基于雨雾凇判识的最大连续覆冰日数计算方法
【技术领域】
[0001] 本发明属于输配电技术领域，尤其涉及一种基于雨雾凇判识的最大连续覆冰日数 计算方法。
【背景技术】
[0002] 冰灾是电网安全稳定运行的主要威胁之一。我国南方地区冰灾频发，特别是2008 年，我国南方地区发生了大范围持续性的电网覆冰灾害，直接经济损失达数百亿元。随着电 网不断发展，多条特高压线路开始经过易覆冰区域，因此，研究电网覆冰规律，构建历史覆 冰数据库是准确预测电网覆冰，尤其是开展特高压覆冰预测的前提。
[0003] 现有的技术中，主要采用总覆冰日数来研究电网覆冰历史规律。通过统计气象站 点的覆冰总日数，计算覆冰重现期，指导电网抗冰。然而，目前覆冰日数计算过程中，部分数 据存在严重残缺，影响覆冰程度分析结果。同时，在计算覆冰总日数的过程中，由于计入了 非连续且短时段的覆冰过程，无法区分当总覆冰日数相同时，电网覆冰过程是一次连续覆 冰还是多次短时段的覆冰过程相叠加，而这两种情况导致的覆冰严重程度差异较大。此外， 在同一年冬季，长时段连续覆冰与短时段覆冰过程均有发生，采用总的覆冰日数计算，增加 了覆冰严重程度，与实际覆冰情况存在差异。
[0004] 因此，在进行电网覆冰日数分析时，需要通过对气象环境数据挖掘，并考虑雨凇或 雾凇的发生情况，判识覆冰发生日，然后计算连续电网覆冰日数。这为准确掌握电网覆冰历 史规律，提升电网覆冰长期预测水平，保障输电线路安全稳定运行提供有效指导。
【发明内容】
[0005] 本发明要解决的技术问题是：针对当前现有技术的不足，提出一种基于雨雾凇判 识的最大连续覆冰日数计算方法，使用该方法可为电网抗冰部署提供科学的、可靠的、全面 的指导，该方法思路新颖、流程清晰、准确率高、实用性强。
[0006] 本发明的解决方案是：
[0007] -种基于雨雾凇判识的最大连续覆冰日数方法，具体步骤如下：
[0008] 步骤1、筛选历史数据；
[0009] 从气象要素数据库中，筛选出历史冬季（12月-次年2月）所有站点的每日雨凇 或雾凇现象观测记录、温度和相对湿度数据；
[0010] 步骤2、计算覆冰日判识阈值；
[0011] 根据步骤1筛选出的数据，统计发生雨凇或雾凇时，单个站点所有日最高气温的 平均值T niax和所有日最低气温的平均值T
[0012]
[0013]
[0014] 其中，η为单个站点发生雨凇或雾凇的总日数，tnax l和t ηιη ι分别为该站点发生雨 淞或雾淞的第i日的日最高气温和日最低气温；
[0015] 根据！_和T _，计算平均气温，作为相应站点的覆冰发生时平均温度阈值Tnith;
[0016] 建立该站点每次发生雨凇或雾凇时的日最低温度的集合，计算该站点的日最低温 度的概率分布函数P 1(Tniin);设定概率阈值α，求取概率阈值α对应的日最低温度值，作为 最低温度阈值T_ th;
[0017] 建立该站点每次发生雨凇或雾凇时的日最小相对湿度的集合，计算该站点的日最 小相对湿度的概率分布函数P 2(Hniin);设定概率阈值β，求取概率阈值β对应的日最小相 对湿度值，作为最小相对湿度阈值H ninth;
[0018] 步骤3、进行覆冰日判识；
[0019] 根据步骤1筛选出的该站点的每日雨凇或雾凇现象观测记录，以及步骤2建立的 覆冰日判识阈值，对历史冬季的每一日，进行覆冰日判识；
[0020] 步骤3. 1、若步骤1中的雨凇或雾凇现象观测记录为有雨凇或雾凇现象，则当日直 接判识为覆冰日；
[0021] 步骤3. 2、若步骤1中的雨淞或雾淞现象观测记录为无雨淞或雾淞现象或者记录 为空，而当日前后一天观测记录均为有雨凇或雾凇现象，则根据以下方法进行判识：
[0022] 若当日平均气温彡Tnith，最低温度彡Tniinth，说明覆冰为维持的状态，则当日判识为 覆冰日；
[0023] 若当日平均气温彡Tnith，最低温度> Tniinth，相对湿度彡Hniinth，空气中水汽饱和度相 对较高，覆冰消融缓慢，则当日仍判识为覆冰日；
