电网灾害监测与精准预报系统的设计与实现

李源林 林忠 尹沁

摘要：为设计一种用于电网灾害监测与精准预报的系统，综合营配调基础数据采录成果和气象历史数据，深度挖掘电网专业应用与气象、位置和时节之间的关系，探索电网专业需求与气象影响的大数据模型，研究电网气象海量数据实时处理方法，设计电网气象海量数据优化存储管理技术，建立一个以大数据处理技术为基础的电网气象数据分析平台，并逐步针对不同电网实际需求建立相应的灾害监测、预警分析模块，为电力行业各业务层用户提供全兼容数据接口和数据可视化技术。

关键词：电网气象;灾害监测;大数据

中图分类号：TP311        文献标识码：A

文章编号：1009-3044（2019）22-0246-06

开放科学（资源服务）标识码（OSID）：

Design and Implementation For Grid Disaster Monitoring and Precision Forecasting System

LI Yuan-lin1，LIN Zhong 2，YIN Qin 1

（1.Hubei Central China Technology Development of Electric Power CO.LTD，Wuhan 430077， China; 2.MLOGCN（Wuhan）Technology Co.LTD，Wuhan 430074， China）

Abstract： To design a system for grid disaster monitoring and accurate forecasting， comprehensively adjust the basic data acquisition results and meteorological historical data， and deeply explore the relationship between power grid professional application and meteorology， location and time， and explore the professional demand and weather of power grid. The impacted big data model， the real-time processing method of grid meteorological massive data， the design of grid meteorological massive data optimized storage management technology， the establishment of a grid data analysis platform based on big data processing technology， and gradually establish corresponding corresponding to the actual needs of different grids The disaster monitoring and early warning analysis module provides fully compatible data interfaces and data visualization technologies for users in the power industry.

Key words： Grid meteorology; Disaster monitoring; Big Data

随着电网结构日趋完善和电网管理水平不断提高，电力系统的安全稳定水平也大幅度提高，然而雷暴、覆冰等自然灾害等引发的电网事故仍时有发生，严重的自然灾害所造成的后果是不容忽视的。近年来，严重雷暴、覆冰等灾害给我国很多地区造成大面积停电事故，网架结构受到严重破坏，已经给我们敲响了潜在危机的警钟。

为应对雷暴和覆冰等各种自然灾害问题，我们国家也在积极寻找有效的方法来对气象灾害进行预报预警。一个完整的气象灾害预警系统[1]，至少需要由监测、预警和信息发布等部分构成。

我国高度重视气象信息在电力行业的应用[2]。中国气象局系统中有完备的气象预警信息制作和发布机制，并通过多种手段及时向社会发布，并为电网系统提供数据服务。电网系统各级部门积極开展“电网灾害预警”研究[2，3]，在气象灾害预警、电网运行监测、故障抢修优化等方面做了大量有益探索，大大促进了生产。主要依托于现代信息技术，采取更有效的灾情预报技术和监测技术[4]，高效地利用与整合有限的资源，提高特高压输电通道应对风险能力和紧急事件快速反应能力。在国内的沿海发达地区已经开展输电线路与气象条件分析的相关研究，相关的服务系统、预警和预报系统也在逐步建立和完善。

但是在电网灾害预警的研究方面，对特定环境的特高压通道电网特有灾害研究工作（如雷暴和覆冰）偏于笼统，时效性一般，大部分的研究都集中于电网本身的状态或者只是简单使用气象部门提供的灾害预报数据本身，二者结合的手段较为单一，也不便于整体统计评估。尽管有些研究工作也提到了非电网本身信息对电网安全风险预警研究的重要性[5，6]，但由于其不可计量性没有形成系统的研究，尚未建立适用于针对特高压输电通道的特定灾害的监测、分析预警模型。以上缺陷使得目前的电网气象灾害监测预警系统只能进行初步监测、分析和预警，而不是精确分析预警。

1 电网灾害监测与精准预报系统设计

1.1 逻辑结构

电网灾害监测与精准预报系统的技术架构采用基于MVC的设计模式，是由具有统一接口定义方式的组件和一些功能松耦合模块的架构模式。实现了系统的高可用性、高可靠性和高可扩展性。

如下图所示：

采用B/S架构，相较于传统的应用系统体系结构一般使用客户端/服务器（Client/Server）的结构，这种胖客户端的模式不易于维护，且数据安全性较低，而浏览器/服务器（Browser/Server）的体系架构则很好地克服了这些缺点。在这种架构下，用户界面完全通过浏览器进行实现和展示，中间的WEB应用层则负责连通前端浏览器展示层以及后端数据层，形成所谓的3-tier架构体系。

