【技术实现步骤摘要】
本申请涉及灾害预警领域，具体而言，涉及一种电网龙卷灾害的预警方法、装置、电子设备及介质。
技术介绍
1、对电网的运行安全有严重威胁的强风主要包括热带气旋(习惯上常称之为台风)、龙卷风、飑线风等。台风属于大尺度强风，其半径可达数百公里，强风圈半径可达到100km以上，影响范围巨大。变电设备在台风期间的事故相对较少，其主要原因是设备质量和体积较大，安装措施比较到位，但是，电力线路因台风跳闸、倒杆、断线的现象常有发生，低压配电线路尤为严重。
2、龙卷风属于生命期短暂小尺度强风，其影响范围狭窄，但风速非常大，破坏力极强，电网设施因龙卷风和飑线风损毁的事件屡有发生。
3、为了应对自然灾害对电网系统的影响，保障电力设施的安全，目前已经发展出各种电网灾害的预警技术，主要是通过公共气象预报提前发现可能导致电网系统安全隐患的自然灾害现象，并结合电力设施的地理位置有针对性地进行安全隐患的预警；但是，以上方法对电网灾害性天气监测和预报均比较粗旷，时空精度不够高，识别不够精准。
技术实现思路
1、本申请实施例的目的在于提供一种电网龙卷灾害的预警方法、装置、电子设备及介质，用以解决了现有技术存在的上述问题，可精准预测发生龙卷灾害发生的可能性。
2、第一方面，提供了一种电网龙卷灾害的预警方法，该方法可以包括：
3、获取目标区域的气象数据和图像数据；所述气象数据包括微波辐射计数据和气象雷达数据；
4、采用预设对流算法，对所述微波辐射计数据进行计算，得到
5、采用训练好的龙卷径向风模型，对所述气象雷达数据进行预测，得到雷达预测结果；
6、采用训练好的龙卷外观特征模型，对所述图像数据进行预测，得到图像预测结果；
7、根据所述微波辐射结果、所述雷达预测结果和所述图像预测结果，确定龙卷预测结果。
8、在一种可能的实现中，所述微波辐射计数据包括气压数据、温度数据和湿度数据；
9、采用对流抑制算法和对流有效位能算法，对所述微波辐射计数据进行计算，得到微波辐射结果，包括：
10、采用对流抑制算法，对所述气压数据、所述温度数据和所述湿度数据进行计算，得到第一能量值，所述第一能量值为将气块抬升至自由对流高度所需的能量；
11、采用对流有效位能算法，对所述气压数据、所述温度数据和所述湿度数据进行计算，得到第二能量值，所述第二能量值为气块从自由对流高度到平衡高度绝热上升时的正浮力所产生的能量；
12、若所述第一能量值未满足预设第一能量值，且所述第二能量值未满足预设第二能量值，则确定所述微波辐射结果满足微波预警条件。
13、在一种可能的实现中，根据所述微波辐射结果、所述雷达预测结果和所述图像预测结果，确定龙卷预测结果，包括：
14、若所述微波辐射结果、所述雷达预测结果和所述图像预测结果中至少两个结果满足对应的预警条件，则确定龙卷预测结果为发生龙卷灾害。
15、在一种可能的实现中，所述龙卷径向风模型的训练过程，包括：
16、获取历史龙卷发生区域的龙卷时间和相应的历史气象数据；所述龙卷时间包括发生时间和结束时间；所述历史气象数据包括以所述历史龙卷发生区域为中心，预设距离为半径的区域内，在龙卷持续时长中按照预设周期采集的目标低层仰角径向风速数据，以及在所述发生时间前预设时长中按照预设周期采集的历史低层仰角径向风速数据；
17、将所述历史低层仰角径向风速数据作为第一训练样本，以及将所述目标低层仰角径向风速数据作为第一样本标签；
18、基于所述第一训练样本和第一样本标签，对卷积神经网络模型进行训练，得到所述龙卷径向风模型，所述龙卷径向风模型用于预测未来时间段的气象数据。
19、在一种可能的实现中，所述目标低层仰角径向风速数据或历史低层仰角径向风速数据均包括低层仰角为0.5度、1.5度和3.4度分别对应的径向风速数据。
20、在一种可能的实现中，所述龙卷外观特征模型的训练过程，包括：
21、获取历史龙卷发生区域的龙卷时间和相应的历史图像数据，所述龙卷时间包括发生时间和结束时间；所述历史图像数据包括以所述历史龙卷发生区域为中心，预设距离为半径的区域内，在龙卷持续时长中按照预设周期采集的目标图像数据，以及在所述发生时间前预设时长中按照预设周期采集的历史图像数据；
22、将所述历史图像数据作为第二训练样本，以及将所述目标图像数据作为第二样本标签；
23、基于所述第二训练样本和第二样本标签，对卷积神经网络模型进行训练，得到所述龙卷外观特征模型，所述龙卷外观特征模型用于预测未来时间段的气象图像数据。
