基于台风路径与强度模拟的输电网可靠度评估方法

本发明涉及输电网络可靠度评估技术，尤其涉及一种基于台风路径与强度模拟的输电网可靠度评估方法。

背景技术：

1、沿海区域输电网络长期遭受台风灾害侵袭，强风荷载易引发杆塔倒塌、线路断线等重大停电事故，精准评估输电网抗风可靠度是电网规划、运维加固的核心依据。现有可靠度评估高度依赖台风极值荷载样本，但观测历史台风记录仅数十年，样本量不足导致极值荷载估计偏差大，难以覆盖小概率超强台风场景。

2、当前台风模拟方案分为两类：

3、纯数据驱动lstm模型：仅基于历史观测数据训练，无气象动力学约束，生成的虚拟台风易出现路径跳跃、登陆持续增强、风速气压不匹配等违背物理规律的异常样本，极值荷载失真，评估结果可信度低；

4、纯物理气象数值模型：依托完整大气动力学方程组模拟台风，但计算成本极高，无法批量生成数千年海量台风样本，难以适配大规模输电网蒙特卡洛可靠度计算；

5、综上，现有技术存在以下缺陷：模型无法兼顾海量样本生成效率与气象动力学合理性。

6、因此，亟需一种物理与数据联合训练的台风全过程模拟方案，来获取台风极值荷载样本，进行输电网络可靠度评估。

技术实现思路

1、本发明要解决的技术问题在于针对现有技术中的缺陷，提供一种基于台风路径与强度模拟的输电网可靠度评估方法。

2、本发明解决其技术问题所采用的技术方案是：基于台风路径与强度模拟的输电网可靠度评估方法，包括以下步骤：

3、1）搭建用于台风的行进路径和强度演化预测的时序预测网络模型；

4、所述时序预测网络模型采用长短期记忆网络lstm作为提取连续时序演化特征的基础模型，其结构包括：

5、输入层、lstm主干网络、内嵌可微物理层、特征融合层、输出预测层；

6、模型以连续k个历史时间步的台风中心的状态向量序列作为输入；

7、其中，在任意时刻t，台风中心的状态向量st定义为：

8、

9、式中：为台风中心经度；为台风中心纬度；为台风中心最低气压（代表强度特征）；为海陆指示量（静态地理属性，用以辅助模型识别海陆过渡过程中的强度衰减机制）；

10、lstm主干网络的输出为：提取的数据特征；

11、lstm单元对所述状态向量序列进行门控更新后，输出表征台风近期路径与强度时序演化的数据隐藏态ht，并由该隐藏态映射得到中心最低气压、平移速度及平移方向在内的中间物理量；所述中间物理量与当前台风纬度、径向距离网格、环境气压和空气密度共同输入内嵌可微物理层；

12、lstm单元计算出数据特征后，在网络前向传播链路中嵌入可微物理层；可微物理层包括4个子模块，4个子模块串行拼接；

13、子模块1：holland径向气压场求解模块；

14、输入为：lstm主干网络预测输出的台风中心最低气压、台风当前纬度；

15、输出：径向气压梯度；

16、子模块2，yanmeng梯度风场求解模块；

17、输入为：径向气压梯度；

18、输出：理论最大风速、在

rmax处，台风的最大风速

vmax必须严格受约束于梯度风物理映射关系，不再作为神经网络完全自由预测的对象，从而大幅降低模型自由度：

19、子模块3，笛卡尔相对涡度计算模块；

20、输出：相对涡度；

21、子模块4，绝对涡度守恒残差求解模块；

22、输出：全局物理约束标量残差（内嵌可微物理层最终输出）

23、s2、在lstm网络前向传播链路内部串行内嵌可微物理驱动层，所述可微物理驱动层包含四个全程可微、逐级串联的子模块，各子模块数据流单向递进、梯度链式回流，具体包括：

