一种ENSO时期覆冰响应程度分析方法与流程

本发明属于电气工程技术领域，尤其涉及一种ENSO时期覆冰响应程度计算和分析方法。

背景技术：

随着能源互联网的推进和跨区电网的建设，输电线路走廊受到的诸多环境因素影响越来越受到人们的重视。覆冰严重威胁输电线路安全稳定运行。2008年的南方地区冰灾造成了输电线路倒塔超过1300基，财产损失超过120亿元，京广电气化铁路停运，对社会稳定和人民生产与生活造成严重威胁。2015年辽宁“11.7”冰灾造成38万用户停电，跳闸超过300条次，累计电力损失64万千瓦时，暴露出北方地区输电线路在抵御覆冰灾害方面存在不足。因此，开展冬季覆冰预测和覆冰特征分析对于合理调配资源、降低覆冰灾害损失的必要性不言而喻。而ENSO事件(包括厄尔尼诺事件和拉尼娜事件)通过影响我国气候特征，在一定程度上控制了冬季覆冰发生条件。目前的电网覆冰程度预测方法虽然已经将ENSO影响考虑在内，但主要针对一段时间的数据进行无差别统计，忽视了ENSO时期的特殊性，因此在分析ENSO时期覆冰响应的一般性特征时仍然存在针对性不够明显的情况。为总结覆冰发生和增长规律，进行ENSO时期覆冰响应程度的研究和分析已经势在必行，以期开展针对性的覆冰预测预警，尽早制定电网防灾措施，减少电网灾害可能带来的损失，维护电网安全稳定运行。

技术实现要素：

针对ENSO时期输电线路覆冰一般性特征及其对ENSO事件的响应情况缺乏分析的现状，本发明提供一种ENSO时期覆冰响应程度分析方法，该方法思路新颖、流程清晰、操作简单。

为实现上述目的，本发明的技术方案如下：

一种ENSO时期覆冰响应程度分析方法，包括如下步骤：

(1)、获取待分析地区过去一段时间对应的覆冰数据和覆冰期每个月的ENSO指数数据，覆冰数据包括覆冰期每个月待分析地区的最大覆冰日数和最大覆冰厚度；

(2.1)、依据ENSO事件的性质，将ENSO指数数据按照厄尔尼诺时期数据、拉尼娜时期数据、非ENSO时期数据划分为三类，每一类中的数据仍然按照时间顺序排列；

(2.2)、对照ENSO指数所表征的厄尔尼诺时期、拉尼娜时期、非ENSO时期，将待分析地区覆冰数据分别划分为厄尔尼诺时期数据、拉尼娜时期数据、非ENSO时期数据三类，每一类中的数据仍然按照时间顺序排列；

(3.1)、选取步骤(2.2)中得到的待分析地区厄尔尼诺时期覆冰数据，按照公式(1)，计算得到其厄尔尼诺时期最大覆冰日数的平均值和最大覆冰厚度的平均值再选取待分析地区拉尼娜时期覆冰数据，按照公式(1)，计算得到其拉尼娜时期最大覆冰日数的平均值和最大覆冰厚度的平均值选取待分析地区非ENSO时期覆冰数据，按照公式(1)，计算得到其非ENSO时期最大覆冰日数的平均值和最大覆冰厚度的平均值

$\stackrel{\‾}{x}=\frac{\underset{i=1}{\overset{n}{\Σ}}{x}_i}{n}---\left(1\right)$

式中，为非ENSO时期、厄尔尼诺时期或拉尼娜时期中某一时期最大覆冰日数或最大覆冰厚度的平均值，x_i为这一时期最大覆冰日数或最大覆冰厚度的数据，n为该时期数据总量；

(3.2)、以ENSO指数数据代替覆冰数据，重复步骤(3.1)，得到不同时期ENSO指数平均值；

(4.1)、将步骤(3.1)中得到的待分析地区厄尔尼诺时期最大覆冰日数平均值与待分析地区非ENSO时期最大覆冰日数平均值相减，得到的结果作为待分析地区厄尔尼诺时期最大覆冰日数距平值

(4.2)、将步骤(3.1)中得到的待分析地区厄尔尼诺时期最大覆冰厚度平均值与待分析地区非ENSO时期最大覆冰厚度平均值相减，得到的结果作为待分析地区厄尔尼诺时期最大覆冰厚度距平值

(4.3)、分别以待分析地区拉尼娜时期最大覆冰日数平均值和最大覆冰厚度平均值代替和重复步骤(4.1)～(4.2)，得到待分析地区拉尼娜时期最大覆冰日数距平值A_a2和最大覆冰厚度距平值A_b2；

