基于Arcgis的雷电分布图绘制方法研究

黄然，钱国超，徐肖伟

（云南电网有限责任公司电力科学研究院，昆明 650217）

0 前言

架空输电线路除了人为因素，设备故障外还与自然灾害密不可分。根据云南近几年跳闸数据统计在各类自然灾害，影响因子排序如下：雷电、山火、覆冰、外破、鸟害、风偏及其他，其中雷电占比大约为60%，为造成线路跳闸的主要原因，本文提出了一种基于网格分析的雷区图绘制方法，将统计数据以不同形式展示包括图形、表格等，为运维人员提供详实的雷电分布趋势，为线路防雷决策提供支持和数据支持，对电网的安全运行有意义。

1 云南地形地貌概况

云南地形极为复杂,大体上西北部是高山深谷的横断山区,东部和南部是云贵高原。最高峰是西北部迪庆藏族自治州德钦县的梅里雪山，其主峰卡瓦格博峰海拔6740米。最低点是河口县的元江河谷，海拔仅有76.4米.整个云南西北高、东南低，有94%多的面积是山地，仅有不到6%是坝子、湖泊之类.个别县市的山地比重竟然超过了98%。而由于云南地处低纬高原地区，复杂的地形地貌及南北气候的差异特殊地形使得雷电活动尤为频繁，一般从每年4月份开始一直持续到十月份结束，其中西双版纳为云南省雷暴最多的地方，年平均雷暴日可达一百多天，相当于每年的三分之一时间在打雷。

2 雷电原始数据处理

为此收集了云南省内44个雷电探测站近十年观察数据以及探测站位置信息，收集数据包括：落雷时间、落雷位置、落雷电流幅值、落雷极性、定位站数、回击次数、平均角度误差、误差椭圆长半轴、误差椭圆短半轴等。

相较于故障录波或者其他监控系统容易造成较大误差以及漏报落雷点，云南省雷电定位系统采用高精度GPS技术，能将落雷位置精确到毫秒级别，准确的收集落雷数据，大大提高信息的可信度及准确度，一般数据处理包括以下几个部分：

2.1 数据采集

雷电探测站采集到落雷数据后通过指定服务传输给数据服务器，通信服务器一般采用双机热备技术，当一台出现故障无法正常工作时，可启动另外一台设备保证雷电数据的准确性和完整性。

2.2 数据定位计算

雷电数据定位计算为系统核心部分，通过不同探测站采集到的数据通过综合分析后，根据定义好的计算模型从新计算得出真实的落雷位置，并将计算结果保存至数据库中。

2.3 雷电数据服务

由于每年采集的落雷数据量大，为了方便查看及保存需将数据保存至专门的存储数据库中，包括采集到的雷电位置数据、雷电相关参数数据、计算结果数据等。且数据库服务器通常采用磁盘阵列技术防止由于设备故障而导致的数据丢失。

2.4 雷电统计分析服务

通过分析统计落雷数据，可针对性的未雷电数据研究提供相关服务，包括区域地闪密度分析、线路地闪密度分析、雷暴日分析、雷暴小时分析、有雷日分析、雷电赋值分析等。

通过上述数据处理后，系统自动剔除了采集的非雷电数据信号，并通过不同探测站的数据比对筛选出真实的雷电信息数据，为后续的雷电参数统计[1]、空间规律分析提供有力的数据支持。

3 基于网格划分的雷电数据预处理

由于技术的不断发展，传统的地形处理已经不能满足大数据良、复杂空间数据结构的需求，相较于单机计算下的计算速度慢效率低下的问题，基于网格技术的分布式并行处理能将计算速度大大提高，并能有效解决由于数据量太大无法分析计算的问题。

空间数据[2]索引是指空间对象在现实中的地理位置的某种特定关系，并按照实际情况进行排列的一种数据结构，包括属性信息、空间位置信息、地理对象标识ΙD等，然后通过索引得到各元素间的约束关系。

网格分析[3]是研究网络上的资源流动和分配情况，并对其进行优化处理的空间分析[4]方法。顾名思义就是将整个区域划分为一个个大小相同的正方形网格，从左至右，从上至下排序，每个网格的面积都相等，可按需分为0.5*0.5、1*1、2*2、5*5、10*10的大小，负荷和负荷密度成比例关系。由于云南省边界不会随意变化，所以只用划分一次便可以一直使用。统计时取网络中心点为相对地理坐标，同时将网格内负荷等效为点的负荷，这样可以大大简化数据的提取及分析，流程图如图1所示：

