基于增量數據的電網高影響疑似火點識別研判關鍵技術研究與應用

孫世軍，韓 洪

（國網山東省電力公司，山東省 濟南市，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：基于增量數據的電網高影響疑似火點智能識別關鍵技術研究，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)星數據為主，以多顆極軌衛(wèi)星數據為輔，應用自適應閾值山火火點監(jiān)測算法，研發(fā)基于增量數據的電網高影響疑似火點識別跟蹤技術，實現快速獲取火點位置、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GIS平臺、精細化近地面層風場實況和預報，顯著提高電網高影響火點監(jiān)測識別與跟蹤能力。

關鍵詞：電網疑似火點；增量數據；高影響分析；山火分析研判；預報預警

0  引言

近年來，山東氣象災害頻發(fā)，電網運行環(huán)境日趨惡劣和復雜，雨雪冰凍、風暴潮、臺風、暴雨雷電等強對流災害，霧霾、大風、沙塵暴、山火等極端天氣和自然災害對電網的影響越來越大，給電網設施造成嚴重的危害和損失。山東省為暖溫帶季風類氣候，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，給山東電網安全穩(wěn)定運行帶來巨大壓力。

基于增量數據的電網高影響疑似火點智能識別關鍵技術研究通過兩種模式的疑似火點監(jiān)測數據，構建疑似火點實例數據集，研究特定地點疑似火點概率預報模型與算法，結合該點歷史火險情況，提高火點識別概率，主要研究目標包括：

研究基于增量數據的電網疑似火點智能識別技術，包括火點定位、火點識別、火點分類等，實現疑似火點智能識別及自定義閾值報；

研究基于電網GIS及增量疑似火點數據關聯分析技術，包括疑似火點與電網設備關聯度分析、影響范圍分析；

研究基于增量數據疑似火點高影響分析技術，包括影響程度、影響概率分析。結合火險點電網地理信息數據、歷史火點數據構建高影響分析模型。

1  國內外現狀

2015年，國網湖北電力公司開展了《基于衛(wèi)星遙感技術的輸電線路山火風險評估系統(tǒng)》研究，研發(fā)了輸電線路走廊山火風險實時監(jiān)測與分析系統(tǒng)，提出結合國內外衛(wèi)星遙感影像數據分析的山火風險評估模型。將該系統(tǒng)成功的應用于湖北電網輸電線路山火風險評估，實現了湖北電網范圍內的輸電線路不同區(qū)域的風險分級。應用結果表明，該系統(tǒng)通過互聯網技術和衛(wèi)星遙感，專家系統(tǒng)，大數據挖掘等多重手段，有效的獲取了山火風險高發(fā)區(qū)段，指導了冬春季節(jié)的山火預防工作。

然而，上述研究存在遙感數據頻率低，實時性差等問題，沒有基于增量數據開展高影響分析技術，包括影響程度、影響概率分析等。

本文結合基于電網GIS，通過兩種模式的疑似火點監(jiān)測數據，構建疑似火點實例數據集，研究特定地點疑似火點概率預報模型與算法，結合該點歷史火險情況，提高火點識別概率。

2  研究內容

基于增量數據的電網高影響疑似火點智能識別關鍵技術研究應用通過兩種模式的疑似火點監(jiān)測數據，構建疑似火點實例數據集，研究特定地點疑似火點概率預報模型與算法，結合改點歷史火險情況，提高火點識別概率，主要研究內容包括：基于增量數據的電網疑似火點智能識別技術研究、基于電網GIS及增量疑似火點數據關聯分析技術研究、基于增量數據疑似火點高影響分析技術研究、基于增量是數據的電網高影響火點動態(tài)預警修正。

2.1基于增量數據的電網疑似火點智能識別技術

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、準確性，需要開展基于增量數據的電網疑似火點智能識別技術研究，包括增量數據分析、火點定位、火點識別、火點分類等，實現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)送的疑似火點數據不利于數據處理展示分析，首先將疑似火點文本進行掃描分析，取出掃描類型、地點、發(fā)布時間、地表屬性等信息進行分類存儲。通過分析處理，讀取疑似火點數據信息結果，利用經緯度坐標及GIS平臺服務，在GIS上進行疑似火點位置的定位，標注火點圖標并顯示相關屬性信息。其次按照火點地理位置、所屬地形、歷史火點信息進行初步火點識別，并根據實時氣象條件、季節(jié)、風向等因素綜合分析預警。

疑似火點識別權重計算：

計算每行所有元素的幾何平均值，得到向量M =[m₁, m₂,…m_n]^T，其中m_i= （i，=1,2，…,n）

對列向量M作歸一化處理，得到相對權重向量W=[w₁, w₂,…w_n]^T，其中w_i=

得出下表：

2.2基于電網GIS及增量疑似火點數據關聯分析技術

基于電網GIS及增量疑似火點數據關聯分析技術包括疑似火點與電網設備關聯度分析、影響范圍分析；疑似火點數據信息在GIS平臺進行識別及定位標注后，只是在GIS上形成疑似火點數據信息的位置展示，并未與周圍的電網設施發(fā)生關聯。通過已知的疑似火點位置、GIS上的電網設施坐標、電網設施緩沖區(qū)等相關數據，結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，檢索出范圍內的電網設施后，測算火點分別與半徑內變電站、桿塔的距離，利用冒泡排序算法自動進行最短距離的排序，排序結果可打印輸出。

