【技術實現步驟摘要】
本專利技術涉及洪澇防治領域，尤其涉及一種用于蓄滯洪區的洪澇對電網設備影響的預報方法、系統及設備。
技術介紹
1、洪澇災害頻繁發生，且破壞力巨大，洪澇災害中的水流沖刷、浸泡以及漂浮物撞擊等因素，容易導致電網設備如變壓器、開關柜、線路等發生狀態異常甚至損壞；設備損壞和線路中斷會直接導致停電，影響居民生活和工業生產；洪澇災害還可能引發觸電等安全隱患，威脅人員生命安全。
2、洪澇災害對電網設備的潛在威脅確實是一個亟待解決的問題，蓄滯洪區作為防洪體系的重要組成部分，其電網設備的安全運行對于整個防洪工作的順利進行至關重要。然而，由于蓄滯洪區的特殊性質，其電網設備更容易受到洪澇災害的影響。
3、目前，雖然已有具有物理機制的水文學、水力學模型用于洪水、洪澇過程的模擬和預報，但這些模型存在以下局限性：數據獲取難度大：模型所需的基礎數據如土壤性質、河道地形等，獲取難度大且成本高；數據缺失制約：模型容易受到缺失數據的制約，導致預報結果不準確；計算資源消耗大：模型計算復雜，消耗大量計算資源，不利于快速響應和決策。
技術實現思路
1、專利技術目的：本專利技術旨在提供一種用于洪澇對電網影響情況定量化預報方法；本專利技術的另一目的是提供一種用于蓄滯洪區的洪澇對電網設備影響的預報及設備。
2、技術方案：本專利技術所述的用于蓄滯洪區的洪澇對電網設備影響的預報方法，包括以下步驟：
3、(1)構建基于神經網絡方法的水位預報模型，進行水位預報；
4、(2)根據蓄
5、(3)根據電網設備的空間位置、高程信息和步驟(2)得到的洪澇預報結果，確定洪澇對電網設備的影響。
6、進一步的，步驟(1)具體如下：
7、獲取歷史降雨和水位數據；
8、得到水位和降雨的歷史數據集，并將歷史數據集劃分為訓練集和驗證集；
9、構建并訓練基于長短期記憶神經網絡的水位預報模型；
10、通過距離當下之前t小時的降雨和水位歷史數據，使用訓練好的水位預報模型，預報未來t小時的水位數據。
11、進一步的，步驟(2)具體如下：
12、(21)采集數據高程模型和土地利用數據并進行預處理；
13、(22)通過步驟(1)得到的預報水位計算閘孔出流流量q，并根據閘孔出流流量q確定閘孔出流過程；
14、(23)建立二維淺水方程，根據二維淺水方程構建水動力模型，并根據土地利用數據確定蓄滯洪區內的曼寧系數，確定洪澇淹沒特征，構建基于水動力模型的洪澇模型；
15、(24)根據閘孔的尺寸參數及其空間位置，確定入流參數；
16、(25)洪澇模型根據步驟(22)的閘孔出流流量q、氣象局預報的降雨數據和步驟(24)的入流參數，進行洪澇預報，得到淹沒范圍、淹沒水深和淹沒演進過程信息。
17、進一步的，所述閘孔出流流量q為
18、
19、其中，σ為淹沒系數，μ為流量系數，e為閘門開啟高度，n為閘孔孔數，b為閘孔凈寬，g為重力加速度，h為堰上水頭，即閘上水位和閘下水位高程差。
20、進一步的，所述堰上水頭h由步驟(1)預報的水位和蓄滯洪區內的水位高差確定。
21、進一步的，步驟(22)中，所述二維淺水方程為
22、
23、其中，h為水深，t為時間，u、v分別為x、y方向的流速，sce為流圖的源或匯，z為自由表面高程，ve為有效粘度系數，g為重力加速度，fx為x方向的摩阻項，fy為y方向的摩阻項。
24、進一步的，步驟(3)具體如下：
25、獲取電網設備空間位置信息及其在高程模型坐標系中的高程信息；
26、根據電網設施的空間位置和步驟(2)得到的洪澇預報結果，確定其所對應的淹沒結果柵格位置，得到對應位置水深時間變化序列；
27、根據電網設施自身高程屬性，確定電網設施受影響時間和淹沒水深過程。
28、本專利技術所述用于蓄滯洪區的洪澇對電網設備影響的預報系統，包括
