2. 中国矿业大学(北京)地球科学与测绘工程学院, 北京 100083
2. College of Geoscience and Surveying Engineering, China University of Mining & Technology, Beijing 100083, China
磁暴是地球磁场全球性的剧烈扰动现象,主要是由太阳抛射的高速等离子体到达地球磁场作用空间后,与地球磁场相互作用导致地球磁层短暂性的剧烈波动引起的(徐文耀, 2009).磁暴期间,时变磁场会导致大地表面产生较大的感应电场,有可能破坏供电设备、管道及电网(如变压器),甚至导致大规模停电(Albertson et al., 1993;Samuelsson, 2013),造成巨大的经济损失.如1989年3月13日至14日期间,磁暴产生强烈的地下感应电场,由此电场产生的强电流(Geomagnetically Induced Currents, GIC)沿着电力线缆流动,造成加拿大魁北克省整个735千伏电网崩溃(Bolduc, 2002),大量设备出现故障或被烧毁,600多万用户失去电力供应,这是目前GIC造成电力系统破坏作用最强的一次事件(Kappenman, 1996; Béland and Small, 2004;刘连光和吴伟丽, 2014).
虽然我国地处中低纬地区,也同样遭受到过磁暴事件的影响.例如,2004年11月7日和10日,广东岭澳核电站变压器因为磁暴引发的GIC峰值达到了47A和55.8A,在此期间岭澳核电站变压器发生了几次强烈震动和噪声增大事件,也是由GIC导致的(刘连光等, 2008).另外,由于我国特高压电网分布较广,还具有输电距离长,电网线路跨越高阻地带、电路电阻小,部分电路采用单向变压器组的特征,这都使得电网遭受磁暴影响的可能性增大(刘连光等, 2009).因此,电网GIC预防与防治对保证国家电网安全起了至关重要的作用(刘连光和吴伟丽,2014).
GIC是指磁暴时感应产生的地下电流,实际上,由于电力设备及管道一般埋设在地表浅部(土壤部分),我们更关心地表附近GIC值.根据欧姆定律的微分形式(j=Eσ,j为电流密度,E为电场强度,这里为GIE,σ为地表土壤的电导率)可知,地表的导电率越高,GIC越大.对于特高压电力系统而言,因为要求接地电阻较小,导致GIC更大;再者,GIE越大,GIC也越大,潜在的破坏作用也越大(Radasky, 2011; Beggan et al., 2013).地表介质的导电性可以通过简单的方法进行测量得到,如直流电阻率法,因此,GIC研究的关键及难点问题在于如何精确计算GIE.
GIE除了与磁暴时的磁场有关以外,还与地下介质的电性结构密切相关,由于磁暴的作用范围很广,频段较宽(徐文耀, 2009),GIE不只与地表浅部介质有关,还与整个区域的电性结构有关.具体而言,在地下电阻率较高的区域,阻抗较大,GIE越大(Cuttler et al., 2018)(也可见下文公式(1)).由于全球连续观测磁场的台站较多,不同学者研究GIE的主要区别在于选择的地下电阻率模型不同,造成计算GIE的精度不同.Kappenman等(2000)假设地下电导率为一维情况下,通过电磁感应定律,计算了多个地区磁暴引起的地电场大小.Pulkkinen等(2010)假设外部磁场变化近似为平面波,地下介质电导率近似为一维结构,仅随深度变化,在已知局部有效电导率近似一维情况下, 得出GIC计算模型,该方法的计算精度较高,但对于构造复杂的区域,GIE的计算精度较低.Thomson等(2009)提出利用地表电导率以及地幔电导率得到区域电导率,再求得GIE,并指出GIE的计算精度主要取决于地下电阻率模型的精度.Torta等(2014)利用高压电网系统的直流模型计算得出GIC,然后通过电网连接的几何结构及其整个系统的电阻值,评估了GIC对西班牙400千伏输电网络可能造成的危害.Kelbert等(2017)估算了电场与磁场之间在时间域的单位脉冲响应,并假设该单位脉冲响应不随时间变化,以此计算磁暴时期产生的GIE.我国学者章鑫等(2017)根据平面波理论和水平导电层模型,基于地震台网中直流电阻率法测量到的电阻率值(这是因为我国地磁台站和地电台站的有效测量频段较低,电磁场的波动效应很弱)和地磁台站数据,利用电磁感应定律,计算了华北地区多个地震台站附近的GIE,得到计算值与实测电场数据大致趋势一致.Cuttler等(2018)发现美国明尼苏达州相距仅120 km的两个测点,在同一场磁暴中的GIE相差几个数量级,表明采用一维地下电导率模型计算GIE可能产生很大偏差.
