雷电监测地理信息系统的研究与数据分析实践
|
摘要
雷电对电力系统稳定运行造成了非常严重的威胁。近几年我国大力发展电力系统,扩大了电网规模,电力系统的结构也不断复杂。为了减少雷电活动对电力系统的危害,深入了解雷电活动规律并科学的指导防雷建设就显得越来越重要。雷电参数的获得从人工监测发展到雷电定位监测,得到了极大地发展。对比传统方式获得的雷电参数,雷电监测系统所获得的数据能更全面的反应各地区雷电活动特征。
四川省在2003年建立了雷电定位监测系统,运行至今已积累了大量雷电活动的宝贵数据,但是这些数据并没有得到有效的利用。为了解决当前存在的问题,使已有数据更好的服务于四川省电力建设事业,本文以四川省电力公司的科技项目《雷电定位监测数据深入应用》为基础,结合四川省近几年积累的雷电监测数据,展开了对雷电参数的相关研究。
首先,结合数据挖掘技术对大量雷电监测数据进行标准化和规范化处理。分析各雷电参数的分布特征,并采用决策树、神经网络模型对雷电流幅值字段进行预测研究。
然后,针对处理后的雷电监测数据,结合地理信息系统技术,开发了雷电监测地理信息系统。研究了地理信息系统的各种开发方式和相关技术,采用了组件式软件开发模式,实现了四川省各区域雷电基础参数(雷电日、地闪密度、地面落雷密度、地闪幅值强度、雷电次数)的可视化统计分析。其中研究了适用于雷电监测数据的网格统计法,得到了各雷电参数的网格分布图,并分析了典型区域和典型输电线路的雷电分布特征。目前雷电监测地理信息系统已经通过了相关电力部门的验收并得到了应用,产生了一定的社会效益,对于研究雷电活动的规律和减少雷电活动对电力系统中输电线路、变电站设施等各类电气设施设备造成的损害、威胁以及科学的指导防雷工程建设,具有重要的意义。
Nowadays, lightning is one of the main factors which threaten the safe operation of power system. With the development of Chinese electric power system, the scale of the grid is continuously expanding, and the structure of power system is increasingly complex. In order to reduce the hazards of lightning to the power system, grasping the lightning regular pattern and guiding scientificly the lightning prevention becomes more and more important.
From manual monitoring to Lightning Location System (LLS), the way of obtaining the lightning parameters has being occurred in leaps and bounds. Compared with the data acquired from traditional method, data from LLS has more comprehensive description to the regional characteristics of lightning activity.
Sichuan Province started to use LLS in 2003. The database has accumulated a lot of valuable lightning detection data about lightning activity. But these massive data have not been used effectively. In order to utilize the data better, this article carries out research on lightning parameters analysis of Sichuan province in recent years. These data was given from Sichuan electric company and based on the project“In-depth application of lightning detection data”.
First, to achieve the standardization and regulation of the large amount of lightning detection data, data mining method is used. Analyze the distribution of lightning parameters and use decision tree model, neural network model to forecast the parameter, intensity of lightning.
Then, the technology of Geographical Information Systems (GIS), the development methods and related technologies of GIS have been studied. This paper develop the Components Geographic Information Systems (ComGIS) to achieve the visual statistical analysis of some representative lightning parameters in the regions of Sichuan province, such as thunderstorm day, flash densityγ, intensity of flash amplitude, the number of lightning. The paper study and use the grid method for statistic and analysis the lightning detection data, then obtain and analyze grid distributions of each parameter. This system is currently accepted and applied with power sector. It is very important and significant to grasp the lightning activity rules, reduce the damages and threats caused by lightning for the power system transmission lines, substation facilities, and other electrical facilities and equipment, and guide the scientific lightning preventive construction.
四川省在2003年建立了雷电定位监测系统,运行至今已积累了大量雷电活动的宝贵数据,但是这些数据并没有得到有效的利用。为了解决当前存在的问题,使已有数据更好的服务于四川省电力建设事业,本文以四川省电力公司的科技项目《雷电定位监测数据深入应用》为基础,结合四川省近几年积累的雷电监测数据,展开了对雷电参数的相关研究。
首先,结合数据挖掘技术对大量雷电监测数据进行标准化和规范化处理。分析各雷电参数的分布特征,并采用决策树、神经网络模型对雷电流幅值字段进行预测研究。
然后,针对处理后的雷电监测数据,结合地理信息系统技术,开发了雷电监测地理信息系统。研究了地理信息系统的各种开发方式和相关技术,采用了组件式软件开发模式,实现了四川省各区域雷电基础参数(雷电日、地闪密度、地面落雷密度、地闪幅值强度、雷电次数)的可视化统计分析。其中研究了适用于雷电监测数据的网格统计法,得到了各雷电参数的网格分布图,并分析了典型区域和典型输电线路的雷电分布特征。目前雷电监测地理信息系统已经通过了相关电力部门的验收并得到了应用,产生了一定的社会效益,对于研究雷电活动的规律和减少雷电活动对电力系统中输电线路、变电站设施等各类电气设施设备造成的损害、威胁以及科学的指导防雷工程建设,具有重要的意义。
Nowadays, lightning is one of the main factors which threaten the safe operation of power system. With the development of Chinese electric power system, the scale of the grid is continuously expanding, and the structure of power system is increasingly complex. In order to reduce the hazards of lightning to the power system, grasping the lightning regular pattern and guiding scientificly the lightning prevention becomes more and more important.