采用上述开发模型，不仅实现了视图、控制器与模型的彻底分离，而且还实现了业务逻辑层与持久层的分离。这样无论前端如何变化，模型层只需很少的改动，并且数据库的变化也不会对前端有所影响，大大提高了系统的可复用性。而且由于不同层之间耦合度小。

如图上图中所示：

1.客户端仅需要浏览器来进行操作。

2.系统通过网络安全验证，系统身份验证进入下一步操作。

3.登录至系统（Web应用服务器）后，Web应用服务器再对其用户请求作处理后，经过一系列的运算控制，从数据库中读取用户请求的数据。

4.在底层应用环节中记录用户所操作的内容，以日志形式存储。

5.数据获取成功后，返回给用户请求页，以视图形式呈现出来。

1.2 技术架构

系统采用目前流行的三层架构思想，经扩展后形成多层架构体系，同时采用Bootstrap前端框架、ORM数据对象模型框架以及 AJAX 等富客户端（RIA）的先进技术，保持整个系统的先进性、可扩展性。

1.Client客户端，以浏览器为载体，应用于日常系统管理及维护。

2.系统从职责上分为四层：表示层、业务逻辑层、数据持久层和域模块层，搭建结构清晰、可复用性好、维护方便的Web应用程序。

视图层：描述用户操作的页面整体格局与具体操作的内容项，涉及首页登录界面、主内容页、左侧导航菜单页等相关页面。

业务逻辑层：以服务类（Service类）为主来实现系统主要的业务逻辑，实现统一的服务接口（Controller），对用户页面下相应的功能操作及逻辑处理过程进行开发，如登录需要接收用户用户名及密码，通过此层来进行调用后台数据，并进行加密验证。

数据访问层：以解释数据为目标，涵盖业务需要的相对应数据库操作对象，包括诸多常用的读写权限功能操作及对于数据库操作的安全日志记录功能。

模型层：通过ORM（关系数据模型），将系统所需的数据表结构及字段进行实体化，便于在上几层引用其相关属性及内置方法，为系统开发及维护提供更多简易性、安全性、规范性的参考。

1.3 逻辑分层

1.3组件关联

1.4功能组件

1.5 接口组件

接口内容如下：

接口组件分项说明：

1.6算法实现

1.6.1 覆冰预警算法

（1）覆冰预警等级

覆冰预警分为绿、黄、橙、红四个级别，对应采取的措施如下：

绿色：无覆冰可能，正常监视;

黄色：轻微覆冰可能，加强监视;

橙色：覆冰可能性较大，密切监视，并准备除冰的相关人员和设备;

红色：线路已经覆冰，根据覆冰增长情况，适时安排除冰作业。

（2）覆冰预警算法

覆冰预警算法流程图如图7。

本覆冰预警算法采用高分辨率的数值模式数据。首先判断湿度条件是否有利于覆冰生成，即降雨量>0或相对湿度>80%。如果条件不满足则无覆冰预警，条件满足則进入下一阶段。

进一步判断过冷水滴粘附冻结的环境气温条件，即气温是否小于<1℃。如果条件不满足则无覆冰预警，条件满足则进入下一阶段。

当具备了形成覆冰的气温和水汽条件后，空气中通常存在足量过冷水滴，此时风速对于导线对过冷水滴的碰撞捕获率起重要作用。若风速小于3m/s，则导线对过冷水滴的捕获率较小，覆冰质量较低，发布覆冰黄色预警。若风速大于3m/s，则覆冰过程加快，发布覆冰橙色预警。

如果上述气象条件的持续时间超过6小时，则会导致覆冰的累积增长，橙色预警升级为红色预警。若气温回升高于2℃超过6小时，则预警解除。

在发布预警后，根据不同的天气类型对覆冰进行分类。有降雨或大雾天气，气温<-5℃归类为雾凇覆冰，气温-5～0℃归类为雨凇覆冰。无降雨但有降雪天气，气温在0℃附近归类为雪凇覆冰，且气温≥0℃为湿雪覆冰，气温<0℃为干雪覆冰。

1.6.2 雷电预警算法

（1）雷电预警算法流程

利用EC数值模式天气预报产品，在大的空间尺度上给出整个区域在0-24h内发生雷电活动的可能性（雷电活动潜势预报），然后逐步引入时空分辨率越来越细的准实时和实时观测数据（闪电定位仪和雷达资料），对有可能发生或已经发生闪电的区域进行识别、跟踪、外推和预测，得出雷电临近预报结果。

（2）雷电潜势预报算法说明

强对流天气预报一般考虑三个要素：1、抬升条件2、水汽条件3、不稳定条件。

从空间分辨率为0.25°×0.25°的EC数值模式格点化预报产品中选取代表不稳定条件的物理量指标：SI指数，K指数，850hpa假相当位温，500-850hpa温度差， 500-850hpa假相当位温差值，850hPa假相当位温等;代表水汽条件的物理量指标：850hPa比湿，500hPa温度露点差， 700hPa温度露点差， 850hPa温度露点差，925hPa温度露点差等。根据2012年湖北地区78站次一天4个时间段的雷暴观测资料统计的4万个多个样本，对以上各个指数与雷暴日进行相关性检验，提取出10个雷暴潜势预报指标及其相应阈值。

