• <code id="cko66"></code>
  • 一种防雷安全风险管理系统及方法与流程

    文档序号:26492541发布日期:2021-08-31 23:16
    一种防雷安全风险管理系统及方法与流程

    本发明涉及防雷监测技术领域,具体涉及一种防雷安全风险管理系统及方法。



    背景技术:

    雷电作为中常见的灾害性天气,因其强大的电流、炙热的高温、强烈的电磁辐射能够在瞬间产生巨大的破坏作用,可以导致建构筑物、供配电系统、低压电气系统的损坏,造成重大的经济损失和不良社会影响。长期以来,雷电灾害给我国带来了严重的人员伤亡和经济损失,每年有上千人遭雷击伤亡,经济损失达数十亿元。

    系统的防雷措施是雷电防护的关键手段,防雷措施因为使用环境、使用时长等因素的影响,其安全性能是需要定期检测以达到防雷的要求,一般是每年进行一次以上的安全性能监测,但是在实际操作中,存在以下问题:1、需要检测的体量太大,每年人力检测的覆盖面其实很低;2、部分检测成本太高,对于燃气管线、高铁线路、偏远的学校、森林避雷塔等项目来说,检测的人力成本交通成本超出可承受范围;3、当下防雷安全性能的检测的准确性不足,防雷检测应当充分考虑环境、土壤、季节、测试手段等因素综合评判其安全性能,但目前的检测使用单一的检测设备对测试对象进行一次性测试,其结果不能很好反映安全性能的真实状态;4、目前的人工检测时效性差,一般情况一年仅有一次检测,还有很多长久得不到检测的情况,长时间没有防雷装置运行状态信息对物联网系统来说是不能接受的;5、目前的人工检测结果是大量具体数值,非专业用户很难阅读。

    近年来,大力发展5g网络、物联网、大数据建设,涉及到的基础设施,如5g通信基站、物联网传感器等均需要定期进行防雷安全性能检测,人力检测是远远不能覆盖智能网络的,同时部分设施建设在偏远地区,像森林雷击火监测设施或者森林防雷击塔通常建设在不通道路的深山中,一次检测所耗费的时间和人力非常巨大,同时此类设施又是极易遭受雷击,它们的安全性能是需要时刻关注的。

    现行的雷电灾害风险评估体系在处理雷电灾害损失和雷电灾害风险时,都使用相对值,大部分参数都以表格等形式给出一定的典型值,取值联系不紧密且不容易达到比较高的精度。各标准都要求精度得到评估对象(建筑物或者服务设施)的雷击有效面积,与当地的雷击密度相乘得到可能遭受的雷击次数,然后根据不同的要求得到雷电灾害风险值,最后把计算出来的值同允许雷灾风险水平(可承受雷灾风险)对比。他们的局限性和缺点同样比较突出:决定损害的参数选取绝大多数以经验为主;雷击次数、雷灾概率、雷电承受能力等参数需要具有实验依据的定量研究,而且制约评估水平的关键参数有待确定;此类标准对风险的理解仍不够全面,对评估原则和评估流程说明不够清楚,评估体系复杂,结果很可能会因人而异。

    以上的雷电灾害风险评估方法可以统称为静态风险评估,评估使用历史累积数据和现场勘查资料,对某一评估对象当下的风险状态给出一个均值评判,对于传统新建或者新规划项目有一定指导价值,但已经不适合当下的社会发展,目前国内外还没有相关研究,也没有类似动态风险评估的概念,更多研究是集中在通过对大量历史数据的分析预测未来概率和风险。



    技术实现要素:

    针对现有技术中的缺陷,本发明提供一种防雷安全风险管理系统及方法,通过远程采集各个防雷部件的安全性能,结合气象实时探测数据对雷电活动进行监测,动态评估雷电风险,能给出雷电防护建议和实时发出预警信息,更好地发挥雷电灾害评估的作用。

    第一方面,本发明提供的防雷安全风险管理系统,包括:数据采集模块、雷电定点监测模块、雷电风险动态评估模块和预警模块,

    所述数据采集模块用于远程采集待评估项目的各个防雷部件的防雷安全性能数据;

    所述雷电定点监测模块用于对设定的区域的雷电监测站点的雷电活动进行实时监测;