本文提出利用参考点磁场与本地点电场之间的站间阻抗,结合磁暴时参考点的磁场数据,合成磁暴时本地点电场的频谱,最后对电场频谱进行反傅里叶变换,得到GIE.
1 利用大地电磁站间阻抗计算GIE的基本原理假设天然电磁场以均匀平面波的形式入射地表,通过在地表上观测水平正交的电场和磁场,可以得到表征地下物质电性结构的阻抗,这是大地电磁测深方法的基本原理(Simpson and Bahr, 2005).设本地测点l和参考测点r的电场和磁场在时间域分别为el、hl与er、hr,在频率域中记为El、Hl与Er、Hr.通常大地电磁测深方法中的阻抗是指同一测点电场与磁场之间的频率域传递函数,阻抗Zl满足:
(1) |
其中:El =FFT(el), Hl =FFT(hl),FFT表示快速傅里叶变换,式中电场E和磁场H,分别包括两个正交的分量[Ex, Ey]和[Hx, Hy],Z是2×2的复数张量,具体为(Simpson and Bahr, 2005):
(2) |
站间阻抗是指多个同步观测电场和磁场的测点中,其中任意一个测点电场与另一个测点磁场之间的传递函数(Egbert 1997).如测点l与测点r之间的站间阻抗,记为Zlr,满足下式:
(3) |
由于一定区域内磁场具有较高的相关性,当测点相距不远时,站间阻抗Zlr近似于本地阻抗Zl,也被称为拟阻抗.在可控源音频大地电磁测深实际工作中,为了提高工作效率,常常在一定范围内只采集一个点的磁场和多个点的电场,用拟阻抗代替本地阻抗.
与本地阻抗的估算方法相同,(3)式中的站间阻抗可以采用最小二乘法估算(Sims et al., 1971):
(4) |
其中[AB]算符表示场强A和场强B的功率谱密度矩阵,其分量形式的表达式为(Gamble et al., 1979):
(5) |
其中Ax*表示复数
(6) |
当磁场存在非高斯噪声时,采用最小二乘法估算站间阻抗,会导致估算值偏小,通过Robust估计可以提高站间阻抗的估算精度(Egbert and Booker, 1986):
(7) |
其中ω为权重函数,Robust估计的本质是降低噪声时段数据的权重,提高阻抗的估算精度(王辉等, 2014).
Robust估计的缺点在于无法压制电磁相关噪声,此时,可以选择距离磁场测点较远地区一个同步观测的磁场(记为r′),利用远参考点磁场与参考磁场之间的噪声不相关,进行远参考方法处理,压制电磁相关噪声,获得站间阻抗的无偏估计(Gamble et al., 1979;王辉等, 2019b):
(8) |
将Robust估计与远参考方法结合,可以进一步提高站间阻抗估算精度(Jones et al., 1989),即:
(9) |
由于地下介质的电性结构是相对稳定的,站间阻抗也是稳定的(Campanyà et al., 2014; Romano et al., 2014; Eisel and Egbert, 2000),即利用不同时间段电磁数据估算的拟阻抗应相等,则有:
(10) |
ti表示不同时间段,当地下岩层电性结构发生变化时,如监测地热或碳捕获和封存区域时,则上式有可能不成立.但绝大部分情况下,(10)式是成立的,下节我们利用实测数据对此进行分析.
利用Robust远参考方法估算得到的高精度站间阻抗,结合任意时段参考点磁场数据的频谱,根据(3)式可以得到该时段的电场频谱;对其进行傅里叶反变换,得到该时段的电场时间序列.若选择磁暴时期的参考磁场数据,便可以计算得到磁暴引起的GIE.利用大地电磁站间阻抗计算GIE方法的具体流程如图 1所示.
