基于增量數(shù)據(jù)的電網(wǎng)高影響疑似火點識別研判關(guān)鍵技術(shù)研究與應(yīng)用
孫世軍，韓 洪
（國網(wǎng)山東省電力公司，山東省 濟(jì)南市，250000）
Research and Application of Key Technologies for Identifying and Judging Suspected Fire Points with High Impact in Power Grid Based on Incremental Data
SUN ShiJun,HAN Hong
(State Grid Shandong Electric Power Company, Jinan City, Shandong Province, 250000)
Abstract: Research on Key Technologies of intelligent identification of suspected high-impact fire points in power grid based on incremental data, which is mainly composed of geostationary meteorological satellite data with high spatial resolution, high observation frequency and high time-efficiency observation, supplemented by multi-polar orbit satellite data, applies adaptive threshold mountain fire point monitoring algorithm, develops a tracking technology of suspected high-impact fire points in power grid based on incremental data, and achieves rapid acquisition. Fire information, such as location, area and temperature, can be used to track the dynamic development and change of the fire field in real time, estimate the spread speed and direction of the fire field, and determine the type of the fire field. At the same time, matching the grid GIS platform, refine the wind field near the ground and forecast can significantly improve the power grid high-impact fire monitoring recognition and tracking ability.
Key words: suspected power grid fire point;incremental data;high impact analysis;mountain fire analysis and judgment;forecast and early warning
摘要：基于增量數(shù)據(jù)的電網(wǎng)高影響疑似火點智能識別關(guān)鍵技術(shù)研究，以高空間分辨率、高觀測頻次和高時效觀測的靜止氣象衛(wèi)星數(shù)據(jù)為主，以多顆極軌衛(wèi)星數(shù)據(jù)為輔，應(yīng)用自適應(yīng)閾值山火火點監(jiān)測算法，研發(fā)基于增量數(shù)據(jù)的電網(wǎng)高影響疑似火點識別跟蹤技術(shù)，實現(xiàn)快速獲取火點位置、面積、溫度等火情信息，實時跟蹤山火火場動態(tài)發(fā)展變化，估算火場蔓延速度和方向以及確定火場類型，同時匹配電網(wǎng)GIS平臺、精細(xì)化近地面層風(fēng)場實況和預(yù)報，顯著提高電網(wǎng)高影響火點監(jiān)測識別與跟蹤能力。
關(guān)鍵詞：電網(wǎng)疑似火點；增量數(shù)據(jù)；高影響分析；山火分析研判；預(yù)報預(yù)警
0 引言