From manual monitoring to Lightning Location System (LLS), the way of obtaining the lightning parameters has being occurred in leaps and bounds. Compared with the data acquired from traditional method, data from LLS has more comprehensive description to the regional characteristics of lightning activity.
Sichuan Province started to use LLS in 2003. The database has accumulated a lot of valuable lightning detection data about lightning activity. But these massive data have not been used effectively. In order to utilize the data better, this article carries out research on lightning parameters analysis of Sichuan province in recent years. These data was given from Sichuan electric company and based on the project“In-depth application of lightning detection data”.
First, to achieve the standardization and regulation of the large amount of lightning detection data, data mining method is used. Analyze the distribution of lightning parameters and use decision tree model, neural network model to forecast the parameter, intensity of lightning.
Then, the technology of Geographical Information Systems (GIS), the development methods and related technologies of GIS have been studied. This paper develop the Components Geographic Information Systems (ComGIS) to achieve the visual statistical analysis of some representative lightning parameters in the regions of Sichuan province, such as thunderstorm day, flash densityγ, intensity of flash amplitude, the number of lightning. The paper study and use the grid method for statistic and analysis the lightning detection data, then obtain and analyze grid distributions of each parameter. This system is currently accepted and applied with power sector. It is very important and significant to grasp the lightning activity rules, reduce the damages and threats caused by lightning for the power system transmission lines, substation facilities, and other electrical facilities and equipment, and guide the scientific lightning preventive construction.
引文
[1]许小峰.雷电灾害与监测预报.气象, 2005, 30(12): 17-20
[2]黄崇福.自然灾害基本定义的探讨.自然灾害学报, 2009, 18(5): 41-50
[3]薛治亚.探讨变电站二次系统防雷措施.广东科技, 2008, 14(3): 106-108
[4]马永翔.高电压技术.北京:北京大学出版社, 2009, 136-137
[5]陈家宏,冯万兴,王海涛,等.雷电参数统计方法.高电压技术, 2007, 33(10): 6-10
[6]王光宏,蒋平.数据挖掘综述.同济大学学报, 2004, 32(2): 246-252
[7]何俊佳,朱文俊,狄美华.数据挖掘技术在油中气体分析和故障诊断中的应用研究.高压电器, 2003, 39(3): 39-41
[8] Junjia He, Zijian Wang, Xiaogen Yin. Fault model construction based on gas chromatography of insulation oil by data mining technique. 2004 International Conference on Power System Technology, 2004: 47-51