24、s21、径向气压场重构子模块：接收lstm预测的台风中心最低气压pc及当前台风纬度，以1010hpa为固定环境气压pn，计算台风中心气压差；结合地球自转角速度求解科里奥利参数与holland模型气压剖面参数b，通过holland解析表达式重构台风径向气压分布，并对径向距离求偏导得到空间任意位置的径向气压梯度；同时通过vickery经验公式求解台风最大风速半径rmax；输出径向气压梯度、科里奥利参数、最大风速半径rmax；

25、s22、yanmeng风场平衡流速反演子模块：接收s21输出的径向气压梯度、科里奥利参数、最大风速半径rmax，结合空气密度、台风整体平移速度及角度参数，基于边界层动量方程将空气运动速度分解为自由大气层梯度风速与地表摩擦修正风速，分别推导切向梯度风速与径向梯度风速，合成得到笛卡尔坐标系下东西向风速u、南北向风速v；基于梯度风物理映射关系求解rmax处的理论最大风速vmax，构建理论风速与网络预测风速的映射误差，实现最大风速的物理硬约束，降低网络预测自由度；输出二维风场分量u、v及风速物理映射偏差；

26、s23、相对涡度转化子模块：接收s22输出的二维风场分量u、v，基于局地笛卡尔坐标系偏微分关系，求解台风旋转运动对应的相对涡度ζ，将风场矢量特征转化为支配台风路径偏移的动力学涡度特征量；输出相对涡度ζ；

27、s24、绝对涡度守恒物理残差求解子模块：接收s23输出的相对涡度ζ，结合当前台风纬度、地转效应纬度变化率，将准地转近似下的绝对涡度守恒物质守恒方程展开为欧拉时空演化形式，显式刻画台风内生环流引发的beta漂移路径偏移效应；计算模型模拟演化结果与绝对涡度守恒理论规律的偏离程度，得到全局可微物理残差rphys；输出物理残差rphys；

28、内嵌可微物理层按照径向气压场重构、梯度风场反演、相对涡度转化、绝对涡度守恒物理残差求解的数据流向逐级计算，输出理论最大风速、二维风场分量、相对涡度和全局物理残差；

29、物理-数据特征融合层，融合包括lstm提取的数据特征（纯数据驱动预测趋势）；以及可微物理层输出全局物理约束标量残差（气象动力学约束）；

30、模型输出层，将融合后隐藏态输入全连接层，输出下一时刻完整台风状态向量；

31、模型的输出为下一时刻的状态增量目标向量st+1：

32、；

33、式中，和分别为下一时刻的经纬度增量；为中心最低气压增量；为下一时刻的近中心最大风速。通过将历史状态与预测增量叠加，实现台风路径与强度的滚动步进模拟。

34、2）设计联合损失函数；

35、损失函数由四项加权子损失构成，具体如下：

36、路径回归损失：用于约束台风经纬度轨迹与观测样本贴合；

37、气压强度回归损失：用于约束中心气压强度预测精度；

38、梯度风速映射损失：用于约束网络输出风速满足梯度风平衡物理关系；

39、绝对涡度守恒物理残差损失：用于强制模拟过程满足大气涡度守恒定律；

40、3）训练模型；

41、4）大样本随机初始场景生成：采用负二项分布对台风年发生频次进行概率建模，通过蒙特卡洛抽样生成千年尺度的台风年频次序列，基于西北太平洋台风活跃海域的历史观测数据，随机抽样获取台风初始状态向量，作为台风演化模拟的初始输入；

42、5）在模型训练完成后，使用训练完毕的模型，批量生成千年虚拟台风样本；

43、用蒙特卡洛随机抽样与训练好的模型，一次性模拟1000年的虚拟台风，产出几万条完整台风生命周期轨迹，作为电网风荷载的输入。

44、s51、台风年发生频次概率建模：针对西北太平洋台风年频次方差大于均值的分布特征，采用负二项分布对各模拟年份台风发生频次ni进行概率建模，拟合得到分布参数r=1170.93、p=0.98；对概率分布进行1000次蒙特卡洛抽样，生成1000年跨度的台风年随机发生频次矩阵；

