基于分类知识挖掘的雷电活动与地形关联性研究

论文摘要

由于雷害对电网安全运行具有较大的影响,做好电网尤其是输电线路的雷电防护工作至关重要。而掌握雷电活动规律,研究雷电活动在电力系统研究中的地闪密度等基本参数能够帮助雷电防护工作的有效进行。因此,研究雷电活动与地形的关联性规律对电力系统防雷工作的开展非常重要,可以为线路建设、杆塔选址、雷电防护水平的确定等相关工作提供指导和依据,最大程度地提前规避雷害风险,提高电力系统的安全稳定性。传统的雷电活动研究大多是采用统计分析方法对雷电观测数据进行直观统计,通过具体的相关系数计算数值或者回归方程来描述雷电活动规律。这些方法没有考虑到雷电活动的强随机性和影响因素众多的特征,难以得到正确有效的结论。因此,本文试图建立新的雷电活动规律研究思路,采用基于分类知识挖掘的决策树方法和聚类方法对安徽省的历史雷电监测数据进行分析,研究雷电活动与地形地貌特征之间的关联性,深入挖掘雷电活动的规律性特征。本文通过对安徽省50条220kV输电线路进行地闪密度的统计和地形地貌信息的提取建立了5612×52大小的样本数据库,作为决策树模型的研究基础。采用输电线路走廊的基本活动参数——地闪密度表征雷电活动情况,同时利用Google Earth提取杆塔点周围东、西、南、北、东北、东南、西北、西南八个方向100m-500m范围处的高程值,采用各点与杆塔点之间的绝对高差来表征杆塔周围的地形情况。通过对数据样本进行正态检验和相关分析,发现了与地闪密度关系较为密切的11个属性,进行了数据约简。在此基础上,以地闪密度等级为目标属性,11个地形属性为候选属性,建立了C4.5决策树模型,依据所建立的树提取出了If-then形式规则。这种规则的表达形式不同于传统统计研究方法的结果形式,是一种易于理解和解释的规则表达,能够反映各个经纬度界定的小区域范围内的雷电活动规律特征。对预测样本的地闪密度等级进行了预测,通过与统计值进行对比发现模型的预测具有较高的准确率。研究结果表明C4.5决策树模型对样本数据的分类比较准确,能够提取出各种微地形下地闪密度与影响属性之间的对应规则,是进行地闪密度与地形关联性研究和进行地闪密度预测的有效方法。为了研究单次雷暴活动与特殊地形地貌的关系,选取发生在安徽省境内水域附近的3次雷暴活动进行了聚类研究,通过设置时间步长分时段聚类的方法避免了雷电活动时间的影响。聚类结果得到的各个簇的质心反映了各簇中雷电活动的重心偏向。将所有簇的中心按照簇内包含的雷电个数在Google Earth上分级分色显示,通过三维可视化的方式更直观地表现出雷电活动与特殊地形如山地、水系之间的关系,可以发现一次雷暴活动下的雷击点倾向于趋近水系和山地。本文将基于分类知识挖掘的决策树方法和聚类方法应用于雷电活动与地形地貌的关联关系的研究,采用非定量性的描述方式来表征雷电活动规律,研究结论证明了这两种方法在雷电活动规律研究上的有效性和适应性。

论文目录

• 摘要
• ABSTRACT
• 1 绪论
• 1.1 课题来源、目的和意义
• 1.2 雷电活动规律的国内外研究现状
• 1.3 本文研究的主要内容
• 2 决策树模型的数据样本收集
• 2.1 输电线路走廊沿线地闪密度统计
• 2.2 地形参数的提取
• 2.3 样本数据库的建立
• 3 基于决策树分析模型的地闪密度预测研究
• 3.1 决策树模型原理
• 3.2 决策树模型的建立
• 3.3 决策树模型的结果分析与评价
• 3.4 地闪密度预测
• 3.5 小结
• 4 基于聚类分析模型的雷暴落雷分布研究
• 4.1 聚类模型原理
• 4.2 模型的建立
• 4.3 聚类结果分析
• 4.4 小结
• 5 总结
• 5.1 结论
• 5.2 存在的问题与发展方向
• 致谢
• 参考文献