多普勒天气雷达遥测下的雷电风险识别系统

2023-12-18吴嘉伟姜淑杨袁晶顾沛澍缪燕

电子设计工程 2023年24期

吴嘉伟，姜淑杨，袁晶，顾沛澍，缪燕

（南通市气象局，江苏南通 226006）

雷电灾害的危险评估就是以雷电及其灾害的特点为依据，对其所造成的人身伤亡、财产损失程度以及损害程度等进行全面危险程度的计算，因此，其对建筑工程的选型及功能分区布局、防雷类型及防雷措施的选择，都具有一定的参考价值。目前，许多科研机构和专业的防雷技术机构在雷电风险识别方面开展了较多的研究工作。

文献[1]提出了基于多源数据融合的识别方法，该方法以灾害风险、气象数据为基础，对致灾因子、承灾体等因子与风险之间的定量联系进行了深入探讨，并构建了评估指标及层级分析的数学框架；采用了模糊综合评判、聚类分析等技术，实现了风险评估和分类；文献[2]提出了基于卷积神经网络和SVM 的识别方法，该方法以气象雷达三维网格数据为基础，利用SMOTE 方法将多层卷积神经网络与SVM 方法相融合，以达到对雷电检测的目的。

在部分县城和农村地区，大量的住宅建筑相互连接，构成了一个大型的区域建筑群体。同时，在某些化学设施中，很多化学装置之间通过输送管线连接而形成一个大型整体性的装置。为了保证雷电风险识别效果，将上述建筑、设备群分别隔离成单独的单个单元，设计了多普勒天气雷达遥测下的雷电风险识别系统。

1 系统硬件结构设计

1.1 双通道收发式多普勒天气雷达

双通道收发式多普勒天气雷达[3]由两个方向（横向和纵向）的发射端组成，双通道方向的接收端在同一时间发出幅值和相位都完全一致的线性极化波束，得到45°的线性极化波束，两个方向的接收端在同一时间内对被测对象进行横向和纵向的反向散射，从而获得云和雨的极化多普勒数据，其是一种典型的多参量雷达站[4-5]。文中使用的双通道收发式多普勒天气雷达如图1 所示。

图1 双通道收发式多普勒天气雷达

从发射机中发送出来的高能量电磁波[6]通过功分器被一分为二，一端通过移相器发送到横向发射信道；另一端通过衰减器发送到纵向发射信道，再通过方位双绞链、横纵轴双绞链将电磁波发送到天线，再通过双工器、号角发射[7-8]。电磁波分别经过喇叭、双工器、俯仰和方位双绞链，经过两路T/R 发送和接收变换开关，分别传送到发射机经过预放大和混频器[9]。将其混合成为一个中频信号，然后传送到数字中频接收器中，将其转化为数字信号形式，最终将其传送到信号处理器进行处理。

1.2 识别天线馈线

天线馈线部分的主要作用是将由传输部分所生成的高频率电磁波能量传递给天线，使之有方向性地向空间辐射，并将从目标反射的电磁信号直接传输到接收子系统中[10]。天线馈线抛物面反射特性如图2 所示。

图2 天线馈线抛物面反射特性

由于雷达天线馈线段位于相同的透射段，因此要将透射段发射的高频率能量分为两个相位相同的通道，然后将这两个通道分为横射段和纵射段[11-12]，将含有横射和纵射信息的回波通过正交模态耦合器合成，并将其分为横射和纵射两个通道，最终通过透射段将其放大并采集。

2 系统软件部分设计

2.1 雷电云体自动识别

为了生成雷电云体识别区域，遍历各个距离库找出一个最大强度值的回波点。以该回波点为核心向周围外推，以此确定雷电云梯识别区域[13-14]。

利用雷达站点[15-16]的经纬数据定位其他站点在球面上的相关雷达站点(xi,yi)，表示为：

式中，r0表示地球半径；(ϑ0,θ0)表示任意点经纬度；(ϑi,θi)表示雷达站经纬度。

从雷电预警实际需求出发，构建近似地作平面，任意点相对于指挥中心距离为di=。结合该计算结果，计算回波相对于雷达站在直角坐标系中的位置：

式中，β表示回波反射角度。基于此，得到的雷电云体识别的经纬度值，表示为：

通过对各项因子的代数学和与其特征指数的对比，可以判断出云体内有无闪电现象或可能形成雷电。

2.2 雷电风险识别

在平面上建立n列m行的网格区域，每个网格的边长可根据面积的密度或网格的尺寸调整。根据该过程将多普勒天气雷达遥测集合界定为格栅区域中的所有包括或部分包括于被评估项目所在区域的格栅集，如图3 所示。

