河南输电线路舞动气象风险的可预报性分析

梁允, 陈浩, 何晓凤, 王洁, 肖擎曜, 武正天

(1.国网河南省电力公司电力科学研究院， 郑州 450052； 2.中国气象局华风气象传媒集团有限责任公司， 北京 100081; 3.北京玖天气象科技有限公司， 北京 100081)

输电线路舞动是架空输电线路发生偏心覆冰后，在风的激励下产生的一种低频率、大振幅的自己振动现象[1]。舞动较易引起线路频繁跳闸与停电，威胁输电线路安全运行。近年来，由于极端天气和气候事件频发，输电线路舞动发生频次显著增加，造成了重大经济损失和社会影响[2]。

研究表明，舞动主要受气象条件、微地形和电网结构共同影响[3]，对于已建成的输电线路来说，结构与参数固定不变，发生舞动主要受风速、温度、湿度等气象要素影响[4]。目前已有很多学者在舞动事件统计及气象条件分析的基础上，建立了输电线路覆冰舞动的气象风险预测模型[5-8]。随着计算机技术的发展，数值预报模式在动力框架和核心算法、变分同化方案、卫星资料同化技术、集合预报初值和模式扰动方法等多个方面都有很大的突破和进展，数值天气预报的准确性有了较大提高[9]。模式的发展现状，使得基于数值天气预报和风险开展舞动的精细化预报成为可能[8]。然而，数值模式是具有可预报性的，在不同地区和不同天气背景下，不同要素的预报能力具有明显的差异[10]。河南是舞动高发省份之一，弄清基于数值天气预报和风险模型开展舞动预测的可能性对于发展输电线路舞动预测技术非常有价值。

为此，拟利用2020年冬季(2020年11月1日—2021年3月25日)河南省121个自动气象站实况资料和格点化多模式集成预报系统GDFS(grid data forecast system)产品，利用王丙兰等[7]确定的河南地区输电线路舞动气象风险评估指标，对温度、风速、湿度3个关键气象要素在河南地区进行高影响区间的预测能力评估，以探索用数值预报开展河南舞动预测的可能性，为河南输电线路舞动预警技术和方法的进一步提高和改进提供参考。

1 资料与方法

1.1 模式资料

采用的预报数据为格点化多模式集成预报系统GDFS，其水平分辨率为0.025°×0.025°，时间间隔为1 h，每天8:00和20:00(08UTC)更新两次，预报时效为72 h，输出包括气温、风速、湿度、降水、辐射、气压等多种基本气象要素。该系统以欧洲中心高分辨率全球业务模式(European centre for medium-range weather forecasts，ECMWF)、中国自主研发的业务化区域数值模式(China meteorological administration mesoscale model, CMA_MESO)和新一代快速更新多尺度资料分析和预报系统(rapid-refresh multi-scale analysis and prediction system, RMAPS)[11-12]为主要的输入模式源，同时利用中国7×104个自动气象站观测资料进行误差校正，采用消除偏差多模式平均法和基于无偏平均绝对误差集成法等技术进行集成预报[13]。目前，该系统产品已服务于能源、电力、电网、水电、风电等多个专业化领域[14]。

用于研究的GDFS产品起止时间为2020年11月1日—2021年3月25日，采用每天8:00起报的数据，一共145批次。由于数值产品的预测准确性随预报时效的延长而增大，因此对预报的前24 h数据进行评估；此外，采用简单的双线性内插方法，将格点预报产品降尺度到气象站点位进行评估。

1.2 实况资料

实况资料为国家气象站的逐小时观测资料，要素有2 m温度、10 m风速、相对湿度，在河南一共有121个国家自动气象站，站点分布相对均匀，具体如图1。根据宋伟等[15]对河南电网舞动区域划分的研究，发现河南东部、河南西南部的南阳盆地、河南西北部的渑池地区以及河南南部的鸡公山附近，发生输电线路舞动较多，结合国家电网公司发布的全国电网分布220 kV线路分布，分别对以图1所示的区域1(Reg1)、区域2(Reg2)、区域3(Reg3)和区域4(Reg4)进行统计和分析，这4个区域包含的站点数分别为11个、7个、5个和5个。

