一种基于实时雷电定位数据相关性分析的雷电预警数据修正方法

摘要

一种基于实时雷电定位数据相关性分析的雷电预警数据修正方法，首先选取某时刻的雷电预警数据与雷电定位数据；选取区域对雷电预警数据与雷电定位数据进行网格划分，获得雷电预警与雷电定位数据中雷电流幅值矩阵与雷电次数矩阵；通过R语言计算雷电预警与雷电定位两套数据间关于雷电流幅值、雷电次数矩阵的相关系数，并基于相关系数对同一地区的下一时刻预警数据进行修正，修正后的雷电预警数据与雷电定位数据更加接近，实现通过雷电定位数据提升雷电预警数据准确度的目的。

说明书

技术领域

本发明涉及雷电预警与探测技术领域，具体的指一种使用R语言计算的相关系数进行雷电预警数据修正的方法。

背景技术

随着电网的不断发展，电力输电线路,设备,杆塔发生雷击事故的比例不断增加，传统的监控预警模式和管理手段已经无法满足“合理规划、科学管理、优质服务”的要求。在取得发展的同时，雷电灾害信息的处理和统计也存在一定的问题，具体表现在以下几个方面。如：雷电预报数据发布不及时；雷电预报数据地理位置不准确；雷击事故发生后上报不及时。这些问题的存在给电网安全运行、维护造成了很大的困难，运维成本居高不下；另一方面也影响着输电线路以及设备的更进一步合理规划和建设。

雷电是造成云南输电线路跳闸主要因素，作为“西电东送”、“云电外送”的主体支撑者，云南电网的安全稳定运行对本省清洁能源送出目标具有积极的推动作用，这也对云南电网雷电监测与防护能力提出了更高的要求。与传统的雷电防护技术相比，雷电预警是实现电网雷害主动性防御必要技术，可实现在雷雨到来前，依据预警信息提前制定调度、应急预案，合理配置输电线路、变电站与发电厂的工作状态，保障电网安全和减少因停电给用户带来的经济损失。

本发明的目的是，针对目前气象雷达提供的雷电预警数据，通过研究气象雷达提供的雷电预警数据与闪电定位系统提供的雷电定位数据，将多普勒雷达提供的雷电预警数据与闪电定位系统提供的雷电定位数据进行相关性分析，根据分析结果提出一种根据相关性系数进行雷电预警数据修正的方法，提升雷电预警数据的准确性。

本发明的技术解决方案步骤如下：

步骤1，通过气象服务器获取到雷电预警数据，对雷电预警区域进行网格划分，网格内赋予雷电预警数据，生成能预测雷电发生强度大小的雷电次数矩阵和雷电流幅值矩阵；

步骤2，在雷电定位服务器上获取雷电定位数据，对雷电预警区域内发生的雷电进行统计，生成发生实际雷电的雷电次数矩阵和雷电流幅值矩阵；

步骤3，结合雷电预警矩阵与雷电定位矩阵进行分析，采用R语言计算雷电预警与定位矩阵相关性系数，计算出相关系数；R语言是用于统计分析、绘图的语言和操作环境；R语言是属于GNU系统的一个自由、免费、源代码开放的软件，它是一个用于统计计算和统计制图的优秀工具。

步骤4，根据计算出的相关系数值，对同地区下一个预警时刻的雷电预警数据进行调整； 根据相关性系数修正雷电预警矩阵，将下一批雷电预警矩阵中的数值依次除以相关系数获取修正的雷电预警矩阵；当雷电定位系统接收到该区域的雷电定位数据后，与修正的雷电预警数值进行相关性分析并计算相关系数；以此类推，不断修正下一个预警区域的雷电预警数据，使预警数据变得更准确。

