本发明公开了一种输电线路精细化点对点气温预测方法，它包括：提取气象部门3km×3km分辨率格点预报逐小时.nc文件数据；提取气温在线监测终端所在杆塔坐标；将杆塔坐标叠加至3km×3km网格中，计算杆塔坐标所处网格；分别计算该网格4个格点与杆塔空间距离；计算出3km×3km网格4个格点.nc文件气温对杆塔坐标位置处气温权重系数；建立杆塔位置处距离就近原则气温预测值计算模型；分别计算网格4个格点微地形因子与杆塔点位处微地形因子相关性系数建立微地形相似性原则的气温预测值计算模型；最后建立目标杆塔点位气温预测综合模型；解决了现有空间网格尺寸较大以及无法对未来气温变化趋势进行预测的技术难题。
1.一种输电线路精细化点对点气温预测方法，它包括：步骤1、提取气象部门3km×3km分辨率格点预报逐小时.nc文件数据；
步骤3、将杆塔坐标叠加至3km×3km网格中，根据每个3km×3km网格经纬度范围，计算杆塔坐标所处网格；
步骤4、根据杆塔坐标所处网格，采用Haversine公式分别计算该网格4个格点与杆塔空间距离；
步骤5、根据杆塔空间距离计算出3km×3km网格4个格点.nc文件气温对杆塔坐标位置处气温权重系数；
步骤6、根据权重系数建立杆塔位置处距离就近原则气温预测值计算模型；
步骤7、根据步骤3杆塔坐标所处网格，叠加DEM数据，根据网格4个格点以及杆塔坐标，提取微地形因子，分别计算网格4个格点微地形因子与杆塔点位处微地形因子相关性系数，并对相关性系数归一化处理；
步骤8、根据归一化后相关性系数建立微地形相似性原则的气温预测值计算模型；
步骤9、根据步骤6中建立的距离就近原则和步骤8中建立的微地形相似性原则气温预测值计算模型，建立目标杆塔点位气温预测综合模型。
2.根据权利要求1所述的一种输电线路精细化点对点气温预测方法，其特征在于：步骤
1所述提取气象部门3km×3km高分辨率格点预报逐小时.nc文件数据，包括每个格点经纬度和未来对地10米高度气温预测值。
3.根据权利要求1所述的一种输电线路精细化点对点气温预测方法，其特征在于：步骤
3所述计算杆塔坐标所处网格的方法为：每个网格尺寸3km×3km，从步骤1的.nc文件中读取网格4个格点(A、B、C、D)经纬度，并根据气温在线监测终端所在杆塔坐标计算出杆塔坐标所处网格。
4.根据权利要求1所述的一种输电线路精细化点对点气温预测方法，其特征在于：步骤
4所述采用Haversine公式分别计算该网格4个格点与杆塔空间距离的方法为：式中：di分别为网格中目标杆塔与气象部门3km×3km高分辨率格点A、B、C、D四个格点空间距离，单位为km；R为地球半径； δi分别为网格点四个格点纬度和经度； δg分别为目标杆塔纬度和经度。
5.根据权利要求1所述的一种输电线路精细化点对点气温预测方法，其特征在于：步骤
式中：ωi分别为网格中A、B、C、D四个格点对目标杆塔气温贡献权重系数。
6.根据权利要求1所述的一种输电线路精细化点对点气温预测方法，其特征在于：步骤
6所述建立的杆塔位置处距离就近原则气温预测值计算模型表达式为：式中ti分别为网格中A、B、C、D四个格点气温预测值。
7.根据权利要求1所述的一种输电线路精细化点对点气温预测方法，其特征在于：步骤
7所述叠加DEM数据，提取网格4个格点以及杆塔坐标微地形因子，包括：高程、坡度、地表起伏度、山谷、山脊和迎风坡。
8.根据权利要求1所述的一种输电线路精细化点对点气温预测方法，其特征在于：步骤
7所述计算网格4个格点微地形因子与杆塔点位处微地形因子相关性系数，并对相关性系数归一化处理表达式：式中：ri分别为网格中A、B、C、D四个格点与目标杆塔位置处微地形因子相关性系数。
