一种基于网格化气象数据在电网运行中的监测预警方法与流程

本发明涉及灾情监测预警技术领域，具体涉及一种基于网格化气象数据在电网运行中的监测预警方法。

背景技术：

随着电网气象数据的不断深入应用，对数据精准分析要求的不断提高，现有基于气象监测站的点状数据格式已不能满足日益提高的业务应用需求，电力系统的供电区域增大，气象因素对电力系统的影响，不是在面上，而是反映在点上，一般来说，预测地区的地理范围都比较大，预测区域内各子区域影响电网设备运行的主要因素如各地的温度，降雨情况等有很大的区别。

网格化服务作为一种创新的工作方式，按照网格管理的理念，将电网设备数据网格化和气象数据网格化以及电网gis平台进行统筹整合，同时运用电子地图和现代信息技术，在一定区域内科学划分网格。利用网格化服务提高气象数据的精确度，合理准确地估计各类气象实时数据变化趋势，对于基础天气预报及电网设备数据实时监测均有重要意义。

地面观测站数据具有较高的可信度，但就中国区域而言，观测站点在空间分布上存在明显的不连续，呈现东密西疏状态，对基于地面观测的格点数据质量有较大影响。

通过实施电网设备网格化数据与气象网格化数据的统筹整合，将电力设备、历史灾害、三跨线路、重要用户、防汛、森林火险、应急资源等各类数据与覆盖区域的高精度气象网格进行关联，结合气象部门发布的网格化监测预警气象数据，提高电网灾害区域的精准分析能力，提升公司各业务部门对综合监测预警数据应用能力。

本发明欲在网格化数据服务上寻求一种新思路，根据电网设备和气象预测数据对电网设施区域进行网格化，建立气象数据对网格化电网设备影响预测的准确度。

技术实现要素：

本发明的目的是通过以下技术方案实现的。

为了解决上述问题，本发明提供了一种基于网格化气象数据在电网运行中的监测预警方法，所述方法包括：

步骤1)：根据所述省份gis地图，形成矢量化网格，所述网格为以m*m为单位区域；

进一步地，所述m取值为1km、2km或5km。

步骤2)：针对所述省份，向系统录入该省份各电网设施基础数据f[f1,f2,…fn1]、实时获取的各电网设施各传感器所采集的气象数据d[d1,d2,…dn2]、各气象监测点的当前气象数据w[w1,w2,…wn2]和n小时预测气象数据w’[w1’,w2’,…wn2’]；根据各电网设施地理坐标、各气象监测点的地理坐标，将f[f1,f2,…fn1]、d[d1,d2,…dn2]、w[w1,w2,…wn2]、w’[w1’,w2’,…wn2’]关联至所述矢量化网格中；

进一步地，所述电网设施基础数据包括：名称、gis三维地图坐标、海拔、所属管辖区域、开工时间、竣工时间、设施类型、各类型设施三维空间数据、人员类型、人员数量、各气象类型的预设阈值。

