李源林 林忠 尹沁

摘要：為設計一種用于電網災害監(jiān)測與精準預報的系統(tǒng)，綜合營配調基礎數據采錄成果和氣象歷史數據，深度挖掘電網專業(yè)應用與氣象、位置和時節(jié)之間的關系，探索電網專業(yè)需求與氣象影響的大數據模型，研究電網氣象海量數據實時處理方法，設計電網氣象海量數據優(yōu)化存儲管理技術，建立一個以大數據處理技術為基礎的電網氣象數據分析平臺，并逐步針對不同電網實際需求建立相應的災害監(jiān)測、預警分析模塊，為電力行業(yè)各業(yè)務層用戶提供全兼容數據接口和數據可視化技術。

關鍵詞：電網氣象;災害監(jiān)測;大數據

中圖分類號：TP311? ? ? ? 文獻標識碼：A

文章編號：1009-3044（2019）22-0246-06

開放科學（資源服務）標識碼（OSID）：

Design and Implementation For Grid Disaster Monitoring and Precision Forecasting System

LI Yuan-lin1，LIN Zhong 2，YIN Qin 1

（1.Hubei Central China Technology Development of Electric Power CO.LTD，Wuhan 430077， China; 2.MLOGCN（Wuhan）Technology Co.LTD，Wuhan 430074， China）

Abstract： To design a system for grid disaster monitoring and accurate forecasting， comprehensively adjust the basic data acquisition results and meteorological historical data， and deeply explore the relationship between power grid professional application and meteorology， location and time， and explore the professional demand and weather of power grid. The impacted big data model， the real-time processing method of grid meteorological massive data， the design of grid meteorological massive data optimized storage management technology， the establishment of a grid data analysis platform based on big data processing technology， and gradually establish corresponding corresponding to the actual needs of different grids The disaster monitoring and early warning analysis module provides fully compatible data interfaces and data visualization technologies for users in the power industry.

Key words： Grid meteorology; Disaster monitoring; Big Data

隨著電網結構日趨完善和電網管理水平不斷提高，電力系統(tǒng)的安全穩(wěn)定水平也大幅度提高，然而雷暴、覆冰等自然災害等引發(fā)的電網事故仍時有發(fā)生，嚴重的自然災害所造成的后果是不容忽視的。近年來，嚴重雷暴、覆冰等災害給我國很多地區(qū)造成大面積停電事故，網架結構受到嚴重破壞，已經給我們敲響了潛在危機的警鐘。

為應對雷暴和覆冰等各種自然災害問題，我們國家也在積極尋找有效的方法來對氣象災害進行預報預警。一個完整的氣象災害預警系統(tǒng)[1]，至少需要由監(jiān)測、預警和信息發(fā)布等部分構成。

我國高度重視氣象信息在電力行業(yè)的應用[2]。中國氣象局系統(tǒng)中有完備的氣象預警信息制作和發(fā)布機制，并通過多種手段及時向社會發(fā)布，并為電網系統(tǒng)提供數據服務。電網系統(tǒng)各級部門積極開展“電網災害預警”研究[2，3]，在氣象災害預警、電網運行監(jiān)測、故障搶修優(yōu)化等方面做了大量有益探索，大大促進了生產。主要依托于現(xiàn)代信息技術，采取更有效的災情預報技術和監(jiān)測技術[4]，高效地利用與整合有限的資源，提高特高壓輸電通道應對風險能力和緊急事件快速反應能力。在國內的沿海發(fā)達地區(qū)已經開展輸電線路與氣象條件分析的相關研究，相關的服務系統(tǒng)、預警和預報系統(tǒng)也在逐步建立和完善。

但是在電網災害預警的研究方面，對特定環(huán)境的特高壓通道電網特有災害研究工作（如雷暴和覆冰）偏于籠統(tǒng)，時效性一般，大部分的研究都集中于電網本身的狀態(tài)或者只是簡單使用氣象部門提供的災害預報數據本身，二者結合的手段較為單一，也不便于整體統(tǒng)計評估。盡管有些研究工作也提到了非電網本身信息對電網安全風險預警研究的重要性[5，6]，但由于其不可計量性沒有形成系統(tǒng)的研究，尚未建立適用于針對特高壓輸電通道的特定災害的監(jiān)測、分析預警模型。以上缺陷使得目前的電網氣象災害監(jiān)測預警系統(tǒng)只能進行初步監(jiān)測、分析和預警，而不是精確分析預警。