近年來，山東氣象災(zāi)害頻發(fā)，電網(wǎng)運行環(huán)境日趨惡劣和復(fù)雜，雨雪冰凍、風(fēng)暴潮、臺風(fēng)、暴雨雷電等強(qiáng)對流災(zāi)害，霧霾、大風(fēng)、沙塵暴、山火等極端天氣和自然災(zāi)害對電網(wǎng)的影響越來越大，給電網(wǎng)設(shè)施造成嚴(yán)重的危害和損失。山東省為暖溫帶季風(fēng)類氣候，有良好的水熱條件和多種地貌類型，林地面積為3819萬畝，森林覆蓋率為16.73%，林木綠化率為20.23%。冬春季節(jié)氣候較為干燥，每年11月至次年5月為山火高發(fā)期，屬山火易發(fā)省份。在各類氣象災(zāi)害中，由于山火識別困難、發(fā)展速度快、撲救困難等因素，山東電網(wǎng)主要輸電線路、桿塔與林地植被區(qū)分布相對一致，近幾年因山火造成的線路跳閘、停運等明顯增多，給山東電網(wǎng)安全穩(wěn)定運行帶來巨大壓力。
基于增量數(shù)據(jù)的電網(wǎng)高影響疑似火點智能識別關(guān)鍵技術(shù)研究通過兩種模式的疑似火點監(jiān)測數(shù)據(jù)，構(gòu)建疑似火點實例數(shù)據(jù)集，研究特定地點疑似火點概率預(yù)報模型與算法，結(jié)合該點歷史火險情況，提高火點識別概率，主要研究目標(biāo)包括：
研究基于增量數(shù)據(jù)的電網(wǎng)疑似火點智能識別技術(shù)，包括火點定位、火點識別、火點分類等，實現(xiàn)疑似火點智能識別及自定義閾值報；
研究基于電網(wǎng)GIS及增量疑似火點數(shù)據(jù)關(guān)聯(lián)分析技術(shù)，包括疑似火點與電網(wǎng)設(shè)備關(guān)聯(lián)度分析、影響范圍分析；
研究基于增量數(shù)據(jù)疑似火點高影響分析技術(shù)，包括影響程度、影響概率分析。結(jié)合火險點電網(wǎng)地理信息數(shù)據(jù)、歷史火點數(shù)據(jù)構(gòu)建高影響分析模型。
1 國內(nèi)外現(xiàn)狀
2015年，國網(wǎng)湖北電力公司開展了《基于衛(wèi)星遙感技術(shù)的輸電線路山火風(fēng)險評估系統(tǒng)》研究，研發(fā)了輸電線路走廊山火風(fēng)險實時監(jiān)測與分析系統(tǒng)，提出結(jié)合國內(nèi)外衛(wèi)星遙感影像數(shù)據(jù)分析的山火風(fēng)險評估模型。將該系統(tǒng)成功的應(yīng)用于湖北電網(wǎng)輸電線路山火風(fēng)險評估，實現(xiàn)了湖北電網(wǎng)范圍內(nèi)的輸電線路不同區(qū)域的風(fēng)險分級。應(yīng)用結(jié)果表明，該系統(tǒng)通過互聯(lián)網(wǎng)技術(shù)和衛(wèi)星遙感，專家系統(tǒng)，大數(shù)據(jù)挖掘等多重手段，有效的獲取了山火風(fēng)險高發(fā)區(qū)段，指導(dǎo)了冬春季節(jié)的山火預(yù)防工作。
然而，上述研究存在遙感數(shù)據(jù)頻率低，實時性差等問題，沒有基于增量數(shù)據(jù)開展高影響分析技術(shù)，包括影響程度、影響概率分析等。
本文結(jié)合基于電網(wǎng)GIS，通過兩種模式的疑似火點監(jiān)測數(shù)據(jù)，構(gòu)建疑似火點實例數(shù)據(jù)集，研究特定地點疑似火點概率預(yù)報模型與算法，結(jié)合該點歷史火險情況，提高火點識別概率。
2 研究內(nèi)容
基于增量數(shù)據(jù)的電網(wǎng)高影響疑似火點智能識別關(guān)鍵技術(shù)研究應(yīng)用通過兩種模式的疑似火點監(jiān)測數(shù)據(jù)，構(gòu)建疑似火點實例數(shù)據(jù)集，研究特定地點疑似火點概率預(yù)報模型與算法，結(jié)合改點歷史火險情況，提高火點識別概率，主要研究內(nèi)容包括：基于增量數(shù)據(jù)的電網(wǎng)疑似火點智能識別技術(shù)研究、基于電網(wǎng)GIS及增量疑似火點數(shù)據(jù)關(guān)聯(lián)分析技術(shù)研究、基于增量數(shù)據(jù)疑似火點高影響分析技術(shù)研究、基于增量是數(shù)據(jù)的電網(wǎng)高影響火點動態(tài)預(yù)警修正。
2.1基于增量數(shù)據(jù)的電網(wǎng)疑似火點智能識別技術(shù)
由于衛(wèi)星監(jiān)測對紅外熱點識別率較高，同時受環(huán)境、氣象等因素影響較大，容易造成火點誤判，為提高山火監(jiān)測的有效性、準(zhǔn)確性，需要開展基于增量數(shù)據(jù)的電網(wǎng)疑似火點智能識別技術(shù)研究，包括增量數(shù)據(jù)分析、火點定位、火點識別、火點分類等，實現(xiàn)疑似山火火點智能識別及自定義閾值報等功能。