图1 网格分析流程图

4 雷电分布图绘制方法

为了使图像最终的显示效果显得更为平滑，不显得突兀，通常采用插值方法对图像进行处理。空间插值就是通过已知点的数值来估算其他点的数值，并其点位数值进行覆盖，也是一种将点数据转换为面数据的一种方法，使得点数据能用于空间分析和建模。空间插值的理论假设是：空间位置上越靠近的点，越可能具有相似的特征值，而距离越远的点，其特征值相似的可能性越小。空间插值方法正式根据该假设设计的，分为整体插值方法和部分插值方法。

4.1 固定阈值IDW算法

ΙDW基本思想是目标离观察点越近则权重越大，受该观察点的影响越大。好处是观察点本身是绝对准确的，而且可以限制插值点的个数。

设置一个固定的阈值进行插值计算，插值后得到的分布图。优点是地图在任何比例尺下看到的分布情况都是一样的，缺点是小比例尺下分布区域不连贯，地图显示的小片区域比较多。效果如图2、3、4：

图2 固定阈值示例图

图3 1:1,000,000比例尺效果

图4 1:500,000比例尺效果

4.2 多阈值IDW算法

根据地图显示的比例尺不同，不同放大级别使用不同的阈值进行插值计算，小比例尺下只显示全省分布的大概情况，大比例尺下显示某个区域分布的详细情况。

优点是任何比例尺下显示的分布图都是简洁明快的，缺点是大比例尺下锯齿明显、不同比例尺下显示的分布结果不一样。效果如图5：

图5 多阈值示例图

4.3 Kriging算法

Kriging插值[5,6]与ΙDW插值的区别在于权重的选择，ΙDW仅仅将距离的倒数作为权重，而克里金考虑到了空间相关性的问题。它首先将每两个点进行配对，这样就能产生一个自变量为两点之间距离的函数。对于这种方法，原始的输入点可能会发生变化。在数据点多时，结果更加可靠。

目前来看是插值效果最好的算法，任何比例吃下显示的分布图都是平滑、连贯的，缺点是计算时间太长，用测试数据需要计算20多分钟。效果如图6：

图6 Kriging算法示例图

5 绘制方法应用展示

通过提前将地图进行网格划分，可快速提高计算速度，提高运行效率，本文利用该方法针对几种常用的雷电分析处理做了应用展示：

5.1 危险雷害图分析

危险雷电密度分布在地闪密度分布和雷电流幅值分布的基础上绘制，是雷害风险分布图的基础。对于不同电压等级、不同雷害性质，具有不同的危险电流段；绘制各类危险电流段内的地闪的密度分布，得到相应的危险雷电密度分布。其计算逻辑图如下图所示：

图7 计算逻辑图

效果图如图8所示：

图8 云南省雷电效果图

5.2 特定电压等级线路雷电分析

针对云南省内500 kV线路，只统计分析线路走廊半径内雷电活动分布，根据线路覆盖区域与网格进行交叉对比，仅统计二者交叉区域的网格落雷数量，最后进行分级绘制。在尽可能将网格划分为最小的情况下了有效的避免统计线路走廊与网格区域的无效部分，在本文中，在不影响机器性能的情况下采用1 km*1 km的网格大小，效果图如下图9：

图9 特定电压等级线路雷电分析效果

6 结束语

本文以云南省为研究对象，基于云南省内44个探测站近十年的雷电位置、雷电大小、赋值 分布等海量数据，分别采用固定阈值ΙDW法、多阈值ΙDW法、Kriging算法绘制相应雷区图，并进行相关对比。从测试样本可以看出，Kriging算法插值图形效果最好，能较好的体现细节变化，在不考虑计算时间的条件下，优先采用该方法进行处理。由于雷电活动与地形地貌、气象环境等因素有关，由于获取数据的途径有限，本文仅针对雷电活动进行了统计分析，并未考虑其他因素对雷电活动的影响及雷区图的叠加等。为了满足日益提高的雷区图使用需求，在下一步的研究中加入地形地貌及气象等多因子的数学模型，并优化该方法对雷电进行更为精确、全面的研究。