    所述雷电动态风险评估模块用于根据雷电定点监测模块实时监测的数据对待评估项目所在地的雷电活动背景规律、雷电活动路径和项目自身雷电灾害风险进行动态分析评估,并给出雷电防护建议;

    所述预警模块用于根据雷电在待评估项目所在位置的预警范围内发出预警信息。

    第二方面,本发明提供的一种防雷安全风险管理方法,适用于上述实施例描述的系统,方法包括以下步骤:

    数据采集模块采集待评估项目的防雷安全性能数据;

    雷电定点监测模块对设定的区域的雷电监测站点的雷电活动进行实时监测;

    雷电风险动态评估模根据雷电定点监测模块实时监测的数据对待评估项目所在地的雷电活动背景规律、雷电活动路径和项目自身雷电灾害风险进行动态分析评估,并给出雷电防护建议;

    预警模块根据雷电在待评估项目所在位置的预警范围内发出预警信息。

    本发明的有益效果:

    本发明实施例提供的一种防雷安全风险管理系统及方法,通过远程采集各个防雷部件的安全性能,结合气象实时探测数据对雷电活动进行监测,动态评估雷电风险,能给出雷电防护建议和实时发出预警信息,更好地发挥雷电灾害评估的作用。

    附图说明

    为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。在所有附图中,类似的元件或部分一般由类似的附图标记标识。附图中,各元件或部分并不一定按照实际的比例绘制。

    图1示出了本发明第一实施例所提供的一种防雷安全风险管理系统的结构框图;

    图2示出了本发明第一实施例中的某项目所在地年际分布图;

    图3示出了本发明第一实施例中的某项目所在地月分布图;

    图4示出了本发明第一实施例中的某项目所在地日分布图;

    图5示出了本发明第一实施例中的某项目所在地密度分布图;

    图6示出了本发明第一实施例中的某项目所在地强度分布图;

    图7示出了本发明第一实施例中的某项目所在地雷电强度累积概率分布图;

    图8示出了本发明第一实施例中的某项目所在地雷电方位分布图;

    图9示出了本发明第一实施例中的某项目所在地雷电强度方位分布图;

    图10示出了本发明第一实施例中的重庆地区的动态雷电风险评估结构图;

    图11示出了本发明第二实施例所提供的一种防雷安全风险管理方法的流程图。

    具体实施方式

    下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。

    应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。

    还应当理解,在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。

    还应当进一步理解,本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。

    如在本说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。

    需要注意的是,除非另有说明,本申请使用的技术术语或者科学术语应当为本发明所属领域技术人员所理解的通常意义。

    如图1所示,示出了本发明第一实施例所提供的一种防雷安全风险管理系统的结构框图,包括:数据采集模块、雷电定点监测模块、雷电风险动态评估模块和预警模块,所述数据采集模块用于远程采集待评估项目的各个防雷部件的防雷安全性能数据;所述雷电定点监测模块用于对设定的区域的雷电监测站点的雷电活动进行实时监测;所述雷电动态风险评估模块用于根据雷电定点监测模块实时监测的数据对待评估项目所在地的雷电活动背景规律、雷电活动路径和项目自身雷电灾害风险进行动态分析评估,并给出雷电防护建议;所述预警模块用于根据雷电在待评估项目所在位置的预警范围内发出预警信息。

    防雷安全性能数据采集依据采集方法的不同,分为三种,1、是接闪电流的采集,在外部防直击部件上加装罗氏线圈作为传感器,通过雷电流检测器实时计算雷电流极性、雷击次数、雷击峰值、雷击发生时间等,并将采集的数据传输给雷电动态风险评估模块;2、是内部弱电系统的数据采集,采用多接口的智能电子模块,配置光电隔离的数据输入、输出接口,对三相电压、劣化数据、spd运行状态、漏电流、过电流数据等进行实时采集并传回雷电动态风险评估模块;3、是接地和等电位的数据采集,通过三极法和四极法分别采集接地电阻数值和土壤电阻率数值,同时实时采集等电位连接状态并将数据传回雷电动态风险评估模块。