图1 河南地形及站点和舞动高发区位置示意图Fig.1 Topography height and national meteorological stationsand four regions of line galloping prone area distribution

1.3 检验方法

1.3.1 气象要素基本检验

针对输电线路舞动的地面气象要素指标，采用气象要素检验的基本方法：误差、绝对误差和均方根误差进行检验，具体计算公式为

(1)

(2)

(3)

式中：ME、AME、RMSE分别为误差、绝对误差和均方根误差；n为用于检验的所有预报时次；Fi为预报值；Oi为对应时刻的观测值。

1.3.2 气象要素的舞动高影响阈值区间检验

王丙兰等[7]利用2009—2010年河南省3次输电线路舞动过程的探空站资料和地面气象站观测资料，分析了输电线路舞动的气象要素特征，得出输电线路舞动的地面气象要素指标及阈值区间分别为：地面温度-4～1 ℃、风速≥3 m/s、相对湿度≥70%。

因此，对温度、风速和湿度三个要素分别开展独立命中率检验和联立命中率检验，此外，温度还进行空报率和漏报率检验，由于风速和湿度只有下限阈值，因此只进行漏报率检验。具体计算公式为

(4)

(5)

(6)

(7)

式中：f为预报；o为观测；Nvar(o)为某时刻某要素(温度/风速/湿度)实况满足阈值区间的次数；NAvar(f,o)为该要素的实况和预报均满足阈值区间的次数；NBvar(f,o)为该要素预报小于阈值区间的次数；NCvar(f,o)为温度预报大于阈值区间的次数；Tvar、Pvar、Fvar分别为该要素独立命中率、漏报率和空报率；Ng(o)为某时刻温度、风速、湿度3个要素实况同时满足阈值区间的次数；NAg(f,o)为该时刻前后24 h内3个要素的实况和预报同时满足阈值区间的次数；Tg为3个要素联立命中率。

2 结果分析

2.1 气象要素的常规统计

结合温度的舞动高影响区间[-4 ℃，1 ℃]和温度误差的空间分布[图2(a)]来看，由于河南东北部、东部和中部偏南的地区温度预报偏大，因此这些地区容易出现舞动事件空报；而河南南部、西部和中部偏北地区温度预报偏小，容易出现舞动事件漏报。对预报区间内所有预报个例的绝对误差进行统计看出[图2(c)]，接近45%的预报误差小于1 ℃，误差在1～2 ℃和2～3 ℃的预报频次分别为30%和15%。

从均方根误差空间分布来看[图2(b)]，所有温度预报的均方根误差均在1～3 ℃，114°E以东地区的均方根误差在2 ℃以内，河南西部、西北部以及南部的均方根误差则为2～3 ℃。结合河南地形可以看出，114°E以东的地区海拔较低，温度预报准确性高；而114°E以西的地区多为山区丘陵，该地形容易通过阻挡气流而产生爬坡绕流运动，改变动量热量和水汽输送，影响降水、温度等气象要素变化[16]。

图2 温度统计及分布Fig.2 Temperature statistics and distribution

从风速误差来看[图3(a)]，风速预报误差具有明显空间分布特征，与温度的均方根误差类似，同样以114°E为界，西部山区风速偏小，这一地区容易发生漏报，东部平原地区的风速预报偏大，尤其是河南中东部和南部偏大更明显；从风速绝对误差区间统计来看[图3(c)]，风速预报误差在0～1、1～2、2～3 m/s的频次分别为53%、33%和11%。从均方根误差空间分布来看[图3(b)]，除了河南西北部2个站和东南部1个站的均方根误差超过2 m/s以外，其余118个站的均方根误差均为1～2 m/s。