利用大地电磁站间阻抗计算GIE的假设前提是站间阻抗具有稳定性,否则我们不能利用非磁暴时段电场和磁场数据估算的站间阻抗,计算磁暴时期的电场.为了研究站间阻抗的稳定性,选择日本三个连续观测近20年的电磁台站(测点分布如图 2所示)数据,台站坐标如表 1所示,原始数据的采样率均为1 Hz,电场和磁场观测的有效频段分别为DC-10 Hz和DC-5 Hz.由于数据量较大,且2010年更换了采集仪器,为了避免不同仪器自身响应对阻抗的影响,本文只选择2001/01/01—2009/12/31之间,共9年数据进行处理和分析.
为了讨论站间阻抗的稳定性,不失一般性,选择MMB台站的电场,并分别利用KAK和KNY的磁场数据,计算不同时段的站间阻抗,由于数据总长度较长,这里以一个月的数据长度为单位估算一次站间阻抗.由于10~104 s频段内对电网造成的潜在破坏作用最大(Barnes et al., 1991; NERC, 2014a, b ),本文只讨论该周期范围阻抗的稳定性.站间函数估算采用经典开源的大地电磁数据处理软件EMTF(Egbert and Booker, 1986; Egbert, 1997),通过Robust远参考方法获得阻抗的无偏估计.
计算MMB电场与KAK磁场之间的站间阻抗时,以KNY磁场为远参考点,图 3是2001-01-01—2009-12-31时间内,站间阻抗四个元素实部和虚部随时间的变化.从图 3可知,四个站间阻抗元素的实部和虚部在102~104 s周期范围内基本稳定,在高频部分(< 100 s)站间阻抗具有较明显的季节性变化,这种变化随着周期的增大而减小,对计算GIE影响较小,下文将具体讨论.图 4是图 3中一个月(2001-04-01—2001-04-30)的站间阻抗,四个阻抗元素的实部和虚部都较为连续、光滑,说明采用远参考Robust方法估算的阻抗精度较高.
计算MMB电场与KNY磁场之间的站间阻抗时,以KAK磁场为远参考点,图 5表示阻抗随时间的变化,图 6是图 5中一个月数据长度(2001-04-01—2001-04-30)计算得到的站间阻抗.从图 5与图 6中也可以得到上述结论,表明可以选择不同台站的磁场作为参考,计算与本地电场之间的站间阻抗,用于计算GIE.
同理,我们还可以估算KAK电场与MMB、KNY磁场之间的站间阻抗,KNY电场与MMB、KAK磁场之间的站间阻抗,其结果与图 3、图 5类似,站间阻抗在102~104 s周期内基本不随时间改变,在周期10s附近存在较明显的季节性变化,这可能与降水量有关(Romano et al., 2014),下文将给出不同时段站间阻抗对计算GIE的具体影响.
2.2 利用站间阻抗计算GIE选择2003年10月29日至30日被称为“Halloween strom”的一次持续磁暴(活动指数Kp>9)事件.图 7是MMB台站该磁暴时期磁场三个分量随时间的变化,其日变化最大值分别高达510 nT、382 nT和124 nT,远远超过正常的磁场日变化.
为了讨论本文方法计算GIE的精度,将合成的电场与实测数据进行对比.采用相关系数(Correlated coefficient, CORC)、信噪比(Signal to noise ratio, SNR)和拟合百分数(Fit percent parameter, FITP)(Chen et al., 2012)三个参数进行比较(Wang et al., 2017;王辉等, 2019b),计算公式分别定义如下:
(11) |
(12) |
(13) |
其中x表示实测电场数据,y表示合成GIE数据,N表示数据长度,‖ ‖表示L2的范数.
相关系数表示合成数据与实测数据的相似程度,而不考虑幅值的变化,信噪比表示实测数据与残差(实测数据与合成数据之间的差值)功率的比值.理想情况下,我们希望合成GIE数据与实测电场数据完全一致,即拟合百分数接近100%,相关系数接近1,而信噪比越大越好.信噪比等于0表示实际数据与残差具有相当的功率,等于10 dB表示实际数据功率是残差功率的10倍,信噪比等于20 dB表示实际数据功率是残差功率的100倍.拟合百分数表示合成数据与实际数据的吻合度,其范围为负无穷至100%,如果两者完全一致,拟合百分数为100%,拟合百分数越小,表示合成数据与实测数据差别越大,意味着合成数据误差较大.