29、水位預報模型構建模塊，用于構建基于神經網絡方法的水位預報模型，進行水位預報；
30、洪澇模型構建模塊，用于根據蓄滯洪區的數字高程模型和土地利用數據，構建基于水動力模型的洪澇模型，進行洪澇預報，得到淹沒范圍、淹沒水深和淹沒演進過程信息；
31、電網設備影響的預報模塊，用于根據電網設備的空間位置、高程信息和洪澇模型構建模塊得到的洪澇預報結果，確定洪澇對電網設備的影響。
32、本專利技術所述計算機設備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，所述處理器執行所述計算機程序時實現上述方法的步驟。
33、本專利技術所述計算機可讀存儲介質，其上存儲有計算機程序，所述計算機程序被處理器執行時實現上述方法的步驟。
34、有益效果：本專利技術與現有技術相比，其顯著優點是：1、本專利技術基于神經網絡與物理機制模型結合的蓄滯洪區電網洪澇影響預報分析方法，用神經網絡模型替換對基礎數據需求較大的物理模型，不僅減少了建模時的成本，還可以提高洪澇預報的計算效率，結合電網設施屬性可以快速得到洪澇影響的預報結果，對保證蓄滯洪區內用電安全具有積極作用；2、本專利技術采用神經網絡方法替代部分基于物理機制的模擬模型，減少了因基礎數據缺少對建模的影響，同時提高了模擬預報計算時的效率；3、本專利技術定量化了洪澇淹沒對電網設施的影響，對于蓄滯洪區內電網設施防洪準備措施有更加準確的指導作用，提高了電網安全運行保障。
本文檔來自技高網...【技術保護點】
1.一種用于蓄滯洪區的洪澇對電網設備影響的預報方法，其特征在于，包括以下步驟：
2.根據權利要求1所述用于蓄滯洪區的洪澇對電網設備影響的預報方法，其特征在于，步驟(1)具體如下：
3.根據權利要求1所述用于蓄滯洪區的洪澇對電網設備影響的預報方法，其特征在于，步驟(2)具體如下：
4.根據權利要求3所述用于蓄滯洪區的洪澇對電網設備影響的預報方法，其特征在于，所述閘孔出流流量Q為
5.根據權利要求4所述用于蓄滯洪區的洪澇對電網設備影響的預報方法，其特征在于，所述堰上水頭H由步驟(1)預報的水位和蓄滯洪區內的水位高差確定。
6.根據權利要求3所述用于蓄滯洪區的洪澇對電網設備影響的預報方法，其特征在于，步驟(22)中，所述二維淺水方程為
7.根據權利要求1所述用于蓄滯洪區的洪澇對電網設備影響的預報方法，其特征在于，步驟(3)具體如下：
8.一種用于蓄滯洪區的洪澇對電網設備影響的預報系統，其特征在于，包括
9.一種計算機設備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，其特
10.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現權利要求1至7中任一所述方法的步驟。
...【技術特征摘要】
1.一種用于蓄滯洪區的洪澇對電網設備影響的預報方法，其特征在于，包括以下步驟：
2.根據權利要求1所述用于蓄滯洪區的洪澇對電網設備影響的預報方法，其特征在于，步驟(1)具體如下：
3.根據權利要求1所述用于蓄滯洪區的洪澇對電網設備影響的預報方法，其特征在于，步驟(2)具體如下：
4.根據權利要求3所述用于蓄滯洪區的洪澇對電網設備影響的預報方法，其特征在于，所述閘孔出流流量q為
5.根據權利要求4所述用于蓄滯洪區的洪澇對電網設備影響的預報方法，其特征在于，所述堰上水頭h由步驟(1)預報的水位和蓄滯洪區內的水位高差確定。
6.根據權利要求3所述用于...
【專利技術屬性】
技術研發人員：高斌，鄭浩泉，猶鋒，林峰，孫祺，徐成龍，龐宇，
申請(專利權)人：南京南瑞信息通信科技有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。