图3 风速统计及分布Fig.3 Wind speed statistics and distribution

同样，湿度预报误差也具有一定的空间分布特征[图4(a)]，湿度预报偏大(10%以内)的站点集中在西部，其他地区的湿度预报则主要为偏小，其中北部和西南部偏小10%～20%，由于湿度的舞动高影响区间为≥70%，也就是说，误差偏小的河南北部和西南部容易导致舞动事件漏报；从湿度绝对误差统计来看[图4(c)]，湿度误差≤10%、10%～20%和20%～30%的频次分别为59%、29%和9%。从湿度均方根误差来看，大部分站点(82.6%)均方根误差为10%～15%，有12个站点的均方根误差为15%～20%，主要位于北部和西南部地区。

图4 湿度统计及分布Fig.4 Relative humidity statistics and distribution

2.2 舞动要素独立命中率检验

对温度[-4 ℃, 1 ℃]的关键区间来说，河南地区121个站点的命中率均为73.4%，最大命中率为90.4%。从区域分布来看[图5(a)]，除西南部地区以外，其他地区温度命中率均超过70%，而西南部地区由于空报率较大[图5(b)]，因而命中率相对最低，大多为50%～60%，这与2.1节温度误差和均方根误差统计的结论一致。此外，河南平均空报率和漏报率分别为22.4%和11.3%，这表明温度高影响阈值区间的预报偏大，若将关键区间的偏大预报进行有效订正，将有利于提高舞动气象要素的可预报性。

图5 温度高影响阈值区间的预报命中率、空报率和漏报率空间分布Fig.5 Distribution of temperature forecast accuracy rate, false alarm rate and missing alarm rate

对风速≥3 m/s的高影响阈值区间来说，121个站点的平均命中率为78.4%，最大命中率为98.3%，其中14个站的风速命中率超过90%。从空间分布来看[图6(a)]，河南中东部命中率明显高于西部，尤其是114°E以东地区风速命中率均在80%以上，而河南西部命中率大多为40%～60%，因此这一地区漏报率较高，这与2.1节风速常规统计的结论一致。结合河南地形可以看出，东部命中率较高的地区为平原地区，风速可预报性较高，而风速命中率较低的西部地区，地形复杂度较高，风速可预报性不高，很多研究均表明风速受下垫面地形变化的影响较大[17-19]。

对湿度≥70%的高影响阈值区间来说，121个站点的平均命中率为67.1%，最大和最小命中率分别为86.7%和43%；从空间分布[图6(b)]来看，河南北部湿度命中率相对较低，有20个站的命中率仅为50%左右，由2.1节可知是由于湿度预报偏小导致，而其他地区的命中率基本为60%～80%，南部地区命中率均大于70%。

图6 风速和湿度高影响阈值区间的预报命中率空间分布Fig.6 Distribution of wind speed and relative humidity forecast accuracy rate

褐色虚线框区域为河南中部略偏东偏南地区图7 温度、风速和湿度联立预报命中率分布Fig.7 Distribution of simultaneous temperature, wind speed and relative humidity forecast accuracy rate

2.3 舞动多要素联立命中率检验

结合温度、风速和湿度3个地面要素来看，舞动命中率分布有明显的区域分布特征(图7)。受温度和风速预报效果的共同影响，河南东部平原地区输电线路舞动可预报性普遍高于西部山区，河南中部略偏东偏南地区的30个站点舞动命中率超过80%，其中有7个站的舞动事件命中率达到100%，这一地区的数值预报模式能够准确预报出输电线路舞动发生的风险，为电网的安全运营提供有利的技术支撑。

河南西部、西南部和西北部的命中率相对较低，其中河南西部和西南部命中率为0～20%，西北部命中率为20%～40%。由3.2节可知，导致这3个区域舞动可预报性不高的气象要素不同，西部和西南部是由于温度和风速的预报偏差导致，西北部则是由于湿度可预报性较低导致。由此可见，要提高舞动预报的可预报性，需要在不同区域针对不同要素进行预报订正和调整。