图 8是三个台站磁暴时期实测电场数据与本文方法合成GIE数据的对比,图 8(a1)和图 8(a2)是分别以KAK、KNY磁场数据为参考,计算得到MMB台站ex分量,图 8(a3)和图 8(a4)是分别以KAK、KNY磁场数据为参考,计算得到MMB台站ey分量;图 8(b1)和图 8(b2)是分别以KNY、MMB磁场数据为参考,计算得到KAK台站ex分量,图 8(b3)和图 8(b4)是分别以KNY、MMB磁场数据为参考,计算得到KAK台站ey分量;图 8(c1)和图 8(c2)是分别以KAK、MMB磁场数据为参考,计算得到KNY台站ex分量,图 8(c3)和图 8(c4)是分别以KAK、MMB磁场数据为参考,计算得到KNY台站ey分量.从图中容易发现,合成的GIE与原始观测数据基本重合,相关系数大于0.84,信噪比大于5.03 dB,拟合百分数大于40%,说明利用本文方法可以计算得到精度较高的GIE.由法拉第电磁感应定律可知,磁场变化越快感应产生的电流越大,突然增大的电流最有可能损坏电网设备,因此,对于GIC问题,我们更关心磁暴时期产生GIC的峰值.由于电网附近地下电性结构基本不变,根据欧姆定律,只需要讨论电场GIE的峰值.为此,进一步考察2003年10月29日至30日磁暴期间最为剧烈10 min(图 8中指针标出部分)产生的GIE,结果如图 9所示,图中各个子图的含义与图 8一致,可见合成GIE的两个分量与实测电场数据几乎完全重合,相关系数大于0.93,信噪比大于8.9dB,拟合百分数大于64.20%,进一步表明本文方法可以较高精度合成GIE.
最后讨论站间阻抗高频部分季节性变化对计算GIE的影响,以MMB台站电场为例,以KAK为参考磁场,选择由不同时间段原始数据估算得到的多个站间阻抗,分别合成同一时间段的GIE,对比阻抗变化对GIE的影响.分别利用2001年3月、6月、9月和12月(春夏秋冬各一个月)数据计算得到站间阻抗,合成图 8中同一段时间的GIE,结果如图 10所示,对比可知,不同时段站间阻抗计算的GIE基本都与原始数据一致,ex最大拟合百分数与最小拟合百分数相差3.3%,最大信噪比与最小信噪比相差0.63 dB,最大相关系数与最小相关系数相差0.015;ey最大拟合百分数与最小拟合百分数相差4.23%,最大信噪比与最小信噪比相差0.9dB,最大相关系数与最小相关系数相差0.021.可见,站间阻抗季节性变化对于计算GIE精度影响较小,这是因为站间阻抗的季节性变化主要在高频部分,且相对变化并不大,这从图 3和图 5中都可以看出.
极端磁暴产生的GIC可能导致电网设备和地下管道遭到破坏,高精度并及时估算GIE大小,有助于迅速采取应对措施,减轻损失.本文通过计算电场与磁场之间的站间阻抗,可以高精度合成GIE,为实时监控GIE提供基础研究方法.
目前,我国已经布设覆盖全国的地磁观测网络,(http://www.geomag.org.cn/)要计算任意测点的GIE,我们只需在该测点采集一段时间的电场(获得10~104s频段内的阻抗),结合连续采集的地磁台站数据,便可以通过本文方法计算GIE.再根据测点地表附近的电导率(采用直流电阻率法可以测到)容易得到GIC,进一步分析对电网、地下管线等可能产生的潜在破坏.
本文方法是以大地电磁基本理论为基础的,合成的GIE只是地电场中的平面波场部分.磁暴一般发生在距离地表 6R~11R范围内(R为地球半径(徐文耀, 2009)),因此,地表观测的磁场可以近似为平面波,合成GIE与实测数据基本相同.实测地电场中还包括了其他非平面波的部分,例如矿物和地下流体之间的电化学相互作用,由地下温度梯度引起的热电机制,海洋潮汐引起的运动感应产生电场变化等等.但这些因素引起地电场变化较为缓慢,对GIE的计算结果影响不大.
本文方法计算GIE,需要测点附近的地电场数据,而电网及地下管线分布广泛,很多地区没有电场数据,由于地形限制,部分地区难以实际测量电场,导致无法获得精确的三维站间阻抗.如何计算没有电场数据测点附近的GIE是研究的难点.近几年,不少学者试图采用差值的方法解决这个问题,如Bonner和Schultz(2017)结合USArray采集的大地电磁数据,利用距离加权的方法计算空白点的GIE,得到的结果要好于只利用一维电阻率模型计算的结果,这也是我们下一步研究的重点.