9.根据权利要求1所述的一种输电线路精细化点对点气温预测方法，其特征在于：步骤
8所述建立的微地形相似性原则气温预测值计算模型表达式为：
10.根据权利要求1所述的一种输电线路精细化点对点气温预测方法，其特征在于：步骤9所述建立目标杆塔点位气温预测综合模型表达式为：T'＝ε1×t+ε2×t'
式中ε1为建立的近原则气温预测值模型权重；ε2为建立的微地形相似性原则气温预测模型权重，r1为建立的近原则气温预测值与杆塔在线监测终端同期实际值相关性系数，r2为建立的微地形相似性原则气温预测值与杆塔在线监测终端实际值相关性系数。
一种输电线路精细化点对点气温预测方法
技术领域
[0001] 本发明属于电力输电线路温度预测领域；尤其涉及一种输电线路精细化点对点气温预测方法。
背景技术
[0002] 目前电网抗冰保电工作仍属于被动防御，不能预知覆冰灾害的发展趋势，而气象条件对线路覆冰严重程度起到决定性作用。气象部门发布的气象信息大多建立在公共气象服务的基础上，所输出的气温预测结果均以县城为单位，空间网格尺寸较大，无法满足小区域范围内输电线路通道不同微地形所造成气温差异性的现状。同时，在线观测设备仅能监测实时观测值，无法对未来变化趋势进行预测。实现对输电线路点对点气温准确预报，能够为输电线路防冰、覆冰预报等工作启到关键性指导意义。
[0003] 现有技术一种基于卷积循环神经网络的气温预测系统及方法(CN 111199283A)利用历史气温观测值，结合卷积循环神经网络算法，训练成气温预测模型。但该计算模型仅仅站在数据的角度对未来值递推，无法真实考虑气候条件、微地形对预测数据的影响。现有及一种建筑物周边气温预测方法(CN 105184094A),利用建筑物室外实际监测气温、建筑物所在城市气象部门气温预报数据，建立其之间关系模型，根据气象部门未来预报值作为关系模型输入值，对建筑物室外气温预测。但该方法仅适用于城市区域内建筑物室外气温预测，对于野外输电线路地形条件复杂区域，还需考虑微地形所造成局地小气候的影响因素。
[0004] 综合上述现有技术发现其只适用于基于历史观测数据，建立关系模型，站在数据的角度实现对气温未来值递推；同时，仅适用于一般地形条件下，忽略地形条件所造成的影响，现有气象部门发布的气象信息大多建立在公共气象服务的基础上，所输出的气温预测结果均以县城为单位，空间网格尺寸较大，无法满足小区域范围内输电线路通道不同微地形所造成气温差异性，以及在线观测设备无法对未来气温变化趋势进行预测的技术难题。
发明内容
[0005] 本发明要解决的技术问题是：提供一种输电线路精细化点对点气温预测方法，以解决现有气象部门发布的气象信息大多建立在公共气象服务的基础上，所输出的气温预测结果均以县城为单位，空间网格尺寸较大，无法满足小区域范围内输电线路通道不同微地形所造成气温差异性，以及在线观测设备无法对未来气温变化趋势进行预测的技术难题。
[0006] 本发明技术方案：
[0007] 一种输电线路精细化点对点气温预测方法，它包括：
[0008] 步骤1、提取气象部门3km×3km分辨率格点预报逐小时.nc文件数据；
[0009] 步骤2、提取气温在线监测终端所在杆塔坐标；
[0010] 步骤3、将杆塔坐标叠加至3km×3km网格中，根据每个3km×3km网格经纬度范围，计算杆塔坐标所处网格；
[0011] 步骤4、根据杆塔坐标所处网格，采用Haversine公式分别计算该网格4个格点与杆塔空间距离；
[0012] 步骤5、根据杆塔空间距离计算出3km×3km网格4个格点.nc文件气温对杆塔坐标位置处气温权重系数；
[0013] 步骤6、根据权重系数建立杆塔位置处距离就近原则气温预测值计算模型；