本发明的优点是：

1.通过获取到的雷电定位与雷电预警两套数据中雷电流幅值矩阵、雷电次数矩阵分别进行相关性分析，通过R语言计算出相关性系数，为雷电预警数据提供了准确的修正参数；

2.根据雷电预警数据的不断分析和修正，使两套数据间雷电流幅值矩阵相关性系数、雷电次数矩阵相关性系数不断提高，增加了雷电预警数据的预测准确度。

附图说明

图1本发明的基于实时雷电定位数据相关性分析的雷电预警数据修正方法总体流程图；

图2本发明的雷电预警数据修正方法。

具体实施方式

见图1，图2，本发明为基于实时雷电定位数据相关性分析的雷电预警数据修正方法。其特征是采用R语言对雷电定位数据和雷电预警数据进行相关性分析，并计算出矩阵相关性系数；结合计算出的矩阵相关性系数，对雷电预警数据进行修正，通过修正的预警数据与同地区的下一个预警区域的定位数据进行矩阵相关性分析和计算不断进行修正，以期达到更高的预测精确度。流程图如图1所示。

1)首先从气象局获取雷电预警数据。通过气象局的服务器获取到雷电预警数据，对数据入库处理和提取雷电预警的相关数据，空间分析雷电预警数据并格点化处理，结合电网GIS，得到雷电预警地区的雷电流幅值矩阵和雷电流次数矩阵。

2)雷电预警数据是从云南气象局FTP服务器取得，采用FTP协议定时获取服务器上雷电预警数据文件，然后使用解析算法提取雷电预警数据文件有用雷电预警数据，并对雷电预警数据地理位置信息精确度处理、格点化处理、地理空间位置计算，然后入库保存。本次对比主要用到的数据有雷电预警数据、雷电定位数据。以下对他们分别进行介绍：

雷电预警数据主要数据如下：

时间：年、月、日、时、分

位置：开始经纬度和结束经纬度组成的地理空间面

预警强度值：发生雷电可能性大小

3)当雷电定位系统检测到雷电发生的时候，通过雷电定位系统的数据库将发生的雷电定位数据取出，并对数据进行入库处理，对雷电定位数据同样做空间分析和格点化处理，结 合电网GIS，得到雷电定位数据的雷电流幅值矩阵和雷电流次数矩阵。

4)雷电定位数据有电网公司提供，雷电定位数据范围覆盖整个云南省，对雷电定位数据空间分析和格点化处理后，入库保存。

雷电定位数据主要数据如下：

时间:精确到毫秒 

位置：点经纬度

电流值

格点化处理主要数据参数如下：

网格大小：1500×1500

开始经纬度：95.5,29.5

结束经纬度：106.5,20.5

网格长：0.6km

网格宽：0.6km

5)R是用于统计分析、绘图的语言和操作环境。它是一个用于统计计算和统计制图的优秀工具。

R语言计算相关性系数代码如下：

A<-as.matrix(read.table("D:/yj.txt"))

B<-as.matrix(read.table("D:/dw.txt"))

cor.test(A,B)

其中A、B是在磁盘中已经事先生成雷电预警矩阵和雷电定位矩阵。

通过R语言计算出雷电预警矩阵和雷电定位矩阵的相关性系数范围confidence interval以及相关性系数cor。

实例一：

以下是所得雷电预警与雷电定位矩阵：

$\left(\begin{array}{cccccc}-165.6& 0& 0& 0& -38.1& 0\\ -54.1& 0& 0& -86.4& -34.7& -115.5\\ 0& -57.2& -36.2& -56.4& -128.4& 0\\ 0& -64& -73.8& -134.7& -105.6& 0\\ -92.6& -74.6& -61.8& -149.9& -137.6& -94.3\\ 0& 0& 0& -87.1& 0& 0\end{array}\right)$

雷电定位雷电流幅值矩阵

$\left(\begin{array}{cccccc}32& 32& 31& 25& 23& 22\\ 30& 29& 24& 17& 30& 30\\ 26& 26& 31& 28& 0& 0\\ 31& 36& 36& 35& 0& 0\\ 38& 39& 39& 37& 36& 32\\ 39& 39& 39& 37& 37& 33\end{array}\right)$

雷电预警电流值矩阵

$\left(\begin{array}{cccccc}1& 2& 2& 2& 2& 2\\ 2& 2& 2& 2& 2& 1\\ 2& 2& 2& 1& 0& 0\\ 2& 2& 2& 1& 0& 0\\ 2& 2& 2& 1& 1& 1\\ 2& 2& 2& 2& 2& 2\end{array}\right)$