2.4 易舞发生区域检验

对4个容易发生输电线路舞动的区域进行气象要素的常规统计和高影响阈值区间检验，可以看出(表1)，Reg1的温度预报最好，绝对误差为1.24 ℃，均方根误差为1.6 ℃，Reg3的温度预报误差最大，为1.48 ℃；对于风速来说，Reg1、Reg2和Reg3域的预报效果相差不大，绝对误差均在0.98 m/s，均方根误差均在1.21～1.25 m/s，而Reg4的绝对误差和均方根误差略差；Reg4(西北部地区)的湿度预报绝对误差和均方根误差均最小，分别为9.6%和12.13%，以上4个区域气象要素常规统计的效果与2.1节分析结果完全一致。

表1 4个易发生输电线路舞动区域的绝对误差和均方根误差统计Table 1 Absolute error and RMSE statistics in four regions of line galloping prone area

表2是对4个区域的温度、风速和湿度进行独立命中率和联立命中率的统计，舞动事件的命中率从大到小一次为：Reg1>Reg3>Reg4>Reg2。4个区域中命中率最高的是Reg1，为60.8%，该区域温度、风速和湿度命中率分别为72.7%、83.8%和62%；Reg3的命中率次之，为41.1%，3个要素中温度命中率最低，仅为64.4%；比较Reg1和Reg4，Reg4区域的3个要素命中率与Reg1区域相差不大，但其舞动命中率仅为36.4%，由此可以看出，舞动事件的联立命中率并不取决于3个要素的独立命中率，提高输电线路可预报性的关键在于提高数值模式整体的预报效果。4个区域中舞动命中率最低的是Reg2，仅为11.8%，而Reg2的温度、风速、湿度命中率也同样为4个区域中的最低，从图1可以看出，Reg2位于南阳盆地，北边为伏牛山，东边为桐柏山，西边为秦岭，南部为大巴山余脉，盆地与临近地区的气候不同，容易出现局地小尺度天气，预报存在一定不确定性，因此温度、风速和湿度的命中率不高。

表2 4个易发生输电线路舞动区域的三要素独立命中率和联合命中率统计Table 2 Forecast accuracy rate of isolate and simultaneous temperature, wind speed and relative humidity in four regions of line galloping prone area

3 结论

以数值预报数据和常规舞动气象风险预测模型为基础，通过对河南121个国家气象站的舞动高影响气象要素预报能力的评估，揭示了借助数值预报开展舞动预测的可能性，同时针对河南容易发生输电线路舞动区域进行检验评估。得出以下结论。

(1)河南东部平原地区输电线路舞动具有较好的可预报性，而西部山地丘陵地区舞动可预报性相对较低。

(2)河南地区温度、风速和湿度预报均表现为东部平原地区偏差小、西部山区偏差大的特点，东部平原地区风速预报偏大、湿度偏小，西部山区风速预报偏小、湿度偏大。

(3)输电线舞动的气象高影响区间的可预报性从大到小依次是风速、温度、湿度，其命中率分别为73.4%、78.4%和67.1%。对舞动高影响气象条件来说，温度和风速在河南东部的可预报性明显高于河南西部，而湿度在河南南部可预报性高而北部可预报性低，要提高输电线路舞动预测水平，需要在不同区域针对不同要素进行预报订正和调整。

(4)4个舞动高发区可预报由高到低分别是：东部平原地区、南部山区、西北部山区、西南部盆地。由于地形差异，盆地与临近地区的气候不同，容易出现局地小尺度天气，因此4个舞动高发区中，南阳盆地的舞动气象风险的可预报性最低，需对该地区气象要素进行预报效果订正。从河南东部和西北部两个易发生舞动区域的温度、风速和湿度检验可以看出，虽然两个地区单要素的命中率相差不大，但是输电线舞动的命中率差异较大，这表明提高输电线路可预报性的关键在于提高数值模式整体的预报效果。

(5)由于输电线路舞动的气象要素不仅包括地面层的温度、风速和湿度3个要素，还包括700～850 hPa层的温度和露点温度指标，因此还需对相应高度层上的相关气象指标进行评估和检验，进一步完善输电线路气象风险的可预报性分析。