    在本实施例中,数据采集模块包括雷电探测仪、监测传感器和接地电阻监测仪,雷电探测仪用于采集避雷针遭受到雷击的数据;遭受到雷击的数据包括相应雷击电流强度、发生时间、极性和波形数据。监测传感器用于采集待评估项目设备(如配电箱)的运行状态、温度、过电流强度和波形数据。接地电阻检测仪用于采集接地装置上的接地电阻的数值,每隔一定时间采集接地电阻数值,若超过安全阈值,则预警模块会发出预警信息,没有超过安全阈值,则显示正常。数据采集模块采集的数据是否符合相关技术标准的要求,与人工监测数据的一致性的误差不能太大。通过大量的现场测试、调试和模拟仿真,使得防雷安全性能在线采集更加完善,对在线监测的数据结果的准确性和真实性进行评估,本实施例的数据采集模块和人工检测的误差不超过10%。

    雷电监测的基础数据来源于adtd和自建的混合基线雷电探测网络。重庆市雷电监测网adtd建于2007年4月,由闪电定位仪、中心数据处理站、用户数据服务网络及图形显示终端组成,包括一个主站(沙坪坝),四个子站(酉阳、城口、云阳、石柱),且与四川、陕西、湖北、贵州等省邻近区域的雷电监测站点联网。该雷电监测网实现了对地闪时间、位置(经度、纬度)、雷电流峰值和极性的自动监测,其钟频最高为16mhz,每个闪电回击的处理时间在1ms左右。

    混合基线雷电探测网络借助最新的电子技术和机器学习技术更快更准地识别雷电等强对流事件,独特的“长基线+超长基线”混合技术真正实现了对大范围强对流的实时追踪,通过高效率的计算方法,精确捕获强对流核,为高质量预警预报提供技术支撑,也能为防灾勘灾提供有效技术保障。探测范围覆盖重庆全市以及绝大部分西南地区,可以为各行业提供更加精细化的服务。基于两种探测数据可以完成雷电活动实时监测,精度在500米;预测雷电未来1小时的活动路径,精度为1000米。

    雷电动态风险评估模块包括雷电活动背景规律分析单元,所述雷电活动背景规律分析单元采用混合基线雷电探测系统探测强对流事件;采用电离层反射波识别方法计算出雷电事件的地波传播时间;对项目所在地位置范围、待分析时长内的雷电活动进行统计、计算和分析,得到雷电活动时空分布规律。选取某一确定范围及确定的时间段,获取其雷电活动具体数据,通过活动背景规律算法,计算出雷电活动时空分布规律,通过特有的可视化处理方法绘制成雷电次数年变化图、雷电日年变化图、雷电月际变化图、雷电频次日变化图、雷电密度分布图、雷电平均强度分布图、雷电强度累积概率分布图、雷电方位玫瑰图、雷电平均强度玫瑰图等直观的图形,更好展现区域内雷电活动规律。例如:统计时间最小单元为5个自然年,一般采用10个自然年进行统计更具有代表性。根据项目占地面积和形状大小,统计范围采用半径5公里、10公里、20公里、50公里四个级别。从时空分布出发,统计雷电数据并绘制分布图,某项目所在地年际分布图如图2所示,统计出项目所在位置十年发生的雷电次数,进行柱状图分布展示。某项目所在地月分布图如图3所示,统计统计项目所在位置十年月均雷电次数,用柱状图展示,可以清晰展现雷电活动的高发月份和低发月份。如:某项目所在地日分布图如图4所示,统计项目所在位置每小时平均雷电次数,用柱状图展示,可以清晰展现雷电活动的高峰时段和低谷时段。某项目所在地密度分布图如图5所示,利用金克森插值法,统计项目所在位置每平方公里每年发生的雷电次数,在gis地图上展现,用彩虹七色作为色标,直观展现雷电活动的高发位置。某项目所在地强度分布图如图6所示,利用金克森插值法,统计项目所在位置雷电的强度分布值,在gis地图上展现,用彩虹七色作为色标,直观展现雷电活动的高发位置。某项目所在地雷电强度累积概率分布图如图7所示,统计项目所在位置十年发生的雷电强度,利用曲线表现雷电强度的累计概率,该图可以作为防雷设计关键参数---保护半径的重要技术依据。某项目所在地雷电方位分布图如图8所示,统计项目所在位置8个方向上雷电发生次数的分布,利用雷达分布图绘制,直观展现各个方向上雷电活动的强弱情况。某项目所在地雷电强度方位分布图如图9所示,统计项目所在位置8个方向上雷电电流强度分布,利用雷达分布图绘制,直观展现各个方向上雷电活动的强弱情况。将雷电活动背景规律绘制成直观的图形,将统计数据可视化,更好展现区域内雷电活动规律。

