1.一种闪电定位仪故障自检测方法,其特征在于:包括以下步骤:
获取二维闪电定位数据集,二维闪电定位数据集包括闪电定位网络中观测到闪电活动的闪电定位仪节点与闪电发生位置之间的闪电距离数据;
将二维闪电定位数据集中闪电距离数据超过预设的闪电距离阈值对应的闪电定位仪节点过滤掉,得到过滤后的闪电定位仪节点集合,再将过滤后的闪电定位仪节点集合中,每三台闪电定位仪节点组合形成一个闪电定位仪节点组;
分别对各个闪电定位仪节点组内闪电定位仪节点的闪电距离数据采用二维定位算法计算得到二维闪电定位位置,将得到的全部二维闪电定位位置组成二维闪电定位数据集;
基于离异点分析算法对二维闪电定位数据集进行分类,得到不同的分类数据集,分别计算不同的分类数据集的卡方分布值;
基于卡方分布值判断是否存在产生故障的闪电定位仪节点。
2.根据权利要求1所述的闪电定位仪故障自检测方法,其特征在于:过滤后的闪电定位仪节点集合表示为:{d1,d2,...,dn},其中d1、d2……dn分别代表第1个、第2个……第n个闪电定位仪节点;二维闪电定位数据集中第i个闪电定位仪节点组的经纬度数据Di表示为Di=
3.根据权利要求2所述的闪电定位仪故障自检测方法,其特征在于:所述基于离异点分析算法对二维闪电定位数据集进行分类包括:循环遍历二维闪电定位数据集中各闪电定位仪节点m,将二维闪电定位数据集中闪电定位仪节点组分成分类数据集S1和分类数据集S2,其中,分类数据集S1中二维闪电定位数据由包含闪电定位仪节点m的闪电定位仪节点组生成,分类数据集S2由不包含闪电定位仪节点m的闪电定位仪节点组生成。
4.根据权利要求3所述的闪电定位仪故障自检测方法,其特征在于:所述分别计算不同的分类数据集的卡方分布值包括:遍历分类数据集中闪电定位仪节点组的经纬度数据,求出分类数据集的平均定位均值点的经纬度数据Dx=
对分类数据集S1和分类数据集S2分别使用卡方分布计算公式,根据卡方分布值计算公式,计算得到分类数据集的卡方分布值,分别记作X(S)1 和X(S)2 ;
其中卡方分布值计算公式具体为:
;
其中: 为第i个闪电定位仪组对应的定位值与分类数据集平均定位均值点
的欧氏距离平方,R(Di)是第i个闪电定位仪组探测的闪电经纬度的欧氏范数,。
5.根据权利要求4所述的闪电定位仪故障自检测方法,其特征在于:所述基于卡方分布值判断是否存在产生故障的闪电定位仪节点包括:计算闪电定位仪节点m形成的两个分类数据集的卡方值差绝对值dm,即dm= | X(S1)‑X(S)2 |;
将得到的各闪电定位仪节点m对应的dm值进行从大到小排序;
选取最大的卡方值差绝对值dm对应的闪电定位仪节点m进行判断,如果满足故障节点判断条件,则该闪电定位仪节点m存在故障。
6.根据权利要求5所述的闪电定位仪故障自检测方法,其特征在于:所述故障节点判断条件具体为:根据自由度为2,显著性水平为0.05,查找卡方分布表,得到分布值为r;满足分类数据集S1和分类数据集S2中某一个分类数据集所得的卡方分布值大于r,而另一个分类数据集的卡方分布值小于r。
7.根据权利要求1所述的闪电定位仪故障自检测方法,其特征在于:闪电定位仪节点的部署方式采用Y型、矩型、菱型、T型和梯型五种方式中的一种。
8.根据权利要求1所述的闪电定位仪故障自检测方法,其特征在于:闪电距离数据通过闪电定位仪节点自带的时差定位算法计算得到。
9.一种闪电定位仪故障自检测装置,其特征在于:包括:
二维闪电定位数据集获取模块,用于获取二维闪电定位数据集,二维闪电定位数据集包括闪电定位网络中观测到闪电活动的闪电定位仪节点与闪电发生位置之间的闪电距离数据;
闪电定位仪节点组生成模块,用于将二维闪电定位数据集中闪电距离数据超过预设的闪电距离阈值对应的闪电定位仪节点过滤掉,得到过滤后的闪电定位仪节点集合,再将过滤后的闪电定位仪节点集合中,每三台闪电定位仪节点组合形成一个闪电定位仪节点组;
二维闪电定位数据集生成模块,用于分别对各个闪电定位仪节点组内闪电定位仪节点的闪电距离数据采用二维定位算法计算得到二维闪电定位位置,将得到的全部二维闪电定位位置组成二维闪电定位数据集;
卡方分布值计算模块,用于基于离异点分析算法对二维闪电定位数据集进行分类,得到不同的分类数据集,分别计算不同的分类数据集的卡方分布值;
故障确定模块,用于基于卡方分布值判断是否存在产生故障的闪电定位仪节点。
10.一种计算机可读存储介质,其上存储有计算机程序/指令,其特征在于:该计算机程序/指令被处理器执行时,实现权利要求1‑8中任一所述的闪电定位仪故障自检测方法。