(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111453201.3 (22)申请日 2021.12.01 (71)申请人 国网湖南省电力有限公司 地址 410004 湖南省长 沙市天心区新韶东 路398号 申请人 国网湖南省电力有限公司防灾减灾 中心　 国家电网有限公司 (72)发明人 叶钰　郭俊　易宇声　蔡泽林　 冯涛　李丽　邸悦伦　简洲　 (74)专利代理 机构 北京润平知识产权代理有限 公司 11283 代理人 邝圆晖 (51)Int.Cl. G06Q 10/04(2012.01)G06Q 10/06(2012.01) G06Q 50/06(2012.01) G06F 30/27(2020.01) G06F 17/18(2006.01) (54)发明名称 基于深度学习预测模型的电网雷电灾害预 测方法及系统 (57)摘要 本发明提供一种基于深度学习预测模型的 电网雷电灾害预测方法及系统， 方法包括:获取 监测区域的历史雷电观测资料， 将开展标准化网 格内电网周边的数值天气预报， 并统计数值天气 预报中的气象物理量； 通过相关性分析获取与雷 电相关性高的相关物理量， 对相关物理量的物理 量阈值做0、 1化处理； 利用超过一年时间的历史 雷电观测资料建立雷电潜势预报的回归方程； 对 预报参数进行滤波， 并且采用观测值进行滚动的 回归方法， 同时对预报指数进行界限值约束后， 得到预报模型。 本实施例通过研判关键物理量， 进而求总结雷电发生与关键物理量的对应关系， 能保证在闪电密集时段准确地对标准化网格内 电网周边进行电网雷电灾害预测， 且可操作性 强， 更具有实用性。 权利要求书2页 说明书6页 附图3页 CN 114118598 A 2022.03.01 CN 114118598 A 1.一种基于深度学习预测模型的电网雷电灾害预测方法， 其特 征在于， 所述方法包括: 步骤S1， 获取监测区域的历史雷电观测资料， 将所述监测区域网格划分为标准化网格， 通过双线性插值方法将所述历史雷电观测资料插值至所述标准 化网格； 步骤S2， 开展所述标准化网格内电网周边的数值天气预报， 并统计所述数值天气预报 中的气象物理量； 步骤S3， 通过相关性分析获取与雷电相关性高的相关物理量， 对所述相关物理量的物 理量阈值做0、 1化处 理； 步骤S4， 利用超过一 年时间的所述历史雷电观测资料建立雷电潜势预报的回归方程； 步骤S5， 对预报参数进行滤波， 并且采用观测值进行滚动的回归方法， 同时对预报指数 进行界限值约束后， 得到预报模型； 步骤S6， 基于当前 雷电观测资料和所述预报模型 预测电网雷电灾害。 2.根据权利要求1所述的基于深度学习预测模型的电网雷电灾害预测方法， 其特征在 于， 通过相关性公式获取与雷电相关性高的相关物理量： 其中， Cov(X， Y)为X与Y的协方差， Var[ X]为X的方差， Var[Y]为Y的方差， r为与雷电的相 关系数， r大于0表示正相关， r小于0表示负相关， r 等于0表示不相关， r的绝对值越 大表示相 关性越高， 其 绝对值的最大值 不超过1。 3.根据权利要求2所述的基于深度学习预测模型的电网雷电灾害预测方法， 其特征在 于， 根据所述相关性公 式筛选出与雷电相关系数最高的7个相关物理量， 所述相关物理量分 别为k指数、 沙式指数SI、 A指数、 700hPa温度露点差、 850hPa温度露点差、 925hPa温度露点 差、 850hPa和500hPa温度差 。 4.根据权利要求3所述的基于深度学习预测模型的电网雷电灾害预测方法， 其特征在 于， 根据以下阈值设定做0、 1化处 理： k指数≥33时， 记为1， 反之记为0； 沙式指数≤0时， 记为1， 反之记为0； A指数≥10时， 记 为1， 反之记为0； 温度露点差≤3时， 记为1， 反之记为0， 700hPa、 850hPa、 925hPa皆以此为阈 值； 850hPa和500hPa温度差≥23时， 记为1， 反 之记为0。 5.根据权利要求1所述的基于深度学习预测模型的电网雷电灾害预测方法， 其特征在 于， 在所述步骤S4中， 对超过一年时间的所述历史雷电观测资料应用长短期记忆网络做 时 序数据的处理后， 利用超过一年时间的所述历史雷电观测资料建立雷电潜势预报的回归方 程。 6.根据权利要5所述的基于深度 学习预测模型的电网雷电灾害预测方法， 其特征在于， 在所述的步骤S4中， 将所述雷电潜势预报的回归方程存 入数据库， 支持动态训练和更新。 7.根据权利要求1至6中任意一项所述的基于深度学习预测模型的电网雷电灾害预测 方法， 其特征在于， 在所述步骤S2中， 采用气象研究与预报建模系统开展 所述标准化网格内 电网周边的数值天气预报。 8.根据权利要1至6中任意一项所述的基于深度学习预测模型的电网雷电灾害预测方 法， 其特征在于， 所述步骤S6包括， 基于当前雷电观测资料和所述预报模型预测3小时观测 的闪电发生气候 概率和3小时雷电概 率指数。权　利　要　求　书 1/2 页 2 CN 114118598 A 29.一种基于深度学习预测模型的电网雷电灾害预测系统， 其特 征在于， 所述系统包括： 数据采集模块， 用于获取监测区域的历史雷电观测资料， 将所述监测区域网格划分为 标准化网格， 通过双线性插值方法将所述历史雷电观测资料插值至所述标准 化网格； 数据处理模块， 用于开展所述标准化网格内电网周边的数值天气预报， 并统计所述数 值天气预报 中的气象物理量； 通过相关性分析获取与雷电相关性高的相关物理量， 对所述 相关物理量的物理量阈值做0、 1化处理； 利用超过一年时间的所述历史雷电观测资料建立 雷电潜势预报的回归方程； 对预报参数进 行滤波， 并且采用观测值进 行滚动的回归方法， 同 时对预报指数进行界限值约束后， 得到预报模型； 雷电预警模块， 用于基于当前 雷电观测资料和所述预报模型 预测电网雷电灾害。 10.如权利要求9所述的基于深度学习预测模型的电网雷电灾害预测系统， 其特征在 于， 所述数据处 理模块还用于通过相关性公式获取与雷电相关性高的相关物理量： 其中， Cov(X， Y)为X与Y的协方差， Var[ X]为X的方差， Var[Y]为Y的方差， r为与雷电的相 关系数， r大于0表示正相关， r小于0表示负相关， r 等于0表示不相关， r的绝对值越 大表示相 关性越高， 其 绝对值的最大值 不超过1。权　利　要　求　书 2/2 页 3 CN 114118598 A 3