    雷电活动背景规律分析单元用混合基线雷电探测系统探测到的数据,采用电离层反射波识别方法计算雷电活动规律,能快速且准确分析出雷电活动规律,分析结果更具有代表性和指导价值,并将雷电活动规律生成可视化图形,方便人员直观查看,为主动防雷保护提供技术支撑。

    雷电动态风险评估模块包括雷电活动路径分析单元,所述雷电活动路径分析单元根据大气电场和闪电定位数据预测雷暴云位置,具体包括:

    步骤a:获取待评估项目区域的大气电场数据,计算累积差分值判断待评估项目区域内是否有雷暴发生。

    步骤b:获取待评估项目区域的闪电定位数据,采用聚类分析方法分析待评估项目区域内的雷暴信息。

    步骤c:构建和训练雷暴移动相对速度识别模型,将待评估项目区域的大气电场时间序列数据输入训练好的雷暴移动相对速度识别模型判断雷暴相对运动信息,得到判断结果。

    步骤d:构建和训练雷暴路径预测模型,对所述闪电定位数据进行处理后输入训练好的雷暴路径预测模型中预测雷暴移动轨迹,并用所述判断结果对预测的雷暴移动轨迹进行修正。

    雷电活动路径分析单元解决了雷电临近预报精细化问题,气象部门发出的雷电预警信号是面上的雷电预警,覆盖面大,通常以行政区为最小单位,换言之就是精细化不够,不能精细到点,对具体单位的指导价值低。同时,雷电预警信号是两小时至六小时时间尺度,对具体单位来说延迟性太大。雷电活动路径分析单元利用大气电场仪、闪电定位数据开发了空间聚类雷电路径预测算法,将雷电预测预警精准到项目点,时间精细到1小时。

    在步骤a中,具体包括:利用累积差分法来捕捉雷电发生前的电场跳动现象,计算公式为如下。

    其中,e为大气电场值,e(t0)为t0时刻的大气电场值,e(t1)为t1时刻的大气电场值,t0和t1为相邻的两个时刻,间隔为大气电场仪的采样时间间隔,t1-t0=15min。当e(t)’达到设定的阈值时,可以认为预警区域内有雷暴发生,阈值的选取需要根据当地的气象、地理条件确定。

    具体地,收集预警区域内的大气电场数据,按公式(1)计算15min内的大气电场累积差分值,当达到预警阈值时,认为预警区域内有雷暴活动。

    步骤b中,闪电定位数据为气象部门雷电定位系统的监测数据,包含了时间、经纬度、强度、陡度等信息,本实施例使用了其中的时间、经纬度。具体做法为,将闪电定位数据整理为按10min间隔排列的序列数据,并转换为csv逗号分隔文件。

    步骤b中对闪电定位数据进行聚类分析是基于dbscan(density-basedspatialclusteringofapplicationswithnoise,具有噪声的基于密度的聚类方法),它是一种基于密度的空间聚类算法,具有聚类速度快且能够有效处理噪声点和发现任意形状的空间聚类;不需要输入要划分的聚类个数;能找出数据中的噪声点,且对噪声不敏感等优点,是数据挖掘技术中广泛应用的一类方法。使用dbscan聚类算法应掌握一些预备知识,假设我的样本集是d=(x1,x2,...,xm),则引入以下概念和记号:

    1)ε邻域:对于xj∈d,其ε邻域包含样本集d中与xj的距离不大于ε的子样本集,即这个子样本集的个数记为|n∈(xi)|。

    2)核心对象:对于任一样本xj∈d,如果其ε邻域对应的n∈(xj)至少包含minpts个样本,即如果|n∈(xj)|≥minpts,则xj是核心对象。

    3)密度直达:如果xi位于xj的ε邻域中,且xj是核心对象,则称xi由xj密度直达。注意反之不一定成立,即此时不能说xj由xi密度直达,除非且xi也是核心对象。

    4)密度可达:对于xi和xj,如果存在样本样本序列p1,p2,…,pt,满足p1=xi,pt=xj,且pt+1由pt密度直达,则称xj由xi密度可达。也就是说,密度可达满足传递性。此时序列中的传递样本p1,p2,…,pt-1均为核心对象,因为只有核心对象才能使其他样本密度直达。注意密度可达也不满足对称性,这个可以由密度直达的不对称性得出。

