融合图像识别与数值模拟的秦岭输电线覆冰预测OA

[目的]输电线覆冰是电力系统中常见的极端气象风险之一。为提高输电线路的安全运行水平,文章针对输电线路覆冰预测与监测的关键技术问题展开研究。[方法]构建了一种融合数值天气预报模型(Weather Research Forecasting,WRF)与Makkonen物理覆冰模型的覆冰厚度预测方法。同时创新性地引入机器视觉图像识别技术,提出一种基于像素宽度测量的非接触式覆冰厚度实测方法,实现对模型结果的精确验证。[结果]以2025年1月24日一次宝鸡市翻越秦岭区域输电线路覆冰事件为例,研究表明:高低空环流形势配合下逆温层形成、暖湿气流输送与地形抬升作用的协同机制是造成此次输电线覆冰主要天气学背景;利用机器视觉图像识别技术的覆冰厚度识别算法误差≤3.08%,已达到实际输电线路监测预警精度要求,展现出良好的现场应用潜力;WRF模式能够较好地模拟出此次覆冰过程中的关键气象要素,其模拟值与观测值的相关系数高达0.9,具有较高的可靠性;基于WRF模式驱动的Makkonen模型模拟的覆冰厚度与基于机器视觉的实测值吻合良好,平均绝对误差仅为0.632 mm,能准确反映覆冰的动态增长趋势。[结论]基于WRF模式和Makkonen模型的覆冰厚度预测方法,结合机器视觉图像识别技术,能够有效预测和监测输电线路覆冰厚度,为提高输电线路安全运行水平提供新的技术手段。