衛(wèi)星發(fā)送的疑似火點數(shù)據(jù)不利于數(shù)據(jù)處理展示分析，首先將疑似火點文本進(jìn)行掃描分析，取出掃描類型、地點、發(fā)布時間、地表屬性等信息進(jìn)行分類存儲。通過分析處理，讀取疑似火點數(shù)據(jù)信息結(jié)果，利用經(jīng)緯度坐標(biāo)及GIS平臺服務(wù)，在GIS上進(jìn)行疑似火點位置的定位，標(biāo)注火點圖標(biāo)并顯示相關(guān)屬性信息。其次按照火點地理位置、所屬地形、歷史火點信息進(jìn)行初步火點識別，并根據(jù)實時氣象條件、季節(jié)、風(fēng)向等因素綜合分析預(yù)警。
疑似火點識別權(quán)重計算：
計算每行所有元素的幾何平均值，得到向量M =[m1, m2,…mn]T，其中mi= （i，=1,2，…,n）
對列向量M作歸一化處理，得到相對權(quán)重向量W=[w1, w2,…wn]T，其中wi=
得出下表：
權(quán)重值（aij) | 要素 | 說 明 |
1 | 實時氣象 | i與j同等重要 |
2 | 地理地形 | i比j略為重要 |
3 | 歷史火點 | i與j明顯重要 |
4 | 季節(jié) | i與j極為重要 |
5 | 其他 | Q……………… |
2.2基于電網(wǎng)GIS及增量疑似火點數(shù)據(jù)關(guān)聯(lián)分析技術(shù)
基于電網(wǎng)GIS及增量疑似火點數(shù)據(jù)關(guān)聯(lián)分析技術(shù)包括疑似火點與電網(wǎng)設(shè)備關(guān)聯(lián)度分析、影響范圍分析；疑似火點數(shù)據(jù)信息在GIS平臺進(jìn)行識別及定位標(biāo)注后，只是在GIS上形成疑似火點數(shù)據(jù)信息的位置展示，并未與周圍的電網(wǎng)設(shè)施發(fā)生關(guān)聯(lián)。通過已知的疑似火點位置、GIS上的電網(wǎng)設(shè)施坐標(biāo)、電網(wǎng)設(shè)施緩沖區(qū)等相關(guān)數(shù)據(jù)，結(jié)合地球兩點距離算法，開發(fā)形成了基于GIS平臺的最短距離算法。此算法可自定義火點中心任意距離（km/m）的搜索半徑，檢索出范圍內(nèi)的電網(wǎng)設(shè)施后，測算火點分別與半徑內(nèi)變電站、桿塔的距離，利用冒泡排序算法自動進(jìn)行最短距離的排序，排序結(jié)果可打印輸出。
以下為火點與電網(wǎng)設(shè)施距離算法，并附代碼片段：
40075.7 為地球赤道周長，distance（_x，_y）為桿塔坐標(biāo)，center（x，y）為火點坐標(biāo)，len為弧長，m為桿塔距離火點的距離。
Private function distance（_x：Number，_y：Number）:Number
{
var len: Number=Math.sqrt (Math.pow (_x-centerX， 2) + Math.pow (_y-centerY， 2));
var m:Number=40075.7*1000/360*len;
Return m;
2.3基于增量數(shù)據(jù)疑似火點高影響分析技術(shù)
完成疑似火點識別基礎(chǔ)上，結(jié)合火險點電網(wǎng)地理信息數(shù)據(jù)、歷史火點數(shù)據(jù)構(gòu)建高影響分析模型，包括影響程度、影響概率分析。
由于不同季節(jié)、不同地形以及風(fēng)力風(fēng)向等各類氣象要素對火點的發(fā)展趨勢影響不同，并綜合電網(wǎng)設(shè)備電壓等級、距離火點距離等因素建立基于增量數(shù)據(jù)的疑似火點高影響分析模型，綜合分析火點與電網(wǎng)設(shè)備的一一對應(yīng)關(guān)系及影響概率，并設(shè)定概率閾值。
M點電網(wǎng)設(shè)備影響概率為Pm，R、C、D為不同影響類別，i、j、h為特點要素影響權(quán)重（i=1.2.3…N）（j=1.2.3…N）（h=1.2.3…N）。
2.4基于增量是數(shù)據(jù)的電網(wǎng)高影響火點動態(tài)預(yù)警修正