[0014] 步骤7、根据步骤3杆塔坐标所处网格，叠加DEM数据，根据网格4个格点以及杆塔坐标，提取微地形因子，分别计算网格4个格点微地形因子与杆塔点位处微地形因子相关性系数，并对相关性系数归一化处理；
[0015] 步骤8、根据归一化后相关性系数建立微地形相似性原则的气温预测值计算模型；
[0016] 步骤9、根据步骤6中建立的距离就近原则和步骤8中建立的微地形相似性原则气温预测值计算模型，建立目标杆塔点位气温预测综合模型。
[0017] 步骤1所述提取气象部门3km×3km高分辨率格点预报逐小时.nc文件数据，包括每个格点经纬度和未来对地10米高度气温预测值。
[0018] 步骤3所述计算杆塔坐标所处网格的方法为：每个网格尺寸3km×3km，从步骤1的.nc文件中读取网格4个格点(A、B、C、D)经纬度，并根据气温在线监测终端所在杆塔坐标计算出杆塔坐标所处网格。
[0019] 步骤4所述采用Haversine公式分别计算该网格4个格点与杆塔空间距离的方法为：
[0020]
[0021] 式中：di分别为网格中目标杆塔与气象部门3km×3km高分辨率格点A、B、C、D四个格点空间距离，单位为km；R为地球半径； δi分别为网格点四个格点纬度和经度； δg分别为目标杆塔纬度和经度。
[0022] 步骤5所述计算杆塔坐标位置处气温权重系数表达式为：
[0023]
[0024] 式中：ωi分别为网格中A、B、C、D四个格点对目标杆塔气温贡献权重系数。
[0025] 步骤6所述建立的杆塔位置处距离就近原则气温预测值计算模型表达式为：
[0026]
[0027] 式中ti分别为网格中A、B、C、D四个格点气温预测值。
[0028] 步骤7所述叠加DEM数据，提取网格4个格点以及杆塔坐标微地形因子，包括：高程、坡度、地表起伏度、山谷、山脊和迎风坡。
[0029] 步骤7所述计算网格4个格点微地形因子与杆塔点位处微地形因子相关性系数，并对相关性系数归一化处理表达式：
[0030]
[0031] 式中：ri分别为网格中A、B、C、D四个格点与目标杆塔位置处微地形因子相关性系数。
[0032] 步骤8所述建立的微地形相似性原则气温预测值计算模型表达式为：
[0033]
[0034] 步骤9所述建立目标杆塔点位气温预测综合模型表达式为：
[0035]
[0036] 式中ε1为建立的近原则气温预测值模型权重；ε2为建立的微地形相似性原则气温预测模型权重，r1为建立的近原则气温预测值与杆塔在线监测终端同期实际值相关性系数，r2为建立的微地形相似性原则气温预测值与杆塔在线监测终端实际值相关性系数。
[0037] 本发明的有益效果：
[0038] 本发明针对野外输电线路点位点气温预测，本发明采用“两步走”原则：第一步“距离就近原则”，根据气温在线监测设备所在杆塔与气象部门3km×3km网格化预报模式，计算杆塔与网格化4个格点空间距离，根据距离越近气温相似度越高的原则，建立“距离就近原则”的杆塔点位气温预测模型，提高了气温预测的准确性；第二步“微地形相似性原则”：分别提取杆塔与网格化4个格点微地形因子，根据临近网格格点微地形越相似气温条件越接近的原则，建立“微地形相似性原则”的杆塔点位气温预测模型；最后建立“两步走”原则下，利用气象部门网格化气温预测值，实现对网格内杆塔位置处点对点气温高精度预测。
[0039] 本发明解决了现有气象部门发布的气象信息大多建立在公共气象服务的基础上，所输出的气温预测结果均以县城为单位，空间网格尺寸较大，无法满足小区域范围内输电线路通道不同微地形所造成气温差异性，以及在线观测设备无法对未来气温变化趋势进行预测的技术难题。
附图说明
[0040] 图1为本发明流程示意图；
[0041] 图2为气象部门高分辨率格点与杆塔位置示意图。
具体实施方式
