基于深度学习的雷电活动预测方法及其输电线路防雷应用OA
Lightning Activity Prediction Method Based on Deep Learning and its Application in Transmission Line Lightning Protection
为提升输电线路雷击灾害主动防御能力,提出了一种基于深度学习的雷电活动预测方法,提前时间为72 h,时间和空间精度分别为3 h和5 km.基于统一的时空网格完成了预报区域雷电数据的归一化,通过卡方统一性检验提取了与雷电活动强关联的气象参量;建立了雷电发生概率预测深度神经网络模型,采用贝叶斯算法优化了模型超参数组合;建立了落雷次数与雷电流强度的分类预测卷积神经网络模型.算例验证表明,雷电发生概率预测的平均命中率和虚警率分别为69.10％和71.18％…查看全部>>
In order to improve the active protection ability of transmission lines against lightning disaster,a lightning activity prediction method based on Deep Learning was proposed,the lead time is 72 h,and the time and spatial accuracy are 3 h and 5 km,respectively.Based on the unified spatio-temporal grid,the lightning data in the forecast area were normalized,and the meteorological parameters strongly correlated with lightning activity were extracted by Chi-squa…查看全部>>
张永刚;谷山强;李健;吴大伟;王宇
南瑞集团有限公司(国网电力科学研究院有限公司),南京 211106南瑞集团有限公司(国网电力科学研究院有限公司),南京 211106||国网电力科学研究院武汉南瑞有限责任公司,武汉 430074||电网雷击风险预防湖北省重点实验室,武汉 430074南瑞集团有限公司(国网电力科学研究院有限公司),南京 211106||国网电力科学研究院武汉南瑞有限责任公司,武汉 430074||电网雷击风险预防湖北省重点实验室,武汉 430074南瑞集团有限公司(国网电力科学研究院有限公司),南京 211106||国网电力科学研究院武汉南瑞有限责任公司,武汉 430074||电网雷击风险预防湖北省重点实验室,武汉 430074南瑞集团有限公司(国网电力科学研究院有限公司),南京 211106||国网电力科学研究院武汉南瑞有限责任公司,武汉 430074||电网雷击风险预防湖北省重点实验室,武汉 430074
输电线路雷电预报中尺度气象模式深度学习卡方检验贝叶斯优化
transmission lineslightning forecastmesoscale meteorological modelsdeep learningchi-square testbayesian optimization
《电瓷避雷器》 2024 (4)
18-28,11
国家自然科学基金项目(编号:52007037).Project supported by National Natural Science Foundation of China(No.52007037).
评论