进一步地，所述当前气象数据和n小时预测气象数据均包括：火灾、雨量、雪量、温度、风力、风速。

步骤3)：根据所述d[d1,d2,…dn2]，利用插值算法得出各气象观测点所在网格的各气象数据d’[d1’,d2’,…dn2’]；

进一步地，所述插值算法具体为反距离权重法，所述反距离权重法具体为：

其中，d‘为根据插值算法计算出的气象观测点所在网格的气象数据，di为各电网设施传感器所采集的气象数据，λi为权值。

步骤4)：计算d’[d1’,d2’,…dn2’]与w[w1,w2,…wn2]的差值，当一气象数据的差值超过预定阈值q1时，执行步骤5)，否则执行步骤6)；

步骤5)：对各电网设施的各传感器进行数据检查并调整；

进一步地，所述对各电网设施的各传感器进行数据检查并调整，具体包括：

获取各电网设施各传感器的m分钟以内的历史传感器数据，所述m分钟以内为以现在时刻起始，向前获取m分钟的数据；所述m取值为3或5；

比较所述历史传感器数据和当前传感器数据，判断是否发生数值跳变；

当发生数值跳变时，对存在跳变情况的传感器信息进行报警显示；

管理员负责对电网设施现场传感器进行检修。

进一步地，所述对各电网设施的各传感器进行数据检查并调整，还包括：

对各传感器的故障率进行排序；

对故障率频繁程度排名前k的传感器，以1h为时间间隔，根据上述对传感器进行数据检查并调整的方法进行传感器检查和调整；所述k取值为10或15；

对故障率频繁程度排名非前k的传感器，以5h为时间间隔，根据上述对传感器进行数据检查并调整的方法进行传感器检查和调整。

步骤6)：根据d’[d1’,d2’,…dn2’]对w[w1,w2,…wn2]进行调整，得出各气象监测点的气象数据调整系数c[c1,c2,…cn2]；

进一步地，所述根据d’[d1’,d2’,…dn2’]对w[w1,w2,…wn2]进行调整，得出各气象监测点的气象数据调整系数c[c1,c2,…cn2]，具体为：

步骤7):将d[d1,d2,…dn2]作为各电网设施的当前气象数据；

步骤8)：根据调整系数c[c1,c2,…cn2]对n小时预测气象数据w’[w1’,w2’,…wn2’]进行调整得到调整后的气象数据e[e1,e2,…en2]，并利用插值算法得出各电网设施的n小时预测气象数据。

进一步地，所述插值算法具体为反距离权重法，所述反距离权重法具体为：

其中，e‘为各电网设施的n小时预测气象数据，ei为各气象监测点经调整后的气象数据，λi为权值。

进一步地，所述根据调整系数c[c1,c2,…cn2]对n小时预测气象数据w’[w1’,w2’,…wn2’]进行调整得到调整后的气象数据e[e1,e2,…en2]，具体包括：

e[e1,e2,…en2]＝w’[w1’,w2’,…wn2’]×c[c1,c2,…cn2]。

进一步地，在获得一电网设施的各传感器的气象数据后，所述方法还包括：

比较各传感器的各气象数据与在上一时刻通过所述步骤8)中插值算法预测的该一电网设施的气象数据；

根据比较结果对下一时刻预测的该一电网设施的气象数据进行系数调整。

步骤9)：当步骤7)中获得的当前气象数据超过预定阈值时，系统进行报警并启动电网设施现场的摄像头；

进一步地，所述步骤9)具体包括：

当气象数据未超过预定阈值时，电网设施摄像头处于关闭状态；

当气象数据超过预定阈值时，开启电网设施摄像头，并向gis监控平台传输电网现场视频数据；

当gis平台管理员根据所述视频数据确定电网现场环境后，选择关闭报警或启动应急预案；

当关闭报警时，系统以10分钟为时间间隔向gis监控平台传送电网设施现场摄像头数据。

步骤10)：当步骤8)中获得的n小时预测气象数据超过预定阈值时，系统进行报警并启动电网设施现场的摄像头。

本发明的优点在于：

(1)采用矢量化网格方法对省份gis地图进行划分，缩小对气象预测的半径范围，提高了预测精确度，以便于快速、准确地做出应急预案；

(2)将电网设施现场的基础数据、传感器数据、各气象监测点的当前气象数据和n小时预警数据结合并关联至矢量化网格中，实现了多类数据的融合，提高了数据分析的效率；

(3)结合各电网设施现场的各传感器数据和各气象监测点的气象数据，利用反距离权重法进行气象数据的预测，根据各电网设施现场的各传感器数据对各气象监测点的气象数据进行系数调整，提高了气象预测数据的准确性；

(4)通过只针对电网设施所在位置进行气象预测，减少了数据运算的复杂度，确保系统预警的实时性。

(5)在电网设施现场的气象数据超过预定阈值时，开启电网设施现场摄像头，减少了数据传输量，提高了系统整体的运行效率。

附图说明

通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：

附图1示出了根据本发明实施方式的基于网格化气象数据在电网运行中的监测预警方法的流程图。

具体实施方式

下面将参照附图更详细地描述本公开的示例性实施方式。虽然附图中显示了本公开的示例性实施方式，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施方式所限制。相反，提供这些实施方式是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。

根据本发明的实施方式，提出了一种基于网格化气象数据在电网运行中的监测预警方法，如图1所示，所述方法包括：

步骤1)：根据所述省份gis地图，形成矢量化网格，所述网格为以m*m为单位区域；

进一步地，所述m取值为1km、2km或5km。

步骤2)：针对所述省份，向系统录入该省份各电网设施基础数据f[f1,f2,…fn1]、实时获取的各电网设施各传感器所采集的气象数据d[d1,d2,…dn2]、各气象监测点的当前气象数据w[w1,w2,…wn2]和n小时预测气象数据w’[w1’,w2’,…wn2’]；根据各电网设施地理坐标、各气象监测点的地理坐标，将f[f1,f2,…fn1]、d[d1,d2,…dn2]、w[w1,w2,…wn2]、w’[w1’,w2’,…wn2’]关联至所述矢量化网格中；

进一步地，所述电网设施基础数据包括：名称、gis三维地图坐标、海拔、所属管辖区域、开工时间、竣工时间、设施类型、各类型设施三维空间数据、人员类型、人员数量、各气象类型的预设阈值。