雷电定位次数矩阵

$\left(\begin{array}{cccccc}1& 0& 0& 0& 2& 0\\ 1& 0& 0& 7& 2& 1\\ 0& 2& 1& 3& 2& 0\\ 0& 1& 2& 1& 1& 0\\ 1& 2& 3& 2& 2& 1\\ 0& 0& 0& 1& 0& 0\end{array}\right)$

雷电预警次数矩阵

将雷电定位矩阵和雷电预警矩阵存储在磁盘中，通过使用R语言计算调用磁盘中的雷电定位矩阵和雷电预警矩阵进行相关系数计算。

返回结果如下：

t＝-21.1248,df＝10498,p-value<2.2e-16

alternative hypothesis:true correlation is not equal to 0 

95percent confidence interval:

-0.2202065 -0.1835105

sample estimates:

cor＝-0.2019293

其中cor是相关性系数，confidence interval是相关系数可靠的范围，如在此处相关系数可靠范围是-0.2202065～-0.1835105。

6)将计算得到的相关性系数cor用于同一个地区的其他雷电预警矩阵进行数据修正。将雷电预警矩阵中的数值依次除以相关性系数cor，就能得到修正后的雷电预警矩阵。 通过不断的预测和修正，获得多对雷电预警矩阵和雷电定位矩阵图，利用多对雷电预警矩阵和雷电定位矩阵生成相关系数cor，同时得到后15分钟雷电预警矩阵为yj，将后15分钟雷电预警矩阵为yj除以获得的相关系数cor就能得到修正的雷电预警矩阵，分析得出雷电预警矩阵与雷电定位矩阵关系函数f，数据修正公式如下：

f(yj)＝yj*(1/cor)

7)通过修正的雷电预警数据与生产的雷电定位数据继续进行比较分析，并将结果进行存储，就能增加矩阵对比组的数量，让得出的相关系数更加准确。以此类推，将修正的雷电预警矩阵和之后发生的雷电定位矩阵继续进行相关性系数的计算就能不断修正和优化之后的雷电预警数据，使雷电预警值变得更加准确。

实例二：

以下是所得同一地区的雷电预警矩阵和雷电预警数据修正后的矩阵：

$\left(\begin{array}{cccccc}26& 24& 31& 33& 0& 22\\ 30& 0& 24& 17& 30& 31\\ 26& 0& 31& 23& 0& 40\\ 31& 36& 39& 35& 0& 0\\ 37& 39& 36& 0& 28& 32\\ 24& 0& 33& 37& 37& 22\end{array}\right)$

同一地区雷电预警电流值矩阵

$\left(\begin{array}{cccccc}130& 120& 155& 165& 0& 110\\ 150& 0& 120& 85& 150& 155\\ 130& 0& 155& 115& 0& 200\\ 155& 180& 195& 175& 0& 0\\ 185& 195& 180& 0& 140& 160\\ 120& 0& 165& 185& 185& 110\end{array}\right)$

雷电预警数据修正后的矩阵

$\left(\begin{array}{cccccc}-125.6& 0& -113.3& 0& -38.1& -88.9\\ -74.1& 0& -121.2& -86.4& 0& -125.5\\ -88.6& -67.2& 0& -57.4& -120.4& 0\\ -132.5& 0& -93.8& 0& 0& 0\\ -82.6& -174.6& -161.8& 0& -137.6& 0\\ -75.3& 0& -95.6& -87.1& -180& 0\end{array}\right)$

雷电定位数据矩阵

通过R语言进行预警数据修正矩阵与定位数据矩阵的相关性系数计算：

返回结果如下：

t＝-56.223,df＝15632,p-value<5.2e-10

alternative hypothesis:true correlation is not equal to 0 

95percent confidence interval:

-0.523565 -0.6896305

sample estimates:

cor＝-0.657824

其中cor是相关性系数，confidence interval是相关系数可靠的范围，如在此处相关系数可靠范围是-0.523565-0.6896305。