的对流层中下层的环流场进行天气分类的方法包括：

采用T-PCA方法对850hPa位势高度场进行分类，其分类数量由解释聚类方差ECV进行评估确定，ECV的计算公式如下：

其中，WS是天气型的平方和，TS是总平方和：

k是天气型数量，Cj是k类中的分类j，

是元素其到质心的欧氏距离平方：

l是时间步长，l＝1，2，…，m，Y_il代表各数据点，

天气类型j的估计均值，

为估计总平均值；

天气分类的数量最终由ECV的增量ΔECV决定：

ΔECV＝ECV_k-ECV_k-1

当ΔECV达到最大值时，决定天气类型的数量k，表明分类性能大幅提高，趋向于稳定。

Images