于2010年5月、7月、8月和10月对桑沟湾筏式养鲍区的沉积环境进行现场调查,采用挪威海洋研究所建立的鱼类养殖环境监测系统模型(Modelling-Ongrowing fish farms-Monitoring,MOM system),应用MOM-B着重对鲍养殖区的沉积环境状况进行监测...于2010年5月、7月、8月和10月对桑沟湾筏式养鲍区的沉积环境进行现场调查,采用挪威海洋研究所建立的鱼类养殖环境监测系统模型(Modelling-Ongrowing fish farms-Monitoring,MOM system),应用MOM-B着重对鲍养殖区的沉积环境状况进行监测和评价,由生物、化学和感官指标组组成。生物指标组的结果显示,各站位都有大型底栖动物,鲍养殖区处于1,2或者3等级。根据化学指标组(pH值和氧化还原电位Eh)和感官指标组(颜色、气味、气泡、粘稠度等)的监测结果进行了进一步的评价,结果显示,各站位的pH>7.0,为弱碱性,沉积物都无气泡产生,无臭味或硫化氢气味。鲍养殖区的沉积环境状况整体良好,5月和7月为1级,8月和10月为2级。虽然鲍养殖区目前的沉积环境状况较好,但需要注意的是8月和10月Eh<0,沉积环境已经处于还原状态,可能与鲍养殖压力有关。展开更多
[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...[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。展开更多
The creation of a suitable wide area monitoring system(WAMS) is widely recognized as an essential aspect of delivering a power system that will be secure,efficient and sustainable for the foreseeable future. In Great ...The creation of a suitable wide area monitoring system(WAMS) is widely recognized as an essential aspect of delivering a power system that will be secure,efficient and sustainable for the foreseeable future. In Great Britain(GB), the deployment of the first WAMS to monitor the entire power system in real time was the responsibility of the visualization of real time system dynamics using enhanced monitoring(VISOR) project. The core scope of the VISOR project is to deploy this WAMS and demonstrate how WAMS applications can in the near term provide system operators and planners with clear, actionable information. This paper presents the wider scope of the VISOR project and the GB wide WAMS that has been deployed. Furthermore, the paper describes some of the WAMS applications that have been deployed and provides examples of the measurement device performance issues that have been encountered during the project.展开更多
文摘于2010年5月、7月、8月和10月对桑沟湾筏式养鲍区的沉积环境进行现场调查,采用挪威海洋研究所建立的鱼类养殖环境监测系统模型(Modelling-Ongrowing fish farms-Monitoring,MOM system),应用MOM-B着重对鲍养殖区的沉积环境状况进行监测和评价,由生物、化学和感官指标组组成。生物指标组的结果显示,各站位都有大型底栖动物,鲍养殖区处于1,2或者3等级。根据化学指标组(pH值和氧化还原电位Eh)和感官指标组(颜色、气味、气泡、粘稠度等)的监测结果进行了进一步的评价,结果显示,各站位的pH>7.0,为弱碱性,沉积物都无气泡产生,无臭味或硫化氢气味。鲍养殖区的沉积环境状况整体良好,5月和7月为1级,8月和10月为2级。虽然鲍养殖区目前的沉积环境状况较好,但需要注意的是8月和10月Eh<0,沉积环境已经处于还原状态,可能与鲍养殖压力有关。
基金国网陕西省电力有限公司科技项目“110~330 k V穿越秦岭线路覆冰、覆雪气象灾害预报与告警技术研究”(SGTYHT/23-JS-0033)。
文摘[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。
基金supported by the GB Network Innovation Competition(NIC)
文摘The creation of a suitable wide area monitoring system(WAMS) is widely recognized as an essential aspect of delivering a power system that will be secure,efficient and sustainable for the foreseeable future. In Great Britain(GB), the deployment of the first WAMS to monitor the entire power system in real time was the responsibility of the visualization of real time system dynamics using enhanced monitoring(VISOR) project. The core scope of the VISOR project is to deploy this WAMS and demonstrate how WAMS applications can in the near term provide system operators and planners with clear, actionable information. This paper presents the wider scope of the VISOR project and the GB wide WAMS that has been deployed. Furthermore, the paper describes some of the WAMS applications that have been deployed and provides examples of the measurement device performance issues that have been encountered during the project.