(5.1)、选取步骤(2.1)～(4.3)中得到的厄尔尼诺时期ENSO指数数据与待分析地区厄尔尼诺时期最大覆冰日数，按照公式(2)，计算得到待分析地区最大覆冰日数与厄尔尼诺强度的相关系数r_a1：

$r=\frac{\underset{i=1}{\overset{n}{\Σ}}(x_i-\stackrel{\‾}{x})(y_i-\stackrel{\‾}{y})}{\sqrt{\underset{i=1}{\overset{n}{\Σ}}{(x_i-\stackrel{\‾}{x})}^2\underset{i=1}{\overset{n}{\Σ}}{(y_i-\stackrel{\‾}{y})}^2}}---\left(2\right)$

式中，r为待分析地区最大覆冰日数或最大覆冰厚度与厄尔尼诺强度或拉尼娜强度的相关系数，x_i为厄尔尼诺时期或拉尼娜时期中某一时期的最大覆冰日数或最大覆冰厚度，为这一时期该种覆冰数据的平均值，y_i为这一时期ENSO指数的数据，为这一时期ENSO指数的平均值，n为这一时期数据总量；

(5.2)、以待分析地区厄尔尼诺时期最大覆冰厚度数据和最大覆冰厚度平均值分别代替厄尔尼诺时期最大覆冰日数数据和最大覆冰日数平均值，代入公式(2)，计算得到待分析地区最大覆冰厚度与厄尔尼诺强度的相关系数r_b1；

(5.3)、分别以待分析地区拉尼娜时期最大覆冰日数和覆冰厚度代替厄尔尼诺时期最大覆冰日数和覆冰厚度，重复步骤(5.1)～(5.2)，得到待分析地区最大覆冰日数与拉尼娜强度的相关系数r_a2和最大覆冰厚度与拉尼娜强度的相关系数r_b2；

(6.1)、将步骤(4.1)～(4.2)计算得到的厄尔尼诺时期距平值进行分析，若待分析地区厄尔尼诺时期最大覆冰日数距平值A_a1或最大覆冰厚度距平值A_b1为正，则认为厄尔尼诺容易造成最大覆冰日数或最大覆冰厚度的增加；否则认为厄尔尼诺容易造成最大覆冰日数或最大覆冰厚度的减少；

再将上述A_a1和A_b1代入公式(3)，计算得到厄尔尼诺影响系数：

$E=5\×\left(\right|\frac{A_a}{10}|+|\frac{A_b}{30}\left|\right)---\left(3\right)$

式中，E为ENSO影响系数，其代入厄尔尼诺时期数据后得到厄尔尼诺影响系数，代入拉尼娜时期数据后得到拉尼娜影响系数，A_a为对应厄尔尼诺时期或拉尼娜时期最大覆冰日数距平值，A_b为这一时期最大覆冰厚度距平值；

基于厄尔尼诺影响系数的覆冰距平响应程度判断方式如表(1)所示：

表(1)覆冰距平响应程度表

(6.2)、对步骤(5.1)～(5.2)得到的待分析地区覆冰与厄尔尼诺强度相关系数进行显著性检验，查相关系数显著性检验表，若待分析地区最大覆冰日数与厄尔尼诺强度的相关系数r_a1的绝对值或最大覆冰厚度与厄尔尼诺强度的相关系数r_b1的绝对值大于表中对应自由度下的显著相关阈值r₀，则认为该相关系数通过显著性检验，厄尔尼诺事件对待分析地区覆冰持续时间或覆冰厚度的影响是显著的；否则认为该相关系数没有通过显著性检验，厄尔尼诺事件对待分析地区覆冰持续时间或覆冰厚度的影响可能存在，但并不显著的；

(6.3)、分别以拉尼娜时期距平值和待分析地区最大覆冰日数/最大覆冰厚度与拉尼娜强度相关系数分别代替厄尔尼诺时期距平值和待分析地区最大覆冰日数/最大覆冰厚度与厄尔尼诺强度相关系数，重复步骤(6.1)～(6.2)，进行拉尼娜时期距平值和相关性的响应分析，步骤(6.2)中以步骤(5.3)代替步骤(5.1)～(5.2)。

本发明的有益效果是：

1、可以较为全面的认识ENSO时期输电线路覆冰一般性特征及其对ENSO事件的响应情况；

2、可操作性强；

3、提高了输电线路覆冰防治工作的针对性。根据分析结果，可及时做好相应的应急处置措施，对于覆冰对ENSO事件响应比较明显的地区，在ENSO时期的冬季做好提前应对工作，减少电网损失。