疑似火點被確認(rèn)為實際火災(zāi)后，對于火勢的精確判斷顯得尤為重要?；饎莸穆尤菀资艿街車鷼庀蟓h(huán)境的影響，通過對火點附近風(fēng)力、風(fēng)向、風(fēng)速、溫度、降水等要素的監(jiān)測及未來24 小時的逐小時預(yù)報，結(jié)合衛(wèi)星云圖、氣象雷達(dá)等監(jiān)測手段進(jìn)行持續(xù)監(jiān)測，并動態(tài)修正影響概率及預(yù)警級別。以此可以較為準(zhǔn)確地獲取火點周圍的氣象環(huán)境信息，便于及時做好防火隔離措施，為電網(wǎng)搶修、應(yīng)急指揮提供氣象環(huán)境決策支持。
其次，根據(jù)影響概率綜合分析，結(jié)合各地區(qū)輸電線路、桿塔歷年遭受山火次數(shù)、頻率、受災(zāi)程度等歷史數(shù)據(jù)，山東省主要植被覆蓋區(qū)域、歷年冬春季節(jié)溫度、濕度等氣象環(huán)境的變化，可以分級標(biāo)識山東省內(nèi)不同區(qū)域發(fā)生山火的強(qiáng)度，提高山東電網(wǎng)防山火監(jiān)測預(yù)警的準(zhǔn)確性、科學(xué)性。也可作為電網(wǎng)規(guī)劃設(shè)計、選址建設(shè)、運行檢修的重要參考依據(jù)，盡量避開山火高發(fā)區(qū)，降低山火對電網(wǎng)輸電線路、桿塔等電力設(shè)施的危害。
3 結(jié)語
該成果應(yīng)用前景廣闊，對提升電網(wǎng)山火識別率、提升應(yīng)急處置效率，減少山火導(dǎo)致的停電損失，有重大意義?？梢匀轿惶岣咧悄茈娋W(wǎng)各環(huán)節(jié)的信息感知深度和廣度，有助于提高山東電網(wǎng)防山火監(jiān)測預(yù)警的準(zhǔn)確性、科學(xué)性。
基于增量數(shù)據(jù)的電網(wǎng)高影響疑似火點智能識別關(guān)鍵技術(shù)研究在電網(wǎng)山火監(jiān)測預(yù)警體系建設(shè)、高效應(yīng)急處置、保障電網(wǎng)安全平穩(wěn)運行具有重要意義。該研究可有效提高電網(wǎng)搶修效率，減少經(jīng)濟(jì)損失，提高公司社會形象和客戶滿意度，具有良好的經(jīng)濟(jì)和社會效應(yīng)?？梢蕴嵘娋W(wǎng)火點監(jiān)測預(yù)警精細(xì)化水平，減少停電等經(jīng)濟(jì)損失。全方位提高智能電網(wǎng)各環(huán)節(jié)的信息感知深度和廣度，有助于提高山東電網(wǎng)防山火監(jiān)測預(yù)警的準(zhǔn)確性、科學(xué)性。其次，提升公司社會形象和客戶滿意度。該技術(shù)研究可有效提高應(yīng)急處置針對性，對及早控制火災(zāi)蔓延，縮短停電時間，保障人民生活和社會生產(chǎn)正常進(jìn)行，提升公司社會形象和客戶滿意度，彰顯社會責(zé)任。
參考文獻(xiàn)
孫世軍,張治取,韓洪.疑似火點監(jiān)測定位及電網(wǎng)運行預(yù)警方法[J].中國電力,2017,50(04):181-184.
陸佳政,吳傳平,楊莉,張紅先,劉毓,徐勛建.輸電線路山火監(jiān)測預(yù)警系統(tǒng)的研究及應(yīng)用[J].電力系統(tǒng)保護(hù)與控制,2014,42(16):89-95.
周景. 電網(wǎng)自然災(zāi)害預(yù)警管理模型及決策支持系統(tǒng)研究[D].華北電力大學(xué)(北京),2016.
吳勇軍,薛禹勝,陸佳政,謝云云,徐泰山,李文云,吳琛.山火災(zāi)害對電網(wǎng)故障率的時空影響[J].電力系統(tǒng)自動化,2016,40(03):14-20.
程向輝,劉俊勇,馮瀚,賀星棋,韓衛(wèi)恒,胥威汀.基于事故態(tài)勢等級評判的電力應(yīng)急指揮中心啟動輔助決策分析[J].電力系統(tǒng)保護(hù)與控制,2011,39(16):45-52.
朱奇. 基于多因素權(quán)重分析的輸電線路災(zāi)害預(yù)警評估模型研究[D].武漢大學(xué),2018.
王琨,范沖.基于層次分析法的輸電線路走廊山火風(fēng)險影響因子權(quán)重分析[J].測繪與空間地理信息,2016,39(12):116-119.
郭金玉,張忠彬,孫慶云.層次分析法的研究與應(yīng)用[J].中國安全科學(xué)學(xué)報,2008(05):148-153.
鐘雅珊. 山火自然災(zāi)害影響下的區(qū)域電網(wǎng)安全評價及管理研究[D].華北電力大學(xué)(北京),2017.
艾欣,周志宇.山火災(zāi)害下電網(wǎng)輸電線路關(guān)鍵性評估方法[J].高電壓技術(shù),2018,44(08):2433-2441.
電力系統(tǒng)風(fēng)險評估模型、方法和應(yīng)用[M]. 科學(xué)出版社 , (加)李文沅著, 2006
評論