24、在一种可能的实现中，所述图像数据为在电力设施设置的图像采集装置采集的图像数据，所述电力设施包括变电站、线路和杆塔。
25、第二方面，提供了一种电网龙卷灾害的预警装置，该装置可以包括：
26、获取单元，用于获取目标区域的气象数据和图像数据；所述气象数据包括微波辐射计数据和气象雷达数据；
27、预测单元，用于采用预设对流算法，对所述微波辐射计数据进行计算，得到微波辐射结果；其中，预设对流算法包括对流抑制算法和对流有效位能算法；
28、以及，采用训练好的龙卷径向风模型，对所述气象雷达数据进行预测，得到雷达预测结果；
29、以及，采用训练好的龙卷外观特征模型，对所述图像数据进行预测，得到图像预测结果；
30、确定单元，用于根据所述微波辐射结果、所述雷达预测结果和所述图像预测结果，确定龙卷预测结果。
31、第三方面，提供了一种电子设备，该电子设备包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
32、存储器，用于存放计算机程序；
33、处理器，用于执行存储器上所存放的程序时，实现上述第一方面中任一所述的方法步骤。
34、第四方面，提供了一种计算机可读存储介质，该计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面中任一所述的方法步骤。
35、本申请提供一种电网龙卷灾害的预警方法，该方法根据气象年鉴记录的龙卷事件，获取历史n年(n至少为2)待预测的目标区域内对应的历史气象数据和历史图像资料，建立历史龙卷数据库，其中，气象数据包括微波辐射计数据和气象雷达数据，图像数据是指龙卷发生区域内的拍摄图像；基于历史龙卷发生区域的龙卷时间和相应的历史气象数据，利用机器学习进行训练，构建龙卷径向风模型；基于历史龙卷发生区域的历史图像数据，利用机器学习进行训练，构建龙卷外观特征模型；之后，获取目标区域的微波辐射计数据，对计算得到的cin(第一能量值)和cape(第二能量值)进行预测；根据龙卷径向风模型，对获取的雷达径向数据进行预测；通过龙卷本文档来自技高网...
【技术保护点】
1.一种电网龙卷灾害的预警方法，其特征在于，所述方法包括：
2.如权利要求1所述的方法，其特征在于，所述微波辐射计数据包括气压数据、温度数据和湿度数据；
3.如权利要求1所述的方法，其特征在于，根据所述微波辐射结果、所述雷达预测结果和所述图像预测结果，确定龙卷预测结果，包括：
4.如权利要求1所述的方法，其特征在于，所述龙卷径向风模型的训练过程，包括：
5.如权利要求4所述的方法，其特征在于，所述目标低层仰角径向风速数据或历史低层仰角径向风速数据均包括低层仰角为0.5度、1.5度和3.4度分别对应的径向风速数据。
6.如权利要求1所述的方法，其特征在于，所述龙卷外观特征模型的训练过程，包括：
7.如权利要求1所述的方法，其特征在于，所述图像数据为在电力设施设置的图像采集装置采集的图像数据，所述电力设施包括变电站、线路和杆塔。
8.一种电网龙卷灾害的预警装置，其特征在于，所述装置包括：
9.一种电子设备，其特征在于，所述电子设备包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-7任一所述的方法步骤。
...【技术特征摘要】
1.一种电网龙卷灾害的预警方法，其特征在于，所述方法包括：
2.如权利要求1所述的方法，其特征在于，所述微波辐射计数据包括气压数据、温度数据和湿度数据；
3.如权利要求1所述的方法，其特征在于，根据所述微波辐射结果、所述雷达预测结果和所述图像预测结果，确定龙卷预测结果，包括：
4.如权利要求1所述的方法，其特征在于，所述龙卷径向风模型的训练过程，包括：
5.如权利要求4所述的方法，其特征在于，所述目标低层仰角径向风速数据或历史低层仰角径向风速数据均包括低层仰角为0.5度、1.5度和3.4度分别对应的径向风速数据。
6.如权利要求1所述...
【专利技术属性】
技术研发人员：张俞，滕玉鹏，林超，陈云刚，蔡昌洪，秦昊宇，马奕，杨威，
申请(专利权)人：北京弘象科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。