附图说明

图1为本发明实施例分析方法的流程图。

具体实施方式

下面结合附图及实例，对本发明做进一步说明。

本发明实施例的思路是：一种ENSO时期覆冰响应程度分析方法，系考虑各省输电线路覆冰在ENSO时期的一般性特征以及ENSO事件强度对输电线路覆冰的影响，建立基于ENSO时期覆冰距平值和覆冰与ENSO强度相关性的计算方法，得到ENSO时期覆冰响应程序的分析结论。

如图1所示，本发明实施例分析方法包括下述步骤。

(1)、数据获取。获取时间对应的覆冰数据和ENSO指数数据，获取各省过去20年的覆冰数据，包括覆冰期每个月各省的最大覆冰日数和最大覆冰厚度。获取过去20年覆冰期每个月的ENSO指数数据；

(2.1)、ENSO指数数据划分。依据ENSO事件的性质(ENSO事件包括厄尔尼诺事件和拉尼娜事件)，将ENSO指数数据按照厄尔尼诺时期数据、拉尼娜时期数据、非ENSO时期数据划分为三类，每一类中的数据仍然按照时间顺序排列；

(2.2)、覆冰数据划分。对照ENSO指数所表征的厄尔尼诺时期、拉尼娜时期、非ENSO时期，将各省覆冰数据分别划分为厄尔尼诺时期数据、拉尼娜时期数据、非ENSO时期数据三类，每一类中的数据仍然按照时间顺序排列；

(3.1)、平均值计算。选取步骤(2.2)中得到的某省厄尔尼诺时期覆冰数据，按照公式(1)，计算得到其厄尔尼诺时期最大覆冰日数的平均值和最大覆冰厚度的平均值再选取该省拉尼娜时期覆冰数据，按照公式(1)，计算得到其拉尼娜时期最大覆冰日数的平均值和最大覆冰厚度的平均值选取该省非ENSO时期覆冰数据，按照公式(1)，计算得到其非ENSO时期最大覆冰日数的平均值和最大覆冰厚度的平均值

$\stackrel{\‾}{x}=\frac{\underset{i=1}{\overset{n}{\Σ}}{x}_i}{n}---\left(1\right)$

式中，为某一时期(非ENSO时期、厄尔尼诺时期或拉尼娜时期)最大覆冰日数或最大覆冰厚度的平均值，x_i为这一时期(非ENSO时期、厄尔尼诺时期或拉尼娜时期)最大覆冰日数或最大覆冰厚度的数据，n为该时期数据总量。

(3.2)、以ENSO指数数据代替覆冰数据，重复步骤(3.1)，得到不同时期ENSO指数平均值；

(4.1)、最大覆冰日数距平值计算。将步骤(3)中得到的某省厄尔尼诺时期最大覆冰日数平均值与对应省份非ENSO时期最大覆冰日数平均值相减得到的结果作为该省厄尔尼诺时期最大覆冰日数距平值A_a1；

(4.2)、最大覆冰厚度距平值计算。将步骤(3)中得到的某省厄尔尼诺时期最大覆冰厚度平均值与对应省份非ENSO时期最大覆冰厚度平均值相减得到的结果作为该省厄尔尼诺时期最大覆冰厚度距平值A_b1。

(4.3)、分别以所选省份拉尼娜时期最大覆冰日数平均值和最大覆冰厚度平均值代替和重复步骤(4.1)～(4.2)，得到该省拉尼娜时期最大覆冰日数距平值A_a2和最大覆冰厚度距平值A_b2；

(5.1)、最大覆冰日数与ENSO强度相关性计算。选取步骤(2.1)～(4.3)中得到的厄尔尼诺时期ENSO指数数据与某省厄尔尼诺时期最大覆冰日数，按照公式(2)，计算得到该省最大覆冰日数与厄尔尼诺强度的相关系数r_a1：

$r=\frac{\underset{i=1}{\overset{n}{\Σ}}(x_i-\stackrel{\‾}{x})(y_i-\stackrel{\‾}{y})}{\sqrt{\underset{i=1}{\overset{n}{\Σ}}{(x_i-\stackrel{\‾}{x})}^2\underset{i=1}{\overset{n}{\Σ}}{(y_i-\stackrel{\‾}{y})}^2}}---\left(2\right)$