[0024] 若当日平均气温彡Tnith，最低温度> Tniinth，相对湿度< Hniinth，认为覆冰消融相对较 快，则当日判识为非覆冰日；
[0025] 若当日平均气温> Tnith，覆冰融化较快，则当日判识为非覆冰日；
[0026] 步骤3. 3、若步骤1中的雨凇或雾凇现象观测记录为无雨凇或雾凇现象或者记 录为空，而当日前后一天观测记录并非均为有雨凇或雾凇现象，则当日直接判识为非覆冰 曰；
[0027] 步骤4、最大连续覆冰日数计算；
[0028] 根据步骤3的判识结果，统计出该站点每年冬季每次发生连续覆冰的连续覆冰日 数；并计算该站点每年冬季的最大连续覆冰日数：
[0029] 记该站点某年冬季每次发生连续覆冰的连续覆冰日数集合为{D1OTl，D 1^,… ，D1^…，，其中，D1^ j = 1，2, . . .，M表示该站点此年中第j次发生连续覆冰的连续 覆冰日数，M为该站点此年中年发生连续覆冰的次数；则该站点此年冬季的最大连续覆冰 日数为：
[0030] Dicemax - max (D icel，Dice2,…，Dicej，…，DiceM)。
[0031] 重复步骤2至步骤4,依次计算出所有站点每年冬季的最大连续覆冰日数。
[0032] 所述步骤2中，的覆冰发生平均温度阈值Tnith计算公式为：
[0033]
[0034] 其中，t为时间，t = 0，l，...，23。
[0035] 所述步骤2中，根据站点每次发生雨凇或雾凇时的日最低温度的集合，计算日最 低温度的平均值与方差值，并带入到t分布函数当中，得到该站点的日最低温度概率分布 函数 P1(Tniin)。
[0036] 所述概率阈值α= 95%。
[0037] 所述步骤2中，根据站点每次发生雨凇或雾凇时的日最小相对湿度集合，计算日 最小相对湿度集合的平均值与方差值，并带入到正态分布函数当中，得到该站点的最小相 对湿度概率分布函数P 2 (Η_)，
[0038] 所述概率阈值β= 95%。
[0039] 有益效果：
[0040] 本发明考虑了雨凇或雾凇有无发生情况及输电线路温度、降水等覆冰环境情况， 并利用日变化函数结合实验室试验，计算覆冰发生时的温度阈值与湿度阈值，对不同地区 的进行覆冰判识，计算每次过程的连续覆冰日数和每年最大连续覆冰日数，可得到实际应 用性强的输电线路最大连续覆冰日数数据库。具有以下优点：
[0041] 1、本发明调理清晰、可操作性强、实用性强，填补了目前尚无基于雨（雾）凇计算 连续覆冰日数的技术空白。
[0042] 2、本发明适用性广，移植性好，采用本发明提出的覆冰日判识方法和计算方法能 够构建任意区域的历史最大连续覆冰日数数据库，可以用于建立连续覆冰日数数据库，设 置最大连续覆冰日数数据及相关信息（站点号、经度、炜度、日期（年、月、日））及信息属 性，包括数据类型，长度，精度，约束规则等，并将各的站点最大连续覆冰日数数据导入到数 据库中。为研究历史覆冰增长规律，开展电网覆冰长期预测提供了重要的参考依据。
【附图说明】
[0043] 图1为本发明的流程图。
【具体实施方式】
[0044] 以下结合【具体实施方式】对本发明进行进一步具体说明：
[0045] 实施例1 :
[0046] 以长沙观测站点为例，基于雨雾凇判识的最大连续覆冰日数计算方法的具体实施 过程如下：
[0047] (1)历史数据筛选。
[0048] 通过气象局的观测站点，筛选出长沙站1951-2013年共63年的冬季（12月-次年 2月）雨（雾）凇现象观测记录、气象站点平均温度、日最高温度、最低温度、降水量、平均相 对湿度和最小相对湿度数据，
[0049] (2)覆冰日判识阈值计算。
[0050] 根据步骤（1)筛选出的气象数据和雨（雾）凇数据统计历史发生雨（雾）凇时， 长沙站所有日最高气温的平均值Tniax和日最低气温的平均值T _。
[0051]
[0052]
[0053] 其中，η为长沙站历史上雨（雾）凇记录的总日数，t 分别为第i次发 生雨（雾）凇时记录的日最高气温和日最低气温。
[0054] 通过上式计算得到长沙站1~_= 2. 67°C^PT_= -0