1 電網災害監(jiān)測與精準預報系統(tǒng)設計

1.1 邏輯結構

電網災害監(jiān)測與精準預報系統(tǒng)的技術架構采用基于MVC的設計模式，是由具有統(tǒng)一接口定義方式的組件和一些功能松耦合模塊的架構模式。實現(xiàn)了系統(tǒng)的高可用性、高可靠性和高可擴展性。

如下圖所示：

采用B/S架構，相較于傳統(tǒng)的應用系統(tǒng)體系結構一般使用客戶端/服務器（Client/Server）的結構，這種胖客戶端的模式不易于維護，且數據安全性較低，而瀏覽器/服務器（Browser/Server）的體系架構則很好地克服了這些缺點。在這種架構下，用戶界面完全通過瀏覽器進行實現(xiàn)和展示，中間的WEB應用層則負責連通前端瀏覽器展示層以及后端數據層，形成所謂的3-tier架構體系。

采用上述開發(fā)模型，不僅實現(xiàn)了視圖、控制器與模型的徹底分離，而且還實現(xiàn)了業(yè)務邏輯層與持久層的分離。這樣無論前端如何變化，模型層只需很少的改動，并且數據庫的變化也不會對前端有所影響，大大提高了系統(tǒng)的可復用性。而且由于不同層之間耦合度小。

如圖上圖中所示：

1.客戶端僅需要瀏覽器來進行操作。

2.系統(tǒng)通過網絡安全驗證，系統(tǒng)身份驗證進入下一步操作。

3.登錄至系統(tǒng)（Web應用服務器）后，Web應用服務器再對其用戶請求作處理后，經過一系列的運算控制，從數據庫中讀取用戶請求的數據。

4.在底層應用環(huán)節(jié)中記錄用戶所操作的內容，以日志形式存儲。

5.數據獲取成功后，返回給用戶請求頁，以視圖形式呈現(xiàn)出來。

1.2 技術架構

系統(tǒng)采用目前流行的三層架構思想，經擴展后形成多層架構體系，同時采用Bootstrap前端框架、ORM數據對象模型框架以及 AJAX 等富客戶端（RIA）的先進技術，保持整個系統(tǒng)的先進性、可擴展性。

1.Client客戶端，以瀏覽器為載體，應用于日常系統(tǒng)管理及維護。

2.系統(tǒng)從職責上分為四層：表示層、業(yè)務邏輯層、數據持久層和域模塊層，搭建結構清晰、可復用性好、維護方便的Web應用程序。

視圖層：描述用戶操作的頁面整體格局與具體操作的內容項，涉及首頁登錄界面、主內容頁、左側導航菜單頁等相關頁面。

業(yè)務邏輯層：以服務類（Service類）為主來實現(xiàn)系統(tǒng)主要的業(yè)務邏輯，實現(xiàn)統(tǒng)一的服務接口（Controller），對用戶頁面下相應的功能操作及邏輯處理過程進行開發(fā)，如登錄需要接收用戶用戶名及密碼，通過此層來進行調用后臺數據，并進行加密驗證。

數據訪問層：以解釋數據為目標，涵蓋業(yè)務需要的相對應數據庫操作對象，包括諸多常用的讀寫權限功能操作及對于數據庫操作的安全日志記錄功能。

模型層：通過ORM（關系數據模型），將系統(tǒng)所需的數據表結構及字段進行實體化，便于在上幾層引用其相關屬性及內置方法，為系統(tǒng)開發(fā)及維護提供更多簡易性、安全性、規(guī)范性的參考。

1.3 邏輯分層

1.3組件關聯(lián)

1.4功能組件

1.5 接口組件

接口內容如下：

接口組件分項說明：

1.6算法實現(xiàn)

1.6.1 覆冰預警算法

（1）覆冰預警等級

覆冰預警分為綠、黃、橙、紅四個級別，對應采取的措施如下：

綠色：無覆冰可能，正常監(jiān)視;