以下為火點與電網設施距離算法，并附代碼片段：

40075.7 為地球赤道周長，distance（_x，_y）為桿塔坐標，center（x，y）為火點坐標，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基于增量數據疑似火點高影響分析技術

完成疑似火點識別基礎上，結合火險點電網地理信息數據、歷史火點數據構建高影響分析模型，包括影響程度、影響概率分析。

由于不同季節(jié)、不同地形以及風力風向等各類氣象要素對火點的發(fā)展趨勢影響不同，并綜合電網設備電壓等級、距離火點距離等因素建立基于增量數據的疑似火點高影響分析模型，綜合分析火點與電網設備的一一對應關系及影響概率，并設定概率閾值。

M點電網設備影響概率為Pm，R、C、D為不同影響類別，i、j、h為特點要素影響權重（i=1.2.3…N）（j=1.2.3…N）（h=1.2.3…N）。

2.4基于增量是數據的電網高影響火點動態(tài)預警修正

疑似火點被確認為實際火災后，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，通過對火點附近風力、風向、風速、溫度、降水等要素的監(jiān)測及未來24 小時的逐小時預報，結合衛(wèi)星云圖、氣象雷達等監(jiān)測手段進行持續(xù)監(jiān)測，并動態(tài)修正影響概率及預警級別。以此可以較為準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，為電網搶修、應急指揮提供氣象環(huán)境決策支持。

其次，根據影響概率綜合分析，結合各地區(qū)輸電線路、桿塔歷年遭受山火次數、頻率、受災程度等歷史數據，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，可以分級標識山東省內不同區(qū)域發(fā)生山火的強度，提高山東電網防山火監(jiān)測預警的準確性、科學性。也可作為電網規(guī)劃設計、選址建設、運行檢修的重要參考依據，盡量避開山火高發(fā)區(qū)，降低山火對電網輸電線路、桿塔等電力設施的危害。

3  結語

該成果應用前景廣闊，對提升電網山火識別率、提升應急處置效率，減少山火導致的停電損失，有重大意義?？梢匀轿惶岣咧悄茈娋W各環(huán)節(jié)的信息感知深度和廣度，有助于提高山東電網防山火監(jiān)測預警的準確性、科學性。

基于增量數據的電網高影響疑似火點智能識別關鍵技術研究在電網山火監(jiān)測預警體系建設、高效應急處置、保障電網安全平穩(wěn)運行具有重要意義。該研究可有效提高電網搶修效率，減少經濟損失，提高公司社會形象和客戶滿意度，具有良好的經濟和社會效應?？梢蕴嵘娋W火點監(jiān)測預警精細化水平，減少停電等經濟損失。全方位提高智能電網各環(huán)節(jié)的信息感知深度和廣度，有助于提高山東電網防山火監(jiān)測預警的準確性、科學性。其次，提升公司社會形象和客戶滿意度。該技術研究可有效提高應急處置針對性，對及早控制火災蔓延，縮短停電時間，保障人民生活和社會生產正常進行，提升公司社會形象和客戶滿意度，彰顯社會責任。

參考文獻

1. 孫世軍,張治取,韓洪.疑似火點監(jiān)測定位及電網運行預警方法[J].中國電力,2017,50(04):181-184.

2. 陸佳政,吳傳平,楊莉,張紅先,劉毓,徐勛建.輸電線路山火監(jiān)測預警系統(tǒng)的研究及應用[J].電力系統(tǒng)保護與控制,2014,42(16):89-95.

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. 吳勇軍,薛禹勝,陸佳政,謝云云,徐泰山,李文云,吳琛.山火災害對電網故障率的時空影響[J].電力系統(tǒng)自動化,2016,40(03):14-20.

5. 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急指揮中心啟動輔助決策分析[J].電力系統(tǒng)保護與控制,2011,39(16):45-52.

6. 朱奇. 基于多因素權重分析的輸電線路災害預警評估模型研究[D].武漢大學,2018.

7. 王琨,范沖.基于層次分析法的輸電線路走廊山火風險影響因子權重分析[J].測繪與空間地理信息,2016,39(12):116-119.

8. 郭金玉,張忠彬,孫慶云.層次分析法的研究與應用[J].中國安全科學學報,2008(05):148-153.

9. 鐘雅珊. 山火自然災害影響下的區(qū)域電網安全評價及管理研究[D].華北電力大學(北京),2017.

10. 艾欣,周志宇.山火災害下電網輸電線路關鍵性評估方法[J].高電壓技術,2018,44(08):2433-2441.

11. 電力系統(tǒng)風險評估模型、方法和應用[M]. 科學出版社 , (加)李文沅著, 2006