一种基于LLS的区域雷害特征相关分析方法

摘要

一种基于LLS的区域雷害特征相关分析方法，其特征在于，所述方法依据雷电定位系统地闪监测数据和NECP再分析数据，采用奇异值分解方法确定地闪空间特征与由NECP再分析数据提取的气象背景之间的相关关系，实现区域雷害特征的强相关性的因子的分析与辨识。本发明具有现场应用方便，算法可靠性高，辅助决策参考价值大的特点。本发明可用于电网雷电定位系统运行经验丰富、地闪分析精确且建有电网气象信息系统的网省一级电力公司电力调度机构，提供区域雷害特征的气象学影响条件的甄别方法，促进电网雷害抵御能力建设。

说明书

技术领域

本发明涉及一种基于LLS的区域雷害特征相关分析方法，属高压电气设备 运行维护检修技术领域。

背景技术

根据近年《全国雷电灾害典型实例汇编》等材料统计，所有易遭受雷击危 害的行业大致可分为电力、广电、化工、计算机、通信和其他等6类，其中电 力高压电器设备的雷击事故发生比例较高，约占总数的24.7％。就电力行业而言， 雷击跳闸一直处在各类故障事故的第一位。据不完全统计，2003年中国 66～500kV输电线路跳闸总数中接近40。23％由雷击造成；2004年国家电网公司 所属220～500kV雷击跳闸占总跳闸数量的32.72％。尽管一次系统中高压电器设 备的设计标准高、抵御雷害的能力优于低电压电气设备，但仅靠提高一次设备 的设计标准来强化雷击灾害的防御能力势必导致极大的资产投入负担，在短时 间内很难予以实现，因此，如何加强雷害特征的分析研究、提升二次系统雷害 监测预警分析能力显得尤为重要。

发生雷害事件与区域气候、自然条件关系密切。就雷害发生的机理而言， 雷电的产生主要由伴随多种天气现象的中小尺度天气过程所导致，雷害发生时 时常伴有大风和暴雨，有时甚至出现冰雹和龙卷都灾害性天气。雷害发生前后 的天气背景研究对于雷害事件的分析研究具有重要意义，如大尺度环流背景、 对流动力参数、动力/热力触发机制等对于云内起电机制的阐述具有重要意义， 因而是大气电学和雷电原理的重要问题之一。针对雷害发生时段的气象物理要 素的针对分析，有助于提高雷害停电故障的预警技术水平，在可能的雷击分区 范围划分和雷击区设备故障概率预报中将发挥一定的积极作用。

发明内容

本发明的目的是，为了提高区域雷害发生前事故预判的准确性，丰富高压 电气设备防雷预警参考信息，本发明公开了一种基于LLS的区域雷害特征相关 分析方法。

本发明的技术方案是，本发明基于LLS的区域雷害特征相关分析方法，由 雷电定位系统历史监测数据和历史同期美国国家环境预报中心NCEP再分析资料 (NationalCentersforEnvironmentalPrediction，NCEP)，采用奇异值分 解方法进行地闪空间分布与气象要素空间分析的相关性分析，确定显著影响地 闪空间分布型的气象要素类别，从而依据气象机理揭示区域雷害特征的制约条 件。

本发明一种基于LLS的区域雷害特征相关分析方法，依据雷电定位系统地 闪监测数据和NECP再分析数据，采用奇异值分解方法确定地闪空间特征与由 NECP再分析数据提取的气象背景之间的相关关系，实现区域雷害特征的强相关 性的因子的分析与辨识。

所述方法实现步骤如下：

(1)对LLS雷电监测数据预处理，将LLS监测得到地闪记录通过网格法处 理成0.01°×0.01°、0.05°×0.05°和0.1°×0.1°三种时空分辨率的逐日 网格化地闪密度空间矩阵。

(2)对NECP再分析数据预处理，收集LLS雷电监测数据历史同期的NECP 再分析数据0.1°×0.1°格点数据，依据LLS监测范围确定NECP再分析数据空 间取值范围，时间取值范围遵照LLS。

(3)进行LLS雷电监测数据与NECP再分析数据耦合关系分析，采用SVD 方法对雷电监测场与气象要素场的多项变量实施不同的转换，得到的新变量为 一组时间系数项，此与两个场分别对应、成对出现的时间系数间的相互关系即 为雷电监测场与气象要素场的相关关系。

(4)进行区域雷害特征的气象要素相关关系分析，通过SVD分析得出的 前N对时间系数(按协方差大小排列)，可以将地闪的网格化数据随时间的变化 以及同期气象要素随时间变化这一复杂问题简化为N对时间系数间的相互关系。

(5)进行相关性检验与雷害活动特征的气象影响因素分析，对于已知的一 组相关系数，可以采用T检验的方法确定相关关系的显著性；由于LLS的历史 数据主要集中在下半年，在考虑日值数据的情况下，SVD得到的时间系数的向 量元素个数可以满足T检验的样本假设。