黃色：輕微覆冰可能，加強監(jiān)視;

橙色：覆冰可能性較大，密切監(jiān)視，并準備除冰的相關人員和設備;

紅色：線路已經覆冰，根據覆冰增長情況，適時安排除冰作業(yè)。

（2）覆冰預警算法

覆冰預警算法流程圖如圖7。

本覆冰預警算法采用高分辨率的數值模式數據。首先判斷濕度條件是否有利于覆冰生成，即降雨量>0或相對濕度>80%。如果條件不滿足則無覆冰預警，條件滿足則進入下一階段。

進一步判斷過冷水滴粘附凍結的環(huán)境氣溫條件，即氣溫是否小于<1℃。如果條件不滿足則無覆冰預警，條件滿足則進入下一階段。

當具備了形成覆冰的氣溫和水汽條件后，空氣中通常存在足量過冷水滴，此時風速對于導線對過冷水滴的碰撞捕獲率起重要作用。若風速小于3m/s，則導線對過冷水滴的捕獲率較小，覆冰質量較低，發(fā)布覆冰黃色預警。若風速大于3m/s，則覆冰過程加快，發(fā)布覆冰橙色預警。

如果上述氣象條件的持續(xù)時間超過6小時，則會導致覆冰的累積增長，橙色預警升級為紅色預警。若氣溫回升高于2℃超過6小時，則預警解除。

在發(fā)布預警后，根據不同的天氣類型對覆冰進行分類。有降雨或大霧天氣，氣溫<-5℃歸類為霧凇覆冰，氣溫-5～0℃歸類為雨凇覆冰。無降雨但有降雪天氣，氣溫在0℃附近歸類為雪凇覆冰，且氣溫≥0℃為濕雪覆冰，氣溫<0℃為干雪覆冰。

1.6.2 雷電預警算法

（1）雷電預警算法流程

利用EC數值模式天氣預報產品，在大的空間尺度上給出整個區(qū)域在0-24h內發(fā)生雷電活動的可能性（雷電活動潛勢預報），然后逐步引入時空分辨率越來越細的準實時和實時觀測數據（閃電定位儀和雷達資料），對有可能發(fā)生或已經發(fā)生閃電的區(qū)域進行識別、跟蹤、外推和預測，得出雷電臨近預報結果。

（2）雷電潛勢預報算法說明

強對流天氣預報一般考慮三個要素：1、抬升條件2、水汽條件3、不穩(wěn)定條件。

從空間分辨率為0.25°×0.25°的EC數值模式格點化預報產品中選取代表不穩(wěn)定條件的物理量指標：SI指數，K指數，850hpa假相當位溫，500-850hpa溫度差， 500-850hpa假相當位溫差值，850hPa假相當位溫等;代表水汽條件的物理量指標：850hPa比濕，500hPa溫度露點差， 700hPa溫度露點差， 850hPa溫度露點差，925hPa溫度露點差等。根據2012年湖北地區(qū)78站次一天4個時間段的雷暴觀測資料統(tǒng)計的4萬個多個樣本，對以上各個指數與雷暴日進行相關性檢驗，提取出10個雷暴潛勢預報指標及其相應閾值。

該潛勢預報方法通過累加所選物理參數超過閾值的數量來計算雷電的潛勢預報概率，例如如果超過7個物理量滿足所設定閾值，則雷暴潛勢概率為70%。

在傳統(tǒng)天氣預報中，預報通常需要根據中尺度天氣形勢對格點預報結果進行人工修正。在本算法中根據500hpa和700hpa風場的方向梯度直方圖（Histogram of Oriented Gradient， HOG）特征來對中尺度天氣系統(tǒng)進行自動識別。 HOG特征是一種在計算機視覺和圖像處理中用來進行目標檢測的特征描述子。它通過計算和統(tǒng)計圖像局部區(qū)域的梯度方向直方圖來構成特征。本算法利用SVM分類器對2000個風場樣本的HOG特征進行學習，識別槽線、鋒面等天氣形勢，實現(xiàn)對上述格點潛勢預報結果的自動訂正。

