雷电预测的方法和装置的制造方法
【技术领域】
[0001] 本发明涉及雷电预测的领域，具体涉及一种雷电预测的方法和装置。
【背景技术】
[000引随着电网电压的提高(例如，在中国为100KV)，电网安全对于社会安全起着越来越 重要的作用。极端天气的出现会影响电网和传输线路的安全，甚至会带来灾难。与雷电相 关的电网设备故障不仅会带来经济上的巨大损失，而且会危及人的生命。因此，存在对雷电 预测技术的极大需求。
[0003] 目前存在如下几种雷电预测方法：
[0004] 一种是统计方法。该方法是使用历史气象数据和空气放电（SparkDischargeof theAir,SDA)数据来建立和训练线性模型，然后基于该模型并使用来自气象组织的预测变 量来进行预测。该种技术的缺点是不够精确，无法预测SDA的强度，且线性模型无法很好地 进行预测。
[0005] 另一种方法是使用雷达并根据经验来预测SDA。该方法例如假设在-15C下大于 35db的雷达反射率（radarreflectivity)具有产生SDA的很大概率。该方法实际上只能 表明当前天气条件下产生SDA的概率，而无法预测未来一段时间产生SDA的概率。
[0006] 再一种方法是天气模型。该方法使用高分辨率的天气模型来预测SDA载体目标天 气区域（TargetedWeatherofSDACarrier,TWLC),然后基于对流参数来计算SDA指数。 该种方法的缺点是使用天气模型来预测TWLC时存在很大的误差。
[0007] 显然，本领域中需要一种更有效的雷电预测方法。
【发明内容】
[0008] 在本发明的一个方面，提供了一种雷电预测方法，包括：基于所检测的雷达反射率 数据识别空气放电载体目标天气区域（TWLC);由所识别的TWLC预测未来的TWLC状态；基 于空气放电（SDA)观测数据及检测的TWLC状态相关数据建立或更新SDA模型；W及根据所 述SDA模型计算所述预测的未来的TWLC中产生SDA的概率。
[0009] 在本发明的另一个方面，提供了一种雷电预测装置，包括；TWLC识别模块，被配置 为基于所检测的雷达反射率数据识别空气放电载体目标天气区域（TWLC) ;TWLC预测模块， 被配置为由所识别的TWLC预测未来的TWLC状态；SDA模型建立模块，被配置为基于空气放 电（SDA)观测数据及检测的TWLC状态相关数据建立或更新SDA模型；W及SDA预测模块， 被配置为根据所述SDA模型计算所述预测的未来的TWLC中产生SDA的概率。
[0010] 本发明的技术方案可W较好地实现短期(例如，约30分钟到约1小时）的SDA预 巧1|，从而有效地预防雷电造成的电网设备故障。
【附图说明】
[0011] 图1示意性地示出了根据本发明的实施例的雷电预测方法的流程；
[0012] 图2示出了根据本发明的实施例步骤2可包括的子步骤；
[0013] 图3示出了根据本发明的实施例的雷电预测装置；
[0014] 图4示出了适于用来实现本发明实施方式的示例性计算机系统/服务器12的框 图。
【具体实施方式】
[0015] 在附图中显示了本公开的一些优选实施方式，下面将参照附图更详细地描述该些 优选实施方式。然而，可各种形式实现本公开，其不应被该里阐述的实施方式所限制。 相反，提供该些实施方式是为了使本公开更加透彻和完整，并且能够将本公开的范围完整 地传达给本领域的技术人员。
[0016] 现参照图1，其示意性地示出了根据本发明的实施例的雷电预测方法的流程。如 图所示，该方法包括如下四个步骤：步骤1、根据雷达数据识别TWLC;步骤2、由识别的TWLC 预测未来的TWLC;步骤3、建立或更新SDA模型；步骤4、根据SDA模型计算所预测的未来的 TWLC中产生SDA的概率。下面，分别详述该四个步骤。
