基于山区大气电场演变特征与雷电定位数据的雷电临近预警方法

由于高原山区雷暴活动具有尺度小、离散性强的特点,实现山区重点资源区域的雷电灾害准确预警存在较大困难。考虑到雷暴时空演变与地面大气电场特征的关联关系,提出了一种基于大气电场监测数据与实时雷电定位信息的山区雷电临近预警方法。通过分析典型高原山区不同雷暴发展情况下的大气电场演化特性,发现山区大气电场可作为雷电定位数据的补充源,充分表征雷云剧烈放电和雷暴临近发展的特征信息。在预警过程中,首先将大气电场形态学梯度提取的快速抖动、暂态突变特征与时空匹配的地闪活动特征输入堆叠稀疏自编码器网络模型,判断监测区域附近是否出现雷云放电迹象,再利用雷暴距离变化或者电场波形变化判断雷电活动的临近趋势,最后综合两者的结果完成半径15km监测区域的雷电活动短时预警。在2023年云南山区雷雨季节的雷暴算例分析中,通过双源数据共同提取的山区雷暴活动预警特征的有效识别,可以实现预警准确率为90%,约44%的警报提前时间不小于30 min。

基于雷电定位数据驱动的紧密输电通道连续雷击跳闸预警方法

国内电网公司已经积累了数十亿条雷电定位数据,目前对于雷电定位数据的利用集中在跳闸事故发生后被动的故障原因确认。在主动雷击防护层面,以往的研究分别在电网侧对输电线路进行了雷击跳闸风险评估,或在灾害侧对雷电的活动规律进行了预测。同时考虑电网侧输电线路的雷击跳闸风险和灾害侧实时雷电活动所带来的风险,以此来提高雷击预警的效率,减少虚警和漏报事件的发生。在预警时,充分挖掘海量历史雷电定位数据,基于雷暴云移动轨迹预测的结果,判断雷暴云是否在紧密输电通道附近,再判断雷暴云是否为高风险雷暴或者接近低防雷性能输电线路,然后综合两者的结果发出连续雷击跳闸预警。在云南地区的算例验证中,对于电网公司调度部门所关注的紧密输电通道,该文提出的连续雷击跳闸预警的准确率达到了80%,有一定的工程实践价值,可以辅助电网公司进行相关调控决策。

基于深度学习模型的雷电落区预报

以PredRNN时空预测模型作为骨干网络,ASPP模块为分类器,构建了雷电落区预报的深度学习模型(Lightning-Net)。模型以前1 h的雷达组合反射率和雷电定位数据为预报因子,输出未来1 h的雷电落区。利用2020—2021年重庆市雷达、雷电定位数据对模型进行训练,在2022年的数据集上测试。结果表明:构建的Lightning-Net模型TS(Threat score,威胁分数)评分为0.53、命中率(POD)为0.82,相比传统的光流法和UNet模型具有一定的优势;个例检验发现,模型对强雷暴的预报效果优于弱雷暴,模型对雷电落区变化的整体趋势能很好的把握,但对雷暴主体周围的零星雷电预报能力不足。

雷电流幅值概率分布函数的分段拟合方法

为了更有效地利用雷电定位系统数据评估输电线路的雷击跳闸风险,以东莞地区1999—2008年雷电流幅值数据为例,分析了规程推荐公式、IEEE推荐公式及其改进公式的拟合曲线与实际雷电流幅值概率分布的偏差,在此基础上提出了雷电流幅值概率分布函数的分段拟合方法,并进行了连续性修正.最后,分别采用规程推荐公式、IEEE改进公式和文中拟合公式计算东莞地区110kV、220kV、500kV三个电压等级下的输电线路雷击跳闸率,并与实际值进行对比.结果表明:采用文中方法得到的雷电流幅值概率分布函数曲线与自然概率曲线的相关性最强,仅牺牲了分段点附近的相关性;采用文中分段拟合方法计算得到的110kV、220kV电压等级输电线路雷击跳闸率与实际运行数据较相符,而对500kV电压等级线路雷电跳闸率的计算存在偏差.