（3） 雷電臨近預警算法說明

天氣雷達是作為強對流天氣監(jiān)測最有效的手段之一，該算法根據2016年長江中下游地區(qū)的5000個雷電樣本和雷達反射率的相關分析結果，采用7km高度出現(xiàn)30dBz回波和10km回波頂高作為雷電預警指標。由于我國現(xiàn)有多普勒雷達普遍存在的數據質量問題，高強度的虛假回波通常會造成閃電誤報，因此需要根據潛勢預報結果和閃電實況數據進行預判斷，減少誤報率。

（4）雷電外推算法說明

光流法是計算機視覺領域中的重要方法，用來描述相對于觀察者的運動所造成的觀測目標、表面或邊緣的運動。光流法具有高彈性、高靈活性等特點，可以模擬出接近理想的運動矢量場，能準確地實現(xiàn)對目標物的識別、追蹤和運動估計。

光流速度矢量用兩個分量u，v來表達。假設笛卡爾坐標平面上有一點（x，y），該點在時刻t的灰度值（雷達回波強度）為I（x，y，z）。假定該點在t+Δt時運動到（x+Δx，y+Δy），在一定時間間隔Δt內灰度值保持不變，即

I（x+uΔt，y+vΔt，t+Δt）=I（x，y，z）

上式隨時間一階展開后得到光流約束方程

Ixu+ Iyv+ It=0

由于光流有兩個未知變量u和v，而光流約束方程只有一個方程，因此需要引入進一步的約束條件才能完全確定光流。因為臨近預報關注回波精細化的局地預報，本算法選定Lucas-Kanade局部約束法作為計算光流的約束條件，利用圖像的Harris角點附近的多個光流方程的解來代表圖像的局域光流。

與傳統(tǒng)的交叉相關法相比，光流法立足于圖像在時空尺度上的變化，而不是選定不變特征再跟蹤不變特征移動的方式。將光流法應用于雷電臨近預報，不僅可以得到回波的外推預報，還可以彌補傳統(tǒng)的雷暴外推方法（交叉相關法）的缺陷，提升臨近預報系統(tǒng)的性能。

2 結語

本文設計實現(xiàn)了一種用于災害監(jiān)測與精準預報的系統(tǒng)針對電網工作構建了專有系統(tǒng)，支持對電網氣象大數據平臺的整體架構規(guī)劃設計，使其符合氣象和電力數據的接入、存儲、查詢和分析，完成電網氣象檢測預警大數據分析平臺的搭建，支持對海量氣象數據的接入、電網和氣象大數據的快速存取、不同電網專業(yè)分析模型的掛接、監(jiān)測數據查詢計算和災害預警分析計算。完成電網災害監(jiān)測數據收集并有效利用更加細密的氣象自動站數據、精細化格點數據進行可視化展現(xiàn);分析電網相關的氣象災害，針對雷暴和覆冰兩種災害類型研發(fā)特征氣象災害預警算法，利用高精細度大氣數值模擬方法，結合電網設備精細化數據與電網特有氣象災害分析模型，做出準確及時的災害預報預警，從而提前布防，有計劃的檢修搶修，減少突發(fā)影響、有效提升終端供電服務質量。

參考文獻：

[1] 鄒宇晨，張曦. 城市氣象災害預警發(fā)布標準化機制的分析[J].中國標準化，2017.

[2] 李華偉，周照. 電力氣象服務平臺研究[J].氣象研究與應用，2012（7）.

[3] 周景. 電網自然災害預警管理模型及決策支持系統(tǒng)研究[D]. 華北電力大學（北京），2016.

[4] 王興發(fā)，曹懷予，肖軍詩，等.我國電網自然災害預警系統(tǒng)研究[J].安全與環(huán)境工程，2012（8）.

[5] 熊小伏，王尉軍，于洋， 等.多氣象因素組合的輸電線路風險分析[J].電力系統(tǒng)及其自動化學報，2011（9）.

[6] 黃筱婷，戴棟，李昊， 等.基于在線監(jiān)測數據的輸電線路覆冰形態(tài)研究[J].南方電網技術，2013（8）.

【通聯(lián)編輯：唐一東】