所述雷电监测场与气象要素场的相关关系计算方法如下：

雷电监测场与气象要素场的协交叉方差阵为C_sz＝<SZ^T>，符号<>表示求平 均；由SVD，找到两个正交线性变换矩阵L和R，使得两个场之间有极大化协方 差，即：

cov(L^TS,R^TZ)＝L^TC_szR＝MAX

$C_{\mathrm{SZ}}=L\left(\begin{array}{cc}\Sigma & 0\\ 0& 0\end{array}\right)R^T$

$\Sigma =\left(\begin{array}{cccc}{\sigma }_1& 0& ...& 0\\ 0& {\sigma }_2& ...& 0\\ ...& ...& ...& ...\\ 0& 0& ...& {\sigma }_r\end{array}\right)$

其中，Σ＝diag(σ₁，σ₂，…，σ_r)(r≤min{x，z})，且σ₁≥σ₂≥…≥σ_r＞0；σ_i(i＝1,2,...,r)称为C的奇异值；

设A＝L^TS，B＝R^TZ，其中A称为实测场的S时间系数矩阵，B称为模 拟场Z的时间系数矩阵；L和R的第k列向量l_k和r_k(k＝1,2,....,r)分别称为第 k左、右奇异向量，即第k对空间型。

由线性代数理论，可唯一地求解出满足上述条件的L和R。

$\left(\begin{array}{cc}L=\left(\begin{array}{cccc}{l}_{11}& l_{12}& ...& l_{1\mathrm{Ns}}\\ l_{21}& l_{22}& ...& l_{2\mathrm{Ns}}\\ ...& ...& ...& ...\\ l_{\mathrm{Ns}1}& l_{\mathrm{Ns}2}& ...& l_{\mathrm{NsNs}}\end{array}\right)& R=\left(\begin{array}{cccc}{r}_{11}& r_{12}& ...& r_{1\mathrm{Nz}}\\ r_{21}& r_{22}& ...& r_{2\mathrm{Nz}}\\ ...& ...& ...& ...\\ r_{\mathrm{Nz}1}& r_{\mathrm{Nz}2}& ...& r_{\mathrm{NzNz}}\end{array}\right)\end{array}\right)$

所述N对时间系数间的相互关系的相关系数R实现计算为：

前N对时间系数的第k列向量l_k和r_k，k≤N

$R_k=\frac{\underset{i=1}{\overset{n}{\Sigma }}[(l_{\mathrm{ik}}-\bar{l})·(r_{\mathrm{ik}}-\bar{r})]}{\sqrt{\underset{i=1}{\overset{n}{\Sigma }}{(l_{\mathrm{ik}}-\bar{l})}^2·\underset{i=1}{\overset{n}{\Sigma }}{(r_{\mathrm{ik}}-\bar{r})}^2}}$

其中，i＝min(N_s,N_z)。

本发明的有益效果是，本发明综合考虑了电网雷电定位系统历史数据与各 类气象要素观测、分析数据的相关关系，对于雷害特征的气象背景进行有针对 性的分析，得出影响雷害特征的具体的各类物理量。鉴于各级电力公司电网气 象信息系统的实用化水平、数据资料丰富度逐年提高，本发明具有现场应用方 便，算法可靠性高，辅助决策参考价值大的特点。

本发明可用于电网雷电定位系统运行经验丰富、地闪分析精确且建有电网 气象信息系统的网省一级电力公司电力调度机构，提供区域雷害特征的气象学 影响条件的甄别方法，促进电网雷害抵御能力建设。

附图说明

图1是根据本发明主要技术流程总结得出的算法流程示意图。

具体实施方式

本发明的算法基础为奇异值分解(SingularValueDecomposition，简称 SVD)，通过对原技术方法中两个物理量场的相关关系定性分析改进，实现表征 雷害特征的地闪密度参数与气象要素场之间相关关系的分析与诊断。本发明所 涉及的输入信息包括LLS雷电监测数据和与LLS雷电监测数据同期的NECP再分 析数据，在电网气象信息系统中区域气象观测(地面、高空)资料齐备时，也 可采用国内气象部门的气象观测数据。

本发明所采用的技术实现步骤包括：

步骤一：LLS雷电监测数据预处理

将LLS监测得到地闪记录通过网格法处理成0.01°×0.01°、0.05°× 0.05°和0.1°×0.1°三种时空分辨率的逐日网格化地闪密度空间矩阵。

构建以网格数与监测日数为维度的二维矩阵，一般表示为：

$S=\left(\begin{array}{cccc}{x}_{11}& x_{12}& ...& x_{1t}\\ x_{21}& x_{22}& ...& x_{2t}\\ ...& ...& ...& ...\\ x_{N_{S}1}& x_{N_{S}2}& ...& x_{N_{S}t}\end{array}\right)$