[9]廖志伟,孙雅明,杜红卫.基于数据挖掘模型的配电网故障定位诊断.天津大学学报, 2002, 35(3): 324-326
[10] B D Pitt, D S Kitschen. Application of data mining techniques to load profiling, Power Industry Computer Applications. PICA 99. Proceedings of the 21st 1999 IEEE International Conference, 1999: 131-136
[11]徐小峰,郭虎,廖晓农,等.国外雷电监测和预报研究.北京:气象出版社, 2003, 18-21
[12]刘盛和,吴传钧,沈洪泉.基于GIS的北京城市土地利用扩展模式.地理学报, 2000, 55(4): 407-416
[13]严寒冰,刘迎春.基于GIS的城市道路网最短路径算法探讨.计算机学报, 2000, 23(2): 210-214
[14]高志强,刘纪远,庄大方.基于遥感和GIS的中国土地利用/土地覆盖的现状研究.遥感学报, 1999, 3(2): 134-138
[15]游松财,李文卿. GIS支持下的土壤侵蚀量估算-以江西省泰和县灌溪乡为例.自然资源学报, 1998, 14(1): 62-68
[16]周红妹,周成虎,葛伟强,等.基于遥感和GIS的城市热场分布规律研究.地理学报, 2001, 56(2): 189-197
[17]周成虎,万庆,黄诗峰,等.基于GIS的洪水灾害风险区划研究.地理学报, 2000, 55(1):15-24
[18]杨新苗,王炜,马文腾.基于GIS的公交乘客出行路径选择模型.东南大学学报, 2000, 30(6): 87-91
[19]陈斐,杜道生.空间统计分析与GIS在区域经济分析中的应用.武汉大学学报, 2002, 27(4): 391-396
[20]吴焕萍. GIS技术在气象领域中的应用.气象, 2010, 36(3): 90-100
[21] Wilhelmi V, Brunskill J C. GIS in weather, climate and impacts. Bulletin of American Meteorological Society, 2003, 84(10): 1409-1414
[22] Dobesch H, Tveito E, Bessemoulin P. Geographic information systems in climatological application. Final Report Project(No. 5) in the framework of the climatological projects in the application area of ECSN, 2001.12.31
[23] Hartwig Dobesch, Pierre Dumolard, Lzabela Dyras. Spatial interpolation for climate data: the use of GIS in climatology and meteorology. Great Britain and United States, 2007, ISTEL. Ltd
[24] Jiawei Han, Micheline Kamber.数据挖掘概念与技术(范明,孟小峰,译者).北京:机械工业出版社, 2007, 3
[25] U. Fayyad, G. Piatetsky-Shapiro, P. Smyth. The kdd process for extracting useful knowledge from volumes of data. Association for Computing Machinery, 1996, 39(11): 27-34
[26] Margaret H.Dunham.数据挖掘教程(郭崇慧,田凤占,靳晓明,译者).北京:清华大学出版社, 2005, 8-9
[27] U. Fayyad, G. Piatetsky-Shapiro, P. Smyth. From data mining to knowledge discovery: An overview. AAAI/MIT Press, 1996, 1-34
[28]吴信才.地理信息系统的基本技术与发展动态.中国地质大学学报, 1998, 23(4): 329-333
[29]王亚民,赵捧未.地理信息系统及其应用.西安:西安电子科技大学出版社, 2006: 11-13
[30]吴信才.地理信息系统设计与实现.北京:电子工业出版社, 2009, 11-14
[31]林春,王波,贺贵明.利用MapX实现的组件式GIS技术.计算机工程, 2002, 28(5): 217-218, 271
[32]李连营,李清泉,李汉武,等.基于MapX的GIS应用开发.武汉:武汉大学出版社, 2003, 47-49
[33]宋关福,钟耳顺.组件式地理信息系统研究与开发.中国图像图形学报. 1998, 3(4):313-317
[34]吴信才.地理信息系统设计与实现.北京:电子工业出版社, 2009, 48
[35]胡可云,田凤占,黄厚宽.数据挖掘理论与应用.北京:清华大学出版社, 2008, 188-190
[36]邵峰晶,于忠清,王金龙,等.数据挖掘原理与算法.北京:科学出版社, 2009, 124-125
[37]郭修昌.基于决策树的网络隐蔽通道检测模型的研究: [博士学位论文].南京:南京理工大学, 2009
[38]慕红宇,熊金明.基于数据仓库的数据挖掘技术.绍兴文理学院学报, 2002,.22(1): 45-49
[39]颜丹丹. CART算法在电信业潜在客户识别中的应用研究: [硕士学位论文].北京:对外经济贸易大学, 2007