进一步地，所述当前气象数据和n小时预测气象数据均包括：火灾、雨量、雪量、温度、风力、风速。

步骤3)：根据所述d[d1,d2,…dn2]，利用插值算法得出各气象观测点所在网格的各气象数据d’[d1’,d2’,…dn2’]；

进一步地，所述插值算法具体为反距离权重法，所述反距离权重法具体为：

其中，d‘为根据插值算法计算出的气象观测点所在网格的气象数据，di为各电网设施传感器所采集的气象数据，λi为权值。

步骤4)：计算d’[d1’,d2’,…dn2’]与w[w1,w2,…wn2]的差值，当一气象数据的差值超过预定阈值q1时，执行步骤5)，否则执行步骤6)；

步骤5)：对各电网设施的各传感器进行数据检查并调整；

进一步地，所述对各电网设施的各传感器进行数据检查并调整，具体包括：

获取各电网设施各传感器的m分钟以内的历史传感器数据，所述m分钟以内为以现在时刻起始，向前获取m分钟的数据；所述m取值为3或5；

比较所述历史传感器数据和当前传感器数据，判断是否发生数值跳变；

当发生数值跳变时，对存在跳变情况的传感器信息进行报警显示；

管理员负责对电网设施现场传感器进行检修。

进一步地，所述对各电网设施的各传感器进行数据检查并调整，还包括：

对各传感器的故障率进行排序；

对故障率频繁程度排名前k的传感器，以1h为时间间隔，根据上述对传感器进行数据检查并调整的方法进行传感器检查和调整；所述k取值为10或15；

对故障率频繁程度排名非前k的传感器，以5h为时间间隔，根据上述对传感器进行数据检查并调整的方法进行传感器检查和调整。

步骤6)：根据d’[d1’,d2’,…dn2’]对w[w1,w2,…wn2]进行调整，得出各气象监测点的气象数据调整系数c[c1,c2,…cn2]；

进一步地，所述根据d’[d1’,d2’,…dn2’]对w[w1,w2,…wn2]进行调整，得出各气象监测点的气象数据调整系数c[c1,c2,…cn2]，具体为：

步骤7):将d[d1,d2,…dn2]作为各电网设施的当前气象数据；

步骤8)：根据调整系数c[c1,c2,…cn2]对n小时预测气象数据w’[w1’,w2’,…wn2’]进行调整得到调整后的气象数据e[e1,e2,…en2]，并利用插值算法得出各电网设施的n小时预测气象数据。

进一步地，所述插值算法具体为反距离权重法，所述反距离权重法具体为：

其中，e‘为各电网设施的n小时预测气象数据，ei为各气象监测点经调整后的气象数据，λi为权值。

进一步地，所述根据调整系数c[c1,c2,…cn2]对n小时预测气象数据w’[w1’,w2’,…wn2’]进行调整得到调整后的气象数据e[e1,e2,…en2]，具体包括：

e[e1,e2,…en2]＝w’[w1’,w2’,…wn2’]×c[c1,c2,…cn2]。

进一步地，在获得一电网设施的各传感器的气象数据后，所述方法还包括：

比较各传感器的各气象数据与在上一时刻通过所述步骤8)中插值算法预测的该一电网设施的气象数据；

根据比较结果对下一时刻预测的该一电网设施的气象数据进行系数调整。

步骤9)：当步骤7)中获得的当前气象数据超过预定阈值时，系统进行报警并启动电网设施现场的摄像头；

进一步地，所述步骤9)具体包括：

当气象数据未超过预定阈值时，电网设施摄像头处于关闭状态；

当气象数据超过预定阈值时，开启电网设施摄像头，并向gis监控平台传输电网现场视频数据；

当gis平台管理员根据所述视频数据确定电网现场环境后，选择关闭报警或启动应急预案；

当关闭报警时，系统以10分钟为时间间隔向gis监控平台传送电网设施现场摄像头数据。

步骤10)：当步骤8)中获得的n小时预测气象数据超过预定阈值时，系统进行报警并启动电网设施现场的摄像头。

本实施方式提供了一种基于网格化气象数据在电网运行中的监测预警方法，采用矢量化网格对省份gis地图进行划分，缩小了气象预测的半径范围。同时，将电网设施现场数据、传感器数据、各气象监测点的气象数据进行结合，并采用反距离权重法对电网设施现场气象数据进行预测，提高了气象预测的准确性。采用传感器数据对各气象监测点的气象数据进行系数调整，进一步提高了气象预测的准确性、真实性。并且，本发明只针对电网设施所在位置进行气象预测，并在电网设施现场的气象数据超过预定阈值时，开启电网设施现场摄像头，减少了数据的计算量和传输量，进一步提高了系统整体的运行效率。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。