式中，r为待分析地区最大覆冰日数或最大覆冰厚度与厄尔尼诺强度或拉尼娜强度的相关系数，x_i为某一时期(厄尔尼诺时期或拉尼娜时期)的某种覆冰数据(最大覆冰日数或最大覆冰厚度)，为这一时期该种覆冰数据的平均值，y_i为这一时期ENSO指数的数据，为这一时期ENSO指数的平均值，n为这一时期数据总量；

(5.2)、最大覆冰厚度与ENSO强度相关性计算。以某省厄尔尼诺时期最大覆冰厚度数据和最大覆冰厚度的平均值分别代替厄尔尼诺时期最大覆冰日数数据和最大覆冰日数平均值，代入公式(2)，计算得到该省最大覆冰厚度与厄尔尼诺强度的相关系数r_b1。

(5.3)、分别以所选省份拉尼娜时期最大覆冰日数和覆冰厚度代替厄尔尼诺时期最大覆冰日数和覆冰厚度，重复步骤(5.1)～(5.2)，得到该省最大覆冰日数与拉尼娜强度的相关系数r_a2和最大覆冰厚度与拉尼娜强度的相关系数r_b2；

(6.1)、ENSO时期距平值响应情况。将步骤(4.1)～(4.2)计算得到的厄尔尼诺时期距平值进行分析，若某省厄尔尼诺时期最大覆冰日数距平值A_a1或最大覆冰厚度距平值A_b1为正，则认为厄尔尼诺容易造成最大覆冰日数或最大覆冰厚度的增加。否则认为厄尔尼诺容易造成最大覆冰日数或最大覆冰厚度的减少。

再将上述A_a1和A_b1代入公式(3)，计算得到厄尔尼诺影响系数：

$E=5\×\left(\right|\frac{A_a}{10}|+|\frac{A_b}{30}\left|\right)---\left(3\right)$

式中，E为ENSO影响系数(代入厄尔尼诺时期数据后得到厄尔尼诺影响系数，代入拉尼娜时期数据后得到拉尼娜影响系数)，A_a为对应时期(厄尔尼诺时期或拉尼娜时期)最大覆冰日数距平值，A_b为这一时期最大覆冰厚度距平值。

基于厄尔尼诺影响系数的覆冰距平响应程度判断方式如表(1)所示：

表(1)覆冰距平响应程度表

(6.2)、ENSO时期相关性响应情况。对步骤(5.1)～(5.2)得到的各省覆冰与厄尔尼诺强度相关系数进行显著性检验，查相关系数显著性检验表，若某省最大覆冰日数与厄尔尼诺强度的相关系数r_a1的绝对值或最大覆冰厚度与厄尔尼诺强度的相关系数r_b1的绝对值大于表中对应自由度下的显著相关阈值r₀，则认为该相关系数通过显著性检验，厄尔尼诺事件对该省覆冰持续时间或覆冰厚度的影响是显著的。否则认为该相关系数没有通过显著性检验，厄尔尼诺事件对该省覆冰持续时间或覆冰厚度的影响可能存在，但并不显著的；

(6.3)分别以拉尼娜时期距平值和各省最大覆冰日数(最大覆冰厚度)与拉尼娜强度相关系数分别代替厄尔尼诺时期距平值和各省最大覆冰日数(最大覆冰厚度)与厄尔尼诺强度相关系数，重复步骤(6.1)～(6.2)，进行拉尼娜时期距平值和相关性的响应分析；此时步骤(6.2)中需以步骤(5.3)代替步骤(5.1)～(5.2)。

还可重复步骤(3.1)～(6.2)，完成所有省份的响应分析。

本发明实施例的有益效果是：

1、可以较为全面的认识ENSO时期输电线路覆冰一般性特征及其对ENSO事件的响应情况；

2、可操作性强；

3、提高了输电线路覆冰防治工作的针对性。根据分析结果，可及时做好相应的应急处置措施，对于覆冰对ENSO事件响应比较明显的地区，在ENSO时期的冬季做好提前应对工作，减少电网损失。

下面以辽宁省为例对本发明方法进行说明。该方法包括如下步骤：

(1)、数据获取。获取时间对应的覆冰数据和ENSO指数数据：获取辽宁省过去20年的覆冰数据，包括覆冰期每个月的最大覆冰日数和最大覆冰厚度；获取过去20年覆冰期每个月的ONI(海洋NINO指数，一种ENSO指数)数据；

(2.1)、ENSO指数数据划分。依据ENSO事件的性质(ENSO事件包括厄尔尼诺事件和拉尼娜事件)，将ONI数据按照厄尔尼诺时期数据、拉尼娜时期数据、非ENSO时期数据划分为三类，每一类中的数据仍然按照时间顺序排列；