[40]冯再勇.小波神经网络与BP网络的比较研究及应用: [硕士学位论文].成都:成都理工大学, 2007
[41]徐志.基于复杂网络的联想记忆网络研究: [硕士学位论文].合肥:中国科技大学, 2007
[42]吕晓玲,谢邦昌.数据挖掘方法与应用.北京:科学出版社, 2009, 86-89
[43]詹骞.黄雄伟.基于浏览器/服务器模式的水质检测数据的发布与分析.科学技术与工程, 2007, 18(3): 4735-4737
[44]刘晓冬,苏红梅,孙增杰,等.应用雷电定位系统对河北南网雷电活动的分析.河北电力技术, 2002, 21(5): 12-14
[45]李冰,李峰.山西电网雷电数据分析.山西电力, 2009, 3(1): 12-14
[46]尹丽云,许迎杰,张腾飞,等.一种新的雷电日及雷电参数统计方法.气象科技, 2009, 6(2): 739-744
[47]王静.基于PSCAD/EMTDC的泸州500kV变电站雷击过电压分析: [硕士学位论文].成都:四川大学, 2006
[48]蒲路,杜秦生,杜建忠,等.区域雷电基础参数的统计和分析方法.陕西电力, 2007, 4(2): 29-32
[49]陈家宏,谷山强,李晓岚,等. 1000kV特高压交流试验示范工程线路走廊雷电分布特征研究.中国电力, 2007, 12(1): 27-30
[50]庄燕飞. 110kV输电线路综合防雷措施的研究: [硕士学位论文].南宁:广西大学, 2006
[51]郭玉莉.输电线路防雷保护研究.科技资讯, 2008, 30(1): 248
[52]苏红梅,郑雄伟,刘晓冬.雷电定位系统检测的河北省南部电网雷电流分布特征分析.河北电力技术, 2009, 6(2): 1-3
[53]王建丰. 35kV输电线路的雷击跳闸概率分析.电工技术, 2008, 6(1): 11-12,26
[54]王骏.架空输电线路应用摄影测量技术分析.科技资讯, 2009, 2(1): 141
[55]王梅娟,蔡涛,马丽征,等.卢氏雷暴特征及建筑物综合防雷.气象与环境科学, 2008, 21(6): 267-269
[56]杨新村.我们周围的电场与磁场.上海电力, 2007, 2(1): 218-220
[57]郑江,林苗.输电线路的耐雷水平计算公式修正.电瓷避雷器, 2008, 4(1): 23-25
[2]黄崇福.自然灾害基本定义的探讨.自然灾害学报, 2009, 18(5): 41-50
[3]薛治亚.探讨变电站二次系统防雷措施.广东科技, 2008, 14(3): 106-108
[4]马永翔.高电压技术.北京:北京大学出版社, 2009, 136-137
[5]陈家宏,冯万兴,王海涛,等.雷电参数统计方法.高电压技术, 2007, 33(10): 6-10
[6]王光宏,蒋平.数据挖掘综述.同济大学学报, 2004, 32(2): 246-252
[7]何俊佳,朱文俊,狄美华.数据挖掘技术在油中气体分析和故障诊断中的应用研究.高压电器, 2003, 39(3): 39-41
[8] Junjia He, Zijian Wang, Xiaogen Yin. Fault model construction based on gas chromatography of insulation oil by data mining technique. 2004 International Conference on Power System Technology, 2004: 47-51
[9]廖志伟,孙雅明,杜红卫.基于数据挖掘模型的配电网故障定位诊断.天津大学学报, 2002, 35(3): 324-326
[10] B D Pitt, D S Kitschen. Application of data mining techniques to load profiling, Power Industry Computer Applications. PICA 99. Proceedings of the 21st 1999 IEEE International Conference, 1999: 131-136
[11]徐小峰,郭虎,廖晓农,等.国外雷电监测和预报研究.北京:气象出版社, 2003, 18-21
[12]刘盛和,吴传钧,沈洪泉.基于GIS的北京城市土地利用扩展模式.地理学报, 2000, 55(4): 407-416
[13]严寒冰,刘迎春.基于GIS的城市道路网最短路径算法探讨.计算机学报, 2000, 23(2): 210-214
[14]高志强,刘纪远,庄大方.基于遥感和GIS的中国土地利用/土地覆盖的现状研究.遥感学报, 1999, 3(2): 134-138
[15]游松财,李文卿. GIS支持下的土壤侵蚀量估算-以江西省泰和县灌溪乡为例.自然资源学报, 1998, 14(1): 62-68
[16]周红妹,周成虎,葛伟强,等.基于遥感和GIS的城市热场分布规律研究.地理学报, 2001, 56(2): 189-197
[17]周成虎,万庆,黄诗峰,等.基于GIS的洪水灾害风险区划研究.地理学报, 2000, 55(1):15-24
[18]杨新苗,王炜,马文腾.基于GIS的公交乘客出行路径选择模型.东南大学学报, 2000, 30(6): 87-91
[19]陈斐,杜道生.空间统计分析与GIS在区域经济分析中的应用.武汉大学学报, 2002, 27(4): 391-396
[20]吴焕萍. GIS技术在气象领域中的应用.气象, 2010, 36(3): 90-100
[21] Wilhelmi V, Brunskill J C. GIS in weather, climate and impacts. Bulletin of American Meteorological Society, 2003, 84(10): 1409-1414