[0017] 步骤1、基于所检测的雷达反射率数据识别TWLC。TWLC是指易产生雷电的特定天 气类型的区域，即雷暴天气类型的区域。在本发明中，根据雷达反射率数据来识别TWLC。 如本领域的技术人员所知的，雷达反射率是指诸如雨滴等远端物体反射雷达无线电波的强 度。根据本发明的实施例，所述雷达反射率数据由地Z表示。如本领域的技术人员所知的， 地Z代表相对于反射率的分贝值，它是从远端物体（W每立方米中中的立方毫米为单位）反 射回来的雷达信号相对于从直径一毫米的雨滴(每立方米中的1立方毫米)反射回来的雷达 信号的等价反射率（Z)的对数无量纲单位。地Z正比于单位体积中的雨滴数量和雨滴直径 的六次方，因此可用于估计雨或雪的强度。根据本发明的实施例，使用双标准来识别TWLC。 第一个标准可被设置为35地Z，第二个标准可被设置为45地Z。首先，根据雷达探测结果提 取每个高度层上大于约35地Z的反射率，从而发现由反射率大于约35地Z的点构成的区域。 其次，发现由反射率大于约45地Z的点构成的区域(该区域应当位于由反射率约35地Z的点 构成的区域之内）。最后，由反射率大于约45地Z的点构成的区域向着由反射率大于约35化 的点构成的区别进行扩展，直到反射率为约35地Z时停止扩展。该样，就得到了扩展后的由 反射率大于约45地Z的点构成的区域。该样的区域被识别为不同的TWLC单体，其对应于天 气系统的不同的天气子系统。当然，如本领域的技术人员可知的，该步骤中的所述35地Z和 45地Z仅为经验值，在该些值附近的其他值也用于识别TWLC。
[0018] 步骤2、由识别的TWLC预测未来的TWLC状态，也就是说，针对步骤1中获得不同 的TWLC单体，预测该TWLC单体在未来某个时刻(例如约30分钟到约1小时之后）的状态， 即该TWLC单体中的每个点的地Z强度（即地Z值）在该未来时刻的位置及地Z强度。
[0019] 现参照图2,其示出了根据本发明的实施例步骤2可包括的子步骤。
[0020] 如图2所示，子步骤1)，从雷达检测数据获得在先前时刻（tl)和当前时刻（t2)、识 别的TWLC中的地Z分布，即识别的TWLC中的各点在先前时刻（11)和当前时刻（t2 )的地Z 值，可表示为地Z(X，y，tl)，地Z(X，y，t2)，其中X和y分别表示水平面上的横坐标和纵坐标。 所述先前时刻例如可W是当前时刻的前一砂钟。
[0021] 子步骤2)，由先前时刻（tl)和当前时刻（t2)的地Z分布获得地Z分布的偏导数 分量，即；
[0022]
[0023] 子步骤3)，使用基于梯度的光流算法预测地Z分布的未来的移动速度和方向。
[0024] 本发明的技术方案使用当前TWLC中各个点的地Z值来预测未来一段时间的TWLC 中的各个点的地Z值，其假设当前TWLC中的各个点的地Z值随着时间相对稳定地移动到另 一个位置，并且其地Z值也可能相对稳定地变化(可将该种随着时间而移动位置和变化的 地Z值称为地Z点)，从而使得当前TWLC转变为未来的TWLC，该未来的TWLC不仅其位置和形 状相对于当前的TWLC可能变化，而且其包含的各点的地Z值也可能变化。因此，在该步骤 中，具体地，首先计算TWLC中的各地Z点的当前移动速度分量，其可表示为u(x,y)，v(x,y)， 其中u为水平面中横轴上的速度分量，V为水平面中纵轴上的速度分量。可W通过观测TWLC 在当前时刻相对于先前时刻的整体位移来计算TWLC中的各地Z的当前移动速度及其分量。
[0025] 其次，使用基于梯度的光流算法中的如下公式预测TWLC中的各地Z点在下一时刻 的移动速度分量：
[002引其中，E,、Ey、Et为梯度，即子步骤2)