(2.2)、覆冰数据划分。选取辽宁省的覆冰数据，对照ONI所表征的厄尔尼诺时期、拉尼娜时期、非ENSO时期，覆冰数据分别划分为厄尔尼诺时期数据、拉尼娜时期数据、非ENSO时期数据三类，每一类中的数据仍然按照时间顺序排列；

(3.1)、平均值计算。基于步骤(2.2)中得到的数据，选取非ENSO时期覆冰数据，按照公式(1)，计算得到其非ENSO时期最大覆冰日数和最大覆冰厚度的平均值。选取厄尔尼诺时期覆冰数据，按照公式(1)，计算得到其厄尔尼诺时期最大覆冰日数和最大覆冰厚度的平均值。

(3.2)、再选取拉尼娜时期覆冰数据，按照公式(1)，计算得到其拉尼娜时期最大覆冰日数和最大覆冰厚度的平均值。以ONI数据代替覆冰数据，重复步骤(3.1)，得到不同时期的ONI平均值；

(4.1)、最大覆冰日数距平值计算。将步骤(3)中得到的厄尔尼诺时期最大覆冰日数平均值与对应的非ENSO时期最大覆冰日数平均值相减，得到厄尔尼诺时期最大覆冰日数距平值1.3天；

(4.2)、最大覆冰厚度距平值计算。将步骤(3)中得到的厄尔尼诺时期最大覆冰厚度平均值与对应的非ENSO时期最大覆冰厚度平均值相减，得到厄尔尼诺时期最大覆冰厚度距平值2.1毫米；

(4.3)、分别以拉尼娜时期最大覆冰日数和覆冰厚度代替厄尔尼诺时期最大覆冰日数和覆冰厚度，重复步骤(4.1)～(4.2)，得到拉尼娜时期最大覆冰日数距平值1.5天和最大覆冰厚度距平值1.1毫米；

(5.1)、最大覆冰日数与ENSO强度相关性计算。选取步骤(2.1)～(4.3)中得到的厄尔尼诺时期ONI数据与厄尔尼诺时期最大覆冰日数，按照公式(2)，计算得到最大覆冰日数与厄尔尼诺强度的相关系数为0.26；

(5.2)、最大覆冰厚度与ENSO强度相关性计算。选取步骤(2.1)～(4.2)中得到的厄尔尼诺时期ONI数据与厄尔尼诺时期最大覆冰厚度，按照公式(2)，计算得到最大覆冰厚度与厄尔尼诺强度的相关系数为0.19；

(5.3)、分别以拉尼娜时期最大覆冰日数和覆冰厚度代替厄尔尼诺时期最大覆冰日数和覆冰厚度，重复步骤(5.1)～(5.2)，得到最大覆冰日数与拉尼娜强度的相关系数0.21和最大覆冰厚度与拉尼娜强度的相关系数0.28；

(6.1)、ENSO时期距平值响应情况。将步骤(4.1)～(4.2)计算得到的厄尔尼诺时期距平值进行分析，由于辽宁省厄尔尼诺时期最大覆冰日数(最大覆冰厚度)距平值为正，认为厄尔尼诺容易造成最大覆冰日数(最大覆冰厚度)的增加。通过公式(3)的计算得到厄尔尼诺影响系数为1.3，认为覆冰距平对厄尔尼诺有轻微的响应；

(6.2)、ENSO时期相关性响应情况。对步骤(5.1)～(5.2)得到的辽宁省覆冰与厄尔尼诺强度相关系数进行显著性检验，查相关系数显著性检验表，由于最大覆冰日数(最大覆冰厚度)与厄尔尼诺强度的相关系数绝对值小于表中对应自由度下、95％显著性水平下的显著相关阈值0.29，则认为厄尔尼诺事件对辽宁省覆冰持续时间(覆冰强度)的影响并不显著；

(6.3)分别以拉尼娜时期距平值和辽宁省最大覆冰日数(最大覆冰厚度)与拉尼娜强度相关系数分别代替厄尔尼诺时期距平值和辽宁省最大覆冰日数(最大覆冰厚度)与厄尔尼诺强度相关系数，重复步骤(6.1)～(6.2)，进行拉尼娜时期距平值和相关性响应分析，此时步骤(6.2)中需以步骤(5.3)代替步骤(5.1)～(5.2)。同样发现拉尼娜容易造成辽宁省最大覆冰日数(最大覆冰厚度)的增加，辽宁省覆冰对拉尼娜存在轻微响应，同时拉尼娜事件对辽宁省覆冰持续时间(覆冰强度)的影响并不显著。