该潜势预报方法通过累加所选物理参数超过阈值的数量来计算雷电的潜势预报概率，例如如果超过7个物理量满足所设定阈值，则雷暴潜势概率为70%。

在传统天气预报中，预报通常需要根据中尺度天气形势对格点预报结果进行人工修正。在本算法中根据500hpa和700hpa风场的方向梯度直方图（Histogram of Oriented Gradient， HOG）特征来对中尺度天气系统进行自动识别。 HOG特征是一种在计算机视觉和图像处理中用来进行目标检测的特征描述子。它通过计算和统计图像局部区域的梯度方向直方图来构成特征。本算法利用SVM分类器对2000个风场样本的HOG特征进行学习，识别槽线、锋面等天气形势，实现对上述格点潜势预报结果的自动订正。

（3） 雷电临近预警算法说明

天气雷达是作为强对流天气监测最有效的手段之一，该算法根据2016年长江中下游地区的5000个雷电样本和雷达反射率的相关分析结果，采用7km高度出现30dBz回波和10km回波顶高作为雷电预警指标。由于我国现有多普勒雷达普遍存在的数据质量问题，高强度的虚假回波通常会造成闪电误报，因此需要根据潜势预报结果和闪电实况数据进行预判断，减少误报率。

（4）雷电外推算法说明

光流法是计算机视觉领域中的重要方法，用来描述相对于观察者的运动所造成的观测目标、表面或边缘的运动。光流法具有高弹性、高灵活性等特点，可以模拟出接近理想的运动矢量场，能准确地实现对目标物的识别、追踪和运动估计。

光流速度矢量用两个分量u，v来表达。假设笛卡尔坐标平面上有一点（x，y），该点在时刻t的灰度值（雷达回波强度）为I（x，y，z）。假定该点在t+Δt时运动到（x+Δx，y+Δy），在一定时间间隔Δt内灰度值保持不变，即

I（x+uΔt，y+vΔt，t+Δt）=I（x，y，z）

上式随时间一阶展开后得到光流约束方程

Ixu+ Iyv+ It=0

由于光流有两个未知变量u和v，而光流约束方程只有一个方程，因此需要引入进一步的约束条件才能完全确定光流。因为临近预报关注回波精细化的局地预报，本算法选定Lucas-Kanade局部约束法作为计算光流的约束条件，利用图像的Harris角点附近的多个光流方程的解来代表图像的局域光流。

与传统的交叉相关法相比，光流法立足于图像在时空尺度上的变化，而不是选定不变特征再跟踪不变特征移动的方式。将光流法应用于雷电临近预报，不仅可以得到回波的外推预报，还可以弥补传统的雷暴外推方法（交叉相关法）的缺陷，提升临近预报系统的性能。

2 结语

本文设计实现了一种用于灾害监测与精准预报的系统针对电网工作构建了专有系统，支持对电网气象大数据平台的整体架構规划设计，使其符合气象和电力数据的接入、存储、查询和分析，完成电网气象检测预警大数据分析平台的搭建，支持对海量气象数据的接入、电网和气象大数据的快速存取、不同电网专业分析模型的挂接、监测数据查询计算和灾害预警分析计算。完成电网灾害监测数据收集并有效利用更加细密的气象自动站数据、精细化格点数据进行可视化展现;分析电网相关的气象灾害，针对雷暴和覆冰两种灾害类型研发特征气象灾害预警算法，利用高精细度大气数值模拟方法，结合电网设备精细化数据与电网特有气象灾害分析模型，做出准确及时的灾害预报预警，从而提前布防，有计划的检修抢修，减少突发影响、有效提升终端供电服务质量。

参考文献：

[1] 邹宇晨，张曦. 城市气象灾害预警发布标准化机制的分析[J].中国标准化，2017.

[2] 李华伟，周照. 电力气象服务平台研究[J].气象研究与应用，2012（7）.

[3] 周景. 电网自然灾害预警管理模型及决策支持系统研究[D]. 华北电力大学（北京），2016.

[4] 王兴发，曹怀予，肖军诗，等.我国电网自然灾害预警系统研究[J].安全与环境工程，2012（8）.

[5] 熊小伏，王尉军，于洋， 等.多气象因素组合的输电线路风险分析[J].电力系统及其自动化学报，2011（9）.

[6] 黄筱婷，戴栋，李昊， 等.基于在线监测数据的输电线路覆冰形态研究[J].南方电网技术，2013（8）.

【通联编辑：唐一东】