其中，N_s代表区域范围内的不同分辨率的网格总数，t代表分析时段内的自 然天数，各矩阵元素经方差标准化处理。

步骤二：NECP再分析数据预处理

收集LLS雷电监测数据历史同期的NECP再分析数据0.1°×0.1°格点数 据，依据LLS监测范围确定NECP再分析数据空间取值范围，时间取值范围遵照 LLS。

NECP再分析资料矩阵一般表示为：

$Z=\left(\begin{array}{cccc}{y}_{11}& y_{12}& ...& y_{1t}\\ y_{21}& y_{22}& ...& y_{2t}\\ ...& ...& ...& ...\\ y_{N_{z}1}& x_{N_{z}2}& ...& x_{N_{z}t}\end{array}\right)$

其中，N_z代表区域范围内的格点数量，各矩阵元素同样经方差标准化处理。

步骤三：LLS雷电监测数据与NECP再分析数据耦合关系分析

为便于描述，将基于LLS熟数据的、由逐日网格化地闪数据所构建的二维 实矩阵简称为雷电监测场(lightningmonitoringfield)，将NCEP再分析资 料中对应时段、对应区域的气象要素二维实矩阵称为气象要素场 (meteorologicalelementsfield)。

雷电监测场与气象要素场的耦合关系是分析雷害特征与气象环境背景相关 性的基础，采用SVD方法对两个场的多项变量实施不同的转换，得到的新变量 为一组时间系数项，此与两个场分别对应、成对出现的时间系数间的相互关系 即为雷电监测场与气象要素场的相关关系。

计算方法简述如下：

两个场的协交叉方差阵为C_sz＝<SZ^T>，符号<>表示求平均。由SVD，找到 两个正交线性变换矩阵L和R，使得两个场之间有极大化协方差，即

cov(L^TS,R^TZ)＝L^TC_szR＝MAX

$C_{\mathrm{SZ}}=L\left(\begin{array}{cc}\Sigma & 0\\ 0& 0\end{array}\right)R^T$

$\Sigma =\left(\begin{array}{cccc}{\sigma }_1& 0& ...& 0\\ 0& {\sigma }_2& ...& 0\\ ...& ...& ...& ...\\ 0& 0& ...& {\sigma }_r\end{array}\right)$

其中，Σ＝diag(σ₁，σ₂，…，σ_r)(r≤min{x，z})，且σ₁≥σ₂≥…≥σ_r＞0。σ_i(i＝1,2,...,r)称为C的奇异值。

设A＝L^TS，B＝R^TZ，其中A称为实测场的S时间系数矩阵，B称为模拟 场Z的时间系数矩阵。L和R的第k列向量l_k和r_k(k＝1,2,....,r)分别称为第k 左、右奇异向量，即第k对空间型。由线性代数理论，可唯一地求解出满足上 述条件的L和R。

$\left(\begin{array}{cc}L=\left(\begin{array}{cccc}{l}_{11}& l_{12}& ...& l_{1\mathrm{Ns}}\\ l_{21}& l_{22}& ...& l_{2\mathrm{Ns}}\\ ...& ...& ...& ...\\ l_{\mathrm{Ns}1}& l_{\mathrm{Ns}2}& ...& l_{\mathrm{NsNs}}\end{array}\right)& R=\left(\begin{array}{cccc}{r}_{11}& r_{12}& ...& r_{1\mathrm{Nz}}\\ r_{21}& r_{22}& ...& r_{2\mathrm{Nz}}\\ ...& ...& ...& ...\\ r_{\mathrm{Nz}1}& r_{\mathrm{Nz}2}& ...& r_{\mathrm{NzNz}}\end{array}\right)\end{array}\right)$

步骤四：区域雷害特征的气象要素相关关系分析

通过SVD分析得出的前N对时间系数(按协方差大小排列)，可以将地闪 的网格化数据随时间的变化以及同期气象要素随时间变化这一复杂问题简化为 N对时间系数间的相互关系，在本发明中采用相关系数R实现计算。

前N对时间系数的第k列向量l_k和r_k，k≤N

$R_k=\frac{\underset{i=1}{\overset{n}{\Sigma }}[(l_{\mathrm{ik}}-\bar{l})·(r_{\mathrm{ik}}-\bar{r})]}{\sqrt{\underset{i=1}{\overset{n}{\Sigma }}{(l_{\mathrm{ik}}-\bar{l})}^2·\underset{i=1}{\overset{n}{\Sigma }}{(r_{\mathrm{ik}}-\bar{r})}^2}}$

其中，i＝min(N_s,N_z)

步骤五：相关性检验与雷害活动特征的气象影响因素分析

对于已知的一组相关系数，可以采用T检验的方法(公式略)确定相关关 系的显著性。由于LLS的历史数据主要集中在下半年，在考虑日值数据的情况 下，SVD得到的时间系数的向量元素个数可以满足T检验的样本假设。

经T检验，与雷害活动显著相关的各类气象要素场即为影响雷害活动特征 的主要环境变量，可以用于雷害活动过程分析、雷害预警及其他电力系统雷电 防护工程。