图3 多普勒天气雷达遥测网格化模型

对各个格点进行了相应的风险性分析，得到了区域内的风险性分布地图，由此构建的致灾因子识别模型可表示为：

式中，M表示可能出现的危险事件数目；P表示雷电损害概率；L表示雷电损害出现的损失。根据模型G获取四类因子指数和八种雷电风险如下：

1）雷电对建筑物闪击A

G1：在距离建筑物3 m 以内，因接触器跨接电压而引起的人身伤害和财产损失；G2：因电火花引起的火警或爆炸而引起的物质损害；G3：由于电阻耦合器或感应耦合器引起的过电压，例如常规接地末端装置的接地阻抗，而引起的装置故障[17]。

2）建筑物附近闪击B

G4：因雷击使内部装置产生高压而引起的电气装置失灵。

3）入户建筑物线路闪击C

G5：在室内因雷电引起的电力线路震动所致的个人伤害；G6：因经过维护设施的雷击造成的人身损害；G7：由导线上过电压导致错误，导线上的电流传递到室内。

4）进入建筑物的线路附近闪击D

G8：线路上产生的过电压传递到建筑物内部，导致内部设备失效。

将致灾因子危险性加权综合，得到雷电风险识别结果：

式中，ωa、ωb、ωc、ωd分别表示雷电对建筑物闪击A、建筑物附近闪击B、入户建筑物线路闪击C、进入建筑物的线路附近闪击D因子指数的权重。

3 系统应用效果测试

3.1 应用位置确定

将雷达布设在一所高校东苑的天气观测台上，该雷达布设坐标为115°E，28°N，垂直90 m 的高度上。雷达采用国产及国外两组数字式处理系统，工作频率为5.6 Hz，工作波长为5.5 cm，工作波束宽为0.54°。该雷达既可同步发出横向极化信号，又可交替发出纵向极化信号。

3.2 雷电数据导入

GIS 显示平台首先在Arcgis 中的Arcmap 中进行mxd 文件的加载，再将已完成的mxd 文件加载到系统平台中，之后对mxd 文件进行相应的处理。然后将经纬度、时间、幅度等雷电数据输入GIS，并统一数据格式。最后通过GIS 中的“添加数据”按钮，将东向作为X轴，将北向作为Y轴，将雷电数据坐标转换成GIS 中的坐标，此时所加载的雷电数据呈现在GIS地图上，如图4 所示。

图4 闪电数据加载

由图4 发现的三种雷击流序列实际雷击风险如图5 所示。

图5 实际雷击风险

由图5 可知，雷击流序列1 未达到雷击点与屏蔽空间最近距离，不会对建筑造成影响；雷击流序列2达到雷击点与遮挡空间的最近距离，如果未达到表明其会对建筑产生一定的冲击，但是没有对建筑的内部产生影响；雷击流序列3 超过雷击点与屏蔽空间最远距离，说明会对建筑造成严重影响。

3.3 应用效果分析

分别使用文献[1]基于多源数据融合的识别方法、文献[2]基于卷积神经网络和SVM 的识别方法和所提多普勒天气雷达遥测识别系统对图5 的三个雷击流序列进行识别。得到雷击风险识别效果如图6所示。

由图6 可知，使用多源数据融合识别系统与实际识别结果相差较大，尤其是雷击流序列3，在时长为11 min 时，最终识别距离分别为90 m、148 m、150 m；使用卷积神经网络和SVM 识别系统得到的三种雷击流序列识别结果与实际序列不一致，且在时长为11 min 时，最终识别距离分别为90 m、150 m、350 m；使用多普勒天气雷达遥测识别系统在不同雷击时长下的识别距离存在一定差别，但在时长为11 min时，最终识别距离分别为125 m、200 m、380 m，与实际距离一致。