基于电场特征和深度学习的雷电预警方法

针对现有基于大气电场的雷电预警方法效果不佳的问题,提出了一种基于大气电场特征和深度学习算法的雷电预警方法。首先利用集成经验模态分解提取大气电场的频域特征,通过稀疏自编码器对上述提取的特征作进一步的维度压缩,并结合LSTM神经网络对是否为雷暴天气加以区分,最后利用闪电定位数据对该方法的有效性进行了检验。结果表明:该雷电预警方法可以较为准确的对雷电进行预测,且采用45 min的电场时间序列准确率最高,可以达到81%。相比传统方法,所提出的算法可针对不同地区的状况进行适应性的训练和调试,具有普适性。随着模型运行时间加长、数据量加大,可进行更新迭代,以确保预报性能不断提升。由此可见,该雷电预警方法对进一步提高广州市雷电防护水平具有参考价值和指示意义。

基于Cox比例风险模型的电力电缆故障影响因素分析

电力电缆故障信息的深层次挖掘可提高对电缆故障影响因素的分析。因此,针对某供电公司10 k V电力电缆故障数据,运用统计学模型—Cox比例风险模型,定量分析了电缆故障影响因素,用以指导电缆采购、施工、运行和维护。为确保数据分析的准确性,提出了电缆数据预处理原则,探讨了合适的样本量大小。运用Cox比例风险模型对电缆故障影响因素进行单因素分析;运用Logistic回归模型确定了电缆故障影响因素类别,并统计计算了各电缆故障影响因素对应的电缆故障率,确定了各影响因素组成元素的相对危险程度,最终证明了Cox比例风险模型分析结果的正确性。结果表明:本体生产厂家M1、附件生产厂家N1、施工单位I3对应的电缆故障率最高分别为0.33、0.29、0.218,企业在进行电缆采购、施工、维护时应着重关注这3家单位。

主动防雷研究现状分析

雷电是目前最严重的气象灾害之一,现有的防雷技术多属于“被动”避雷的防护类型,并不能完全保护目标物,因此亟需从“被动”避雷向“主动”防雷过渡。依托现有避雷设备上改进的主动防护和直接引雷防护两方面介绍了目前主动防雷技术的研究现状,以及详细分析了可控放电避雷针、火箭引雷技术、激光引雷技术的研究现状,并对防雷工作的未来发展趋势作出相关展望。