    5)密度相连:对于xi和xj,如果存在核心对象样本xk,使xi和xj均由xk密度可达,则称xi和xj密度相连。注意密度相连关系是满足对称性的。

    步骤b通过以下步骤实现:

    步骤b1:输入参数领域半径ε,阈值minpts,闪电定位数据集d;

    步骤b2:在数据集d中随机选一个点p,判断是否为核心点;

    步骤b3:若点p为核心点,找出邻域内所有直接密度可达的点;

    步骤b4:数据集d中的点是否判断完毕,若未完成则重复步骤b.2-b.4;

    步骤b5:合并密度可达的点,扩展簇;

    步骤b6:输出目标簇集合。

    步骤c具体包括以下步骤:

    步骤c1:结合闪电定位数据,人工标记出雷暴靠近预警区域和远离预警区域的数据,按照7:3的比例划分训练集和验证集,并对数据作归一化处理,归一化的目的是防止净输入绝对值过大引起的神经元输出饱和现象,让神经网络快速收敛,计算公式见公式(2),

    其中,x[n]为数据序列的第n个值,xmin、xmax为数据序列的最小值和最大值,为x[n]的归一化值。

    步骤c2:利用一维卷积神经网络建立雷暴移动相对速度识别模型,设置迭代轮次、学习率等超参数,将数据输入神经网络进行训练,当达到训练轮数后,评估并固定模型;

    步骤c3:将待预测大气电场时间序列数据进行归一化处理,输入识别模型,得到雷暴相对大气电场仪的运动方向。

    步骤d中具体包括以下步骤:

    步骤d1:利用步骤b的输出结果,利用公式(3)求出闪电簇的质心,建立雷暴移动路径数据集;

    其中,(xi,yi)为闪电簇中第i个闪电的坐标,(x,y)为闪电簇的质心坐标。

    去除持续时间较短的雷暴路径数据,并将其整理为雷暴路径预测模型所需要的数据,既持续的6个雷暴位置数据为一个样本。对数据集进行归一化处理,并记录最大值和最小值。将归一化后的数据按照7:3的比例划分训练集和验证集。

    雷暴路径预测模型是基于gru(gatedrecurrentunit)门控循环单元结构网络,它是传统rnn(循环神经网络)的变体,同lstm(longshort-termmemory)一样能够有效捕捉长序列之间的语义关联,缓解梯度消失或爆炸现象,同时它的结构和计算要比lstm更简单。gru单元有两个门,一个重置门和一个更新门,重置门决定了如何把新的输入与之前的记忆相结合,更新门决定多少先前的记忆起作用,gru的计算公式如下:

    zt=σ(wz·[ht-1,xt]+bu)(4)

    rt=σ(wr·[ht-1,xt]+br)(5)

    h't=tanh(w·[rt*ht-1,xt])(6)

    ht=(1-zt)*ht-1+zt*h't(7)

    其中,σ为sigmoid激活函数,tanh为tanh激活函数,wz、wr、w为权重,bu、br为偏置,yt为当前时刻的输出,yt-1为上一时刻的输出。公式(4)被称为更新门,公式(5)被称为重置门。

    步骤d2:建立并训练基于gru循环神经网络的雷暴路径预测模型。

    利用paddlepaddle建立一个三层的gru循环神经网络,将网络设置为训练模式,设置迭代轮次、学习率等超参数。将步骤d1处理后的训练集数据读入的雷暴移动路径预测模型,进行训练学习,得到训练好的雷暴移动路径预测模型,利用前3个数据预测后3个数据;达到训练轮数后,将验证集数据输入训练好的雷暴移动路径预测模型进行验证评估,固定模型,完成雷暴移动路径预测模型的训练学习。

    步骤d2中训练gru循环神经网络的雷暴路径预测模型时,优化器为adam优化器,激活函数为relu,为提高网络的泛化性,采用了dropout,丢弃率为0.3。

    步骤d2所采用的的损失函数为mse(均方差)损失函数,计算公式如下:

