[发明专利]基于深度学习预测模型的电网雷电灾害预测方法及系统

说明书

本发明提供一种基于深度学习预测模型的电网雷电灾害预测方法及系统，方法包括:获取监测区域的历史雷电观测资料，将开展标准化网格内电网周边的数值天气预报，并统计数值天气预报中的气象物理量；通过相关性分析获取与雷电相关性高的相关物理量，对相关物理量的物理量阈值做0、1化处理；利用超过一年时间的历史雷电观测资料建立雷电潜势预报的回归方程；对预报参数进行滤波，并且采用观测值进行滚动的回归方法，同时对预报指数进行界限值约束后，得到预报模型。本实施例通过研判关键物理量，进而求总结雷电发生与关键物理量的对应关系，能保证在闪电密集时段准确地对标准化网格内电网周边进行电网雷电灾害预测，且可操作性强，更具有实用性。

技术领域

本发明属于电网技术领域，尤其涉及一种基于深度学习预测模型的电网雷电灾害预测方法及系统。

背景技术

雷电因其强大的电流、炙热的高温、强烈的电磁辐射以及猛烈的高压冲击波等物理效应能够在瞬间产生巨大的破坏作用，造成雷电灾害。雷电一直是电网中最为频发的自然灾害之一，雷电一般会引起线路闪络跳闸，也可能引起例如绝缘子脱落以及导线断线等永久性故障。雷电活动主要集中于春、夏季，并随着年份变化呈现一定的周期性特征。在各地区中，华南地区受雷电影响最为严重，特别是超高压重要输电通道影响极大，因此雷电对电网设施的影响需要高度重视。

国内外雷电潜势预报的常用方法是筛选出与雷暴发生相关性较高的大气不稳定参数作为预报因子，在此基础上构建雷电发生的概率预报方程，并区分强雷暴与弱雷暴。国内外关于雷电潜势预报的方法已经做了大量的研究，大多使用了多元线性回归法、线性/非线性拟合方程、判别分析法、指标叠加法等数学统计方法来制作雷暴潜势预报建立预报的回归方程。因为不同的地理位置、气象条件、海拔高度都可能引起雷暴特征的差异，因此，对于不同地区建立适合本地区的区域性雷电潜势预报方程是仍值得进行的基础性研究。随着我国电力建设规模进一步加大，输电线路因雷击造成的跳闸事故频发。气象部门现阶段所提供的雷电潜势预报在时空分辨率和准确率上都不能满足输电通道雷害防治需求，需要构建精细化的输电线路气象风险分析和雷电预警系统。

雷电潜势预报是雷电灾害预警预报的重要基础，预报效率较高的潜势预报系统，能帮助业务人员提前确定雷电警戒区域，从而将主要精力放在监视和关注重点区域内的气象要素变化。因而迫切需要一种效率性更快的电网雷电灾害预测方法，支撑电网雷电灾害预估水平，提高电网应对雷电灾害的能力和安全稳定运行水平。

发明内容

本发明的主要目的是提出一种基于深度学习预测模型的电网雷电灾害预测方法，旨在解决现有技术中的雷电潜势预报在时空分辨率和准确率上都不能满足输电通道雷害防治需求的技术问题。

为了实现上述目的，本发明提供一种基于深度学习预测模型的电网雷电灾害预测方法，其中，所述方法包括:

步骤S1，获取监测区域的历史雷电观测资料，将所述监测区域网格划分为标准化网格，通过双线性插值方法将所述历史雷电观测资料插值至所述标准化网格；

步骤S2，开展所述标准化网格内电网周边的数值天气预报，并统计所述数值天气预报中的气象物理量；

步骤S3，通过相关性分析获取与雷电相关性高的相关物理量，对所述相关物理量的物理量阈值做0、1化处理；

步骤S4，利用超过一年时间的所述历史雷电观测资料建立雷电潜势预报的回归方程；

步骤S5，对预报参数进行滤波，并且采用观测值进行滚动的回归方法，同时对预报指数进行界限值约束后，得到预报模型；

步骤S6，基于当前雷电观测资料和所述预报模型预测电网雷电灾害。

在本发明实施例中，通过相关性公式获取与雷电相关性高的相关物理量：