45、由于西北太平洋台风年频次样本方差显著大于均值，本方案采用负二项分布对任意模拟年份i内生成的台风总频次ni进行建模：

46、

47、基于历史最佳路径数据集拟合，离散模型参数取值设定为

r=1170.93,

p=0.98。通过对该概率函数进行1000次蒙特卡洛（montecarlo）抽样，即可扩充生成包含1000年跨度的随机年发生次数矩阵。

48、s52、台风初始状态随机抽取：根据每年模拟台风频次，采用随机重复抽样方式，在西北太平洋台风活跃海域5°n～25°n、110°e～170°e范围内的历史台风起始样本库中，随机抽取包含初始经度、纬度、中心最低气压、最大风速的初始状态向量s0，作为物理-数据双驱动台风演化模型的初始输入。

49、s53、台风登陆退化与多机制随机终止判定全生命周期模拟：

50、通过海陆指示量识别台风登陆状态，采用分区域参数化的vickery指数模型模拟台风陆面强度衰减，基于gamma分布设定台风生命周期上限，基于对数正态分布设定台风消散气压阈值，双重判定终止台风滚动模拟，生成符合真实气候特征的台风全生命周期虚拟样本，为输电网抗风防灾可靠度评估提供极值荷载输入。

51、6）提取每一条虚拟台风序列中近地面最大风压、风速极值荷载，将极值荷载批量输入区域输电杆塔、架空线路力学失效模型；

52、基于蒙特卡洛抽样统计全部虚拟台风作用下输电系统线路、杆塔失效频次，计算线路失效概率、系统停电风险、电网抗风可靠度指标，完成区域输电网台风失效概率、抗风可靠度指标计算。

53、按上述方案，模型主体网络采用双层lstm结构，隐藏单元数分别设定为128和64。lstm通过内部的遗忘门、输入门、候选记忆状态和输出门对历史气象时序信息进行选择性保留与更新；

54、按上述方案，物理-数据融合层：接收lstm原始时序隐藏态ht、可微物理层输出的全局物理残差rphys及梯度风速映射偏差，将rphys和风速映射偏差经线性层映射为物理嵌入向量，再与ht进行拼接或加权融合得到校正后隐藏态hc；校正后隐藏态hc输入全连接输出层，得到下一时刻经度、纬度、中心最低气压和近中心最大风速的增量预测。训练阶段，路径回归损失、气压强度损失、梯度风速映射损失和绝对涡度守恒残差损失共同反向传播，使lstm参数和物理融合参数同步更新。

55、按上述方案，路径空间回归损失：

56、

57、气压强度回归损失：

58、

59、梯度风速理论映射损失：

60、

61、绝对涡度守恒偏离度（关键物理损失项）：

62、

63、式中带有上标

obs的变量均为历史气象测得的真实观测值。通过使网络参数的梯度信息同时来源于样本统计误差与物理动力学残差，确保了即使在历史极端大风小样本区域下，模拟生成的轨迹仍具具备高度的物理一致性。

64、

65、式中，

w1,

w2,

w3,

w4为平衡各任务贡献的权重系数；ltrack、lpress、lv和lphys分别表示路径空间回归损失、气压强度回归损失、梯度风速理论映射损失和绝对涡度守恒偏离度；n为训练样本数量；λ、φ、分别为台风中心经度、纬度；p为中心最低气压，vmax分别为近中心最大风速；上标obs表示历史观测值；u、v分别表示笛卡尔坐标系下东西向和南北向风速分量；ζ为相对涡度；β为局地行星涡度梯度。

66、本发明还提供一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述方案中的步骤。

67、本发明还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述方案中的方法。

68、本发明产生的有益效果是：

69、本发明在lstm时序预测网络中串行嵌入holland气压场、yanmeng风场、相对涡度和绝对涡度守恒残差等可微物理模块，使台风路径与强度模拟同时受历史统计规律和气象动力学约束，减少纯数据驱动模型可能出现的路径突变、风速气压不匹配等不合理结果；

70、本发明将台风演化模拟、近地风场荷载提取、杆塔线路失效统计和输电网络可靠度计算贯通，可直接获得线路失效概率、系统停电风险和抗风可靠度指标，为沿海输电网防灾加固和规划评估提供依据。