    其中,y_为神经网络的预测值,即公式(7)中yt,y为标签值,即数据集中该时刻雷暴的真实位置。

    步骤d3:对闪电定位数据进行处理,将处理后的闪电定位数据输入雷暴路径预测模型,预测雷暴移动轨迹。

    按步骤b和d1的方法对闪电定位数据进行处理,得到雷暴位置数据;利用步骤d1记录的最大值、最小值对雷暴位置数据进行归一化处理;将雷暴路径预测模型设置为预测模式,输入归一化处理后的数据得到预测结果。

    步骤d4:利用步骤c3的计算结果对预测的雷暴移动轨迹进行修正。

    步骤c、d所用的软硬件环境为:操作系统为windows10;cpu为amdr7-2700;显卡为nvidiartx-2060;ai框架为百度paddlepaddle;内存为32g;编程语言为python。

    雷电活动路径分析单元利用大气电场数据,闪电定位数据和空间聚类分析方法对雷暴移动轨迹进行预测,实现了实时雷电预警监测,实时隐患风险评估,提供更加精细化的雷电活动预测戒备,能准确预测雷暴移动轨迹,将雷电预测预警精准到待评估项目区域。

    雷电风险动态评估模块包括雷电灾害风险分析单元,所述雷电灾害风险分析单元用于构建雷电灾害风险评估体系的因素集,确定评估指标的等级的决断集,建立评价因素集中每个因素的权重,建立综合评价矩阵,应用模糊变换的合成算法进行综合评价,确定出雷电灾害风险等级。

    雷电灾害风险是不精确、不明确的,我们对雷电灾害的成因认识不完全,评估的信息也不完备,解决这一问题的途径是用适当的方式体现出评估结果的不精确性,目前模糊综合评估法能较好地解决这个问题。雷电灾害风险是一类模糊事件,通常来说动态雷电灾害风险可以划分为低风险、中风险、高风险和非常高风险四个等级,然后建立相应的方程计算得到最终的雷电风险等级。

    通常建立模糊评判模型主要涉及以下三个要素:

    (1)因素集u;

    (2)决断集v;

    (3)单因素判断关系。

    雷电灾害风险评估指标教多且复杂,因此使用三级模糊综合评判模型。大致步骤如下:

    (1)构建评估体系的因素集u

    u={u1,u2,···,un}(8)

    (2)确定指标的决断集v

    v={v1,v2,···,vn}(9)

    决断集即为评估指标的等级,它们是确定指标隶属度的的参考标准,一般为分界值。

    (3)建立m个评价因素的权重分配向量a

    评价因素集中的每个因素在“评价目标”中有不同的地位,即各评价因素在综合评价中占有不同的比重,称为权重值,确定权重值的方法有很多,比如专家咨询法,层次分析法等。目前大多数的权重值法都属于主观判断,雷电的具体成灾机理目前还不能很好地解释,各层的评价因素权重值采取均分的方式,这样可以避免不成熟的人为观念导致某一个评价因素过多地影响最后的评估结果。

    (4)建立综合评价矩阵r

    对评估参数的最底层指标建立一个从u到v的模糊映射,第i个指标的评判隶属度向量为ri=[ri1,ri2,···,rim],则具有m个评估指标的隶属度矩阵为:

    (5)选择合成算法,进行综合评价

    模糊综合评判结果是决断集v上的一个模糊子集,应用模糊变换的合成运算公式为:

    自然灾害形成就是承灾体不能适应或者调整环境变化的结果。雷电灾害风险同其他自然灾害风险相同,也是多种因素相互作用的产物,它受到一个区域自然系统、社会系统及其组合关系的影响。在对重庆地区雷电灾害进行深入研究得出结论:一定区域雷电灾害风险是由雷电灾害危险性(h)、暴露(e)、承灾体的易损性(v)、防灾减灾能力(c)4个风险因素相互交链形成,用公式表达:r=h·e·v·c。由于4个风险因素为比较笼统的抽象概念,选择影响雷电灾害风险的具体参数,在充分调查重庆地区地形地貌特征、气候背景、雷电成灾特点的基础上,提出重庆地区的动态雷电风险评估结构如图10所示,对评估指标的危险等级进行合理划分,确定分级标准并选取合适的隶属函数,然后依次求出各等级雷电灾害风险的隶属度,最后采用适当的加权方法计算得出最终的雷电灾害风险等级。