[0042] 一种输电线路精细化点对点气温预测方法，它包括(见图1)：
[0043] 步骤1、提取气象部门3km×3km高分辨率格点预报逐小时.nc文件数据；
[0044] 步骤2、提取气温在线监测终端所在杆塔坐标；
[0045] 步骤3、将步骤2中杆塔坐标，叠加至步骤1中3km×3km网格中，根据每个3km×3km网格经纬度范围，计算杆塔坐标所处网格；
[0046] 步骤4、根据步骤3中计算出的杆塔坐标所处网格，采用Haversine公式分别计算该网格4个格点与杆塔空间距离；
[0047] 步骤5、根据步骤4计算出的空间距离，计算出3km×3km网格4个格点.nc文件气温对杆塔坐标位置处气温权重系数；
[0048] 步骤6、根据步骤5中计算出的权重系数，建立杆塔位置处距离就近原则气温预测值计算模型；
[0049] 步骤7、根据步骤3中提取出的杆塔坐标所处网格，叠加DEM数据，根据网格4个格点以及杆塔坐标，提取微地形因子，分别计算网格4个格点微地形因子与杆塔点位处微地形因子相关性系数，并对相关性系数归一化处理；
[0050] 步骤8、根据步骤7中计算出的归一化后相关性系数，建立微地形相似性原则的气温预测值计算模型；
[0051] 步骤9、根据步骤6中建立的距离就近原则和步骤8中建立的微地形相似性原则气温预测值计算模型，建立目标杆塔点位气温预测综合模型。
[0052] 步骤1所述提取气象部门3km×3km高分辨率格点预报逐小时.nc文件数据，包括每个格点经纬度、未来对地10米高度气温预测值。
[0053] 步骤3所述计算杆塔坐标所处网格，如01编号小网格，每个网格尺寸3km×3km，从步骤1.nc文件中读取网格4个格点(A、B、C、D)经纬度，并根据气温在线监测终端所在杆塔坐标，计算出杆塔坐标所处网格；见图2。
[0054] 步骤4所述采用Haversine公式分别计算该网格4个格点与杆塔空间距离表达式为：
[0055]
[0056] 式中：di分别为网格中目标杆塔与气象部门3km×3km高分辨率格点A、B、C、D四个格点空间距离(单位：km)；R分别为地球半径，取平均值6371km； δi分别为网格点四个格点纬度、经度(单位：°)； δg分别为目标杆塔纬度、经度(单位：°)。
[0057] 步骤5所述计算杆塔坐标位置处气温权重系数表达式为：
[0058]
[0059] 式中：ωi分别为网格中A、B、C、D四个格点对目标杆塔气温贡献权重系数。
[0060] 步骤6所述建立的杆塔位置处距离就近原则气温预测值计算模型表达式为：
[0061]
[0062] 式中：ti分别为网格中A、B、C、D四个格点气温预测值。
[0063] 步骤7所述叠加DEM数据，提取网格4个格点以及杆塔坐标微地形因子，包括：高程(m)、坡度(°)、地表起伏度(°)、山谷(1表示是)、山脊(1表示是)、迎风坡(1表示是)；
[0064] 步骤7所述计算网格4个格点微地形因子与杆塔点位处微地形因子相关性系数，并对相关性系数归一化处理表达式：
[0065]
[0066] 式中：ri分别为网格中A、B、C、D四个格点与目标杆塔位置处微地形因子相关性系数。
[0067] 步骤8所述建立的微地形相似性原则气温预测值计算模型表达式为：
[0068]
[0069] 步骤9所述建立目标杆塔点位气温预测综合模型表达式为：
[0070] T'＝ε1×t+ε2×t'
[0071]
[0072]
[0073] 式中：ε1为建立的近原则气温预测值模型权重；ε2为建立的微地形相似性原则气温预测模型权重，r1为建立的近原则气温预测值与杆塔在线监测终端同期实际值相关性系数，r2为建立的微地形相似性原则气温预测值与杆塔在线监测终端实际值相关性系数。