[22] Dobesch H, Tveito E, Bessemoulin P. Geographic information systems in climatological application. Final Report Project(No. 5) in the framework of the climatological projects in the application area of ECSN, 2001.12.31
[23] Hartwig Dobesch, Pierre Dumolard, Lzabela Dyras. Spatial interpolation for climate data: the use of GIS in climatology and meteorology. Great Britain and United States, 2007, ISTEL. Ltd
[24] Jiawei Han, Micheline Kamber.数据挖掘概念与技术(范明,孟小峰,译者).北京:机械工业出版社, 2007, 3
[25] U. Fayyad, G. Piatetsky-Shapiro, P. Smyth. The kdd process for extracting useful knowledge from volumes of data. Association for Computing Machinery, 1996, 39(11): 27-34
[26] Margaret H.Dunham.数据挖掘教程(郭崇慧,田凤占,靳晓明,译者).北京:清华大学出版社, 2005, 8-9
[27] U. Fayyad, G. Piatetsky-Shapiro, P. Smyth. From data mining to knowledge discovery: An overview. AAAI/MIT Press, 1996, 1-34
[28]吴信才.地理信息系统的基本技术与发展动态.中国地质大学学报, 1998, 23(4): 329-333
[29]王亚民,赵捧未.地理信息系统及其应用.西安:西安电子科技大学出版社, 2006: 11-13
[30]吴信才.地理信息系统设计与实现.北京:电子工业出版社, 2009, 11-14
[31]林春,王波,贺贵明.利用MapX实现的组件式GIS技术.计算机工程, 2002, 28(5): 217-218, 271
[32]李连营,李清泉,李汉武,等.基于MapX的GIS应用开发.武汉:武汉大学出版社, 2003, 47-49
[33]宋关福,钟耳顺.组件式地理信息系统研究与开发.中国图像图形学报. 1998, 3(4):313-317
[34]吴信才.地理信息系统设计与实现.北京:电子工业出版社, 2009, 48
[35]胡可云,田凤占,黄厚宽.数据挖掘理论与应用.北京:清华大学出版社, 2008, 188-190
[36]邵峰晶,于忠清,王金龙,等.数据挖掘原理与算法.北京:科学出版社, 2009, 124-125
[37]郭修昌.基于决策树的网络隐蔽通道检测模型的研究: [博士学位论文].南京:南京理工大学, 2009
[38]慕红宇,熊金明.基于数据仓库的数据挖掘技术.绍兴文理学院学报, 2002,.22(1): 45-49
[39]颜丹丹. CART算法在电信业潜在客户识别中的应用研究: [硕士学位论文].北京:对外经济贸易大学, 2007
[40]冯再勇.小波神经网络与BP网络的比较研究及应用: [硕士学位论文].成都:成都理工大学, 2007
[41]徐志.基于复杂网络的联想记忆网络研究: [硕士学位论文].合肥:中国科技大学, 2007
[42]吕晓玲,谢邦昌.数据挖掘方法与应用.北京:科学出版社, 2009, 86-89
[43]詹骞.黄雄伟.基于浏览器/服务器模式的水质检测数据的发布与分析.科学技术与工程, 2007, 18(3): 4735-4737
[44]刘晓冬,苏红梅,孙增杰,等.应用雷电定位系统对河北南网雷电活动的分析.河北电力技术, 2002, 21(5): 12-14
[45]李冰,李峰.山西电网雷电数据分析.山西电力, 2009, 3(1): 12-14
[46]尹丽云,许迎杰,张腾飞,等.一种新的雷电日及雷电参数统计方法.气象科技, 2009, 6(2): 739-744
[47]王静.基于PSCAD/EMTDC的泸州500kV变电站雷击过电压分析: [硕士学位论文].成都:四川大学, 2006
[48]蒲路,杜秦生,杜建忠,等.区域雷电基础参数的统计和分析方法.陕西电力, 2007, 4(2): 29-32
[49]陈家宏,谷山强,李晓岚,等. 1000kV特高压交流试验示范工程线路走廊雷电分布特征研究.中国电力, 2007, 12(1): 27-30
[50]庄燕飞. 110kV输电线路综合防雷措施的研究: [硕士学位论文].南宁:广西大学, 2006
[51]郭玉莉.输电线路防雷保护研究.科技资讯, 2008, 30(1): 248
[52]苏红梅,郑雄伟,刘晓冬.雷电定位系统检测的河北省南部电网雷电流分布特征分析.河北电力技术, 2009, 6(2): 1-3
[53]王建丰. 35kV输电线路的雷击跳闸概率分析.电工技术, 2008, 6(1): 11-12,26
[54]王骏.架空输电线路应用摄影测量技术分析.科技资讯, 2009, 2(1): 141
[55]王梅娟,蔡涛,马丽征,等.卢氏雷暴特征及建筑物综合防雷.气象与环境科学, 2008, 21(6): 267-269
[56]杨新村.我们周围的电场与磁场.上海电力, 2007, 2(1): 218-220
[57]郑江,林苗.输电线路的耐雷水平计算公式修正.电瓷避雷器, 2008, 4(1): 23-25