    隶属函数是模糊集合的支柱,模糊集合完全由隶属函数所刻画,根据本项目实际情况,对于动态雷电灾害评估所选的参量,经过相应统计后可以看出,大部分隶属函数可采用k次抛物线型分布处理,偏小型、偏大型和中间型的k次抛物线型分布分别对应本项目动态雷电风险的四个级别:

    偏小型:

    偏大型:

    中间型:

    得到综合评价结果,使用常见的最大隶属度原则会损失较多有用信息,这里采用适当的加权平均处理,最后得到下面的公式:

    f=1×b1+3×b2+5×b3+7×b4(15)。

    雷电灾害风险分析单元详细展现了雷电主要风险来源、风险源、以及风险分布组成,为减小雷电灾害事故风险提供了良好的技术支撑。将数据采集模块采集的数据和雷电背景活动规律进行加权分析,系统性地展现防雷安全隐患位置和改进建议,并通过直观可视化的形式实时传输给客户。

    本发明实施例提供的一种防雷安全风险管理系统,通过远程采集各个防雷部件的安全性能,结合气象实时探测数据对雷电活动进行监测,动态评估雷电风险,能给出雷电防护建议和实时发出预警信息,更好地发挥雷电灾害评估的作用。

    在上述的第一实施例中,提供了一种防雷安全风险管理系统,与之相对应的,本申请还提供一种防雷安全风险管理方法。请参考图11,其为本发明第二实施例提供的一种防雷安全风险管理方法的流程图。由于方法实施例基本相似于装置实施例,所以描述得比较简单,相关之处参见装置实施例的部分说明即可。下述描述的方法实施例仅仅是示意性的。

    如图11所示,示出了本发明第二实施例提供的防雷安全风险管理方法流程图,适用于上述第一实施例描述的系统,方法包括:

    数据采集模块采集待评估项目的防雷安全性能数据;

    雷电定点监测模块对设定的区域的雷电监测站点的雷电活动进行实时监测;

    雷电风险动态评估模根据雷电定点监测模块实时监测的数据对待评估项目所在地的雷电活动背景规律、雷电活动路径和项目自身雷电灾害风险进行动态分析评估,并给出雷电防护建议;

    预警模块对异常数据和雷电在待评估项目所在位置的预警范围内发出预警信息。

    具体地,雷电风险动态评估模根据雷电定点监测模块实时监测的数据对待评估项目所在地的雷电活动背景规律进行评估,具体包括:

    采用混合基线雷电探测系统探测强对流事件;

    采用电离层反射波识别方法计算出雷电事件的地波传播时间;

    对项目所在地位置范围、待分析时长内的雷电活动进行统计、计算和分析,得到雷电活动时空分布规律。

    雷电风险动态评估模根据雷电定点监测模块实时监测的数据对待评估项目所在地的雷电活动路径进行评估,具体包括:

    获取大气电场数据,计算累积差分值判断待评估项目区域内是否有雷暴发生,获取闪电定位数据,聚类分析待评估项目区域内的雷暴信息,得到分析结果,用大气电场事件序列数据判断雷暴相对运动信息,用闪电定位数据预测雷暴移动轨迹,并用分析结果对预测的雷暴移动轨迹进行修正。

    雷电风险动态评估模块根据雷电定点监测模块实时监测的数据对待评估项目所在地的项目自身雷电灾害风险进行动态分析评估,具体包括:

    构建雷电灾害风险评估体系的因素集,确定评估指标的等级的决断集,建立评价因素集中每个因素的权重,建立综合评价矩阵,应用模糊变换的合成算法进行综合评价,确定出雷电灾害风险等级。

    以上,为本发明第二实施例提供的一种防雷安全风险管理方法的实施例说明。

    本发明提供的一种防雷安全风险管理方法与上述防雷安全风险管理系统出于相同的发明构思,具有相同的有益效果,此处不再赘述。

    最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围,其均应涵盖在本发明的权利要求和说明书的范围当中。

    再多了解一些
    当前第1页1 2 
    网友询问留言 已有0条留言
    • 还没有人留言评论。精彩留言会获得点赞!
    1