4 结论本文提出利用电场与磁场之间的大地电磁站间阻抗,结合磁暴时期地磁台站的磁场数据,合成磁暴引起的地下感应电场(GIE).通过对日本地区三个台站长达9年电场与磁场数据的试算,验证了站间阻抗在102~104s具有较好的稳定性,高频部分(< 10 s)阻抗具有季节性变化,但对GIE的影响较小.因此利用站间阻抗可以高精度合成GIE,尤其是对磁暴最为剧烈的较短时段,合成GIE的精度更高,为进一步分析GIC及其对电网构成的潜在破坏提供重要依据.
致谢 感谢日本气象厅提供数据下载服务(http://www.kakioka-jma.go.jp/obsdata/metadata/en);感谢Gary Egbert教授提供开源的大地电数据处理软件EMTF.感谢国家留学基金委提供出国访学的助学金(201706435008),最后真诚地感谢两位审稿人认真审阅论文初稿,并给出详细的修改意见.
Albertson V D, Chairman, Bozoki B, et al. 1993. Geomagnetic disturbance effects on power systems. IEEE Transactions on Power Delivery, 8(3): 1206-1216. DOI:10.1109/61.252646 |
Béland J, Small K. 2004. Space weather effects on power transmission systems:the cases of Hydro-Québec and transpower New Zealand Ltd. Effects of Space Weather on Technology Infrastructure. Dordrecht:Springer, 176: 287-299. |
Barnes P R, Rizy D T, Tesche F M, et al. 1991. Electric utility industry experience with geomagnetic disturbances. Oak Ridge National Lab, TN (United States): U.S. Department of Energy Office of Scientific and Technical Information, 1-78.
|
Beggan C D, Beamish D, Richards A, et al. 2013. Prediction of extreme geomagnetically induced currents in the UK high-voltage network. Space Weather, 11(7): 407-419. DOI:10.1002/swe.20065 |
Bolduc L. 2002. GIC observations and studies in the Hydro-Québec power system. Journal of Atmospheric and Solar-Terrestrial Physics, 64(16): 1793-1802. DOI:10.1016/S1364-6826(02)00128-1 |
Bonner IV L R, Schultz A. 2017. Rapid prediction of electric fields associated with geomagnetically induced currents in the presence of three-dimensional ground structure:Projection of remote magnetic observatory data through magnetotelluric impedance tensors. Space Weather, 15(1): 204-227. DOI:10.1002/2016SW001535 |
Campanyà J, Ledo J, Queralt P, et al. 2014. A new methodology to estimate magnetotelluric (MT) tensor relationships:estimation of local transfer-functions by combining interstation transfer-functions (ELICIT). Geophysical Journal International, 198(1): 484-494. DOI:10.1093/gji/ggu147 |
Chen T S, Ohlsson H, Ljung L. 2012. On the estimation of transfer functions, regularizations and Gaussian processes-revisited. Automatica, 48(8): 1525-1535. DOI:10.1016/j.automatica.2012.05.026 |
Cuttler S W, Love J J, Swidinsky A. 2018. Geoelectric hazard assessment:The differences of geoelectric responses during magnetic storms within common physiographic zones. Earth, Planets and Space, 70(1): 35. DOI:10.1186/s40623-018-0807-7 |
Egbert G D, Booker J R. 1986. Robust estimation of geomagnetic transfer functions. Geophysical Journal International, 87(1): 173-194. DOI:10.1111/j.1365-246X.1986.tb04552.x |
Egbert G D. 1997. Robust multiple-station magnetotelluric data processing. Geophysical Journal International, 130(2): 475-496. DOI:10.1111/j.1365-246X.1997.tb05663.x |
Eisel M, Egbert G D. 2001. On the stability of magnetotelluric transfer function estimates and the reliability of their variances. Geophysical Journal International, 144(1): 65-82. DOI:10.1046/j.1365-246x.2001.00292.x |
Gamble T D, Goubau W M, Clarke J. 1979. Magnetotellurics with a remote magnetic reference. Geophysics, 44(1): 53-68. |
Jones A G, Chave A D, Egber G D, et al. 1989. A comparison of techniques for magnetotelluric response function estimation. Journal of Geophysical Research:Solid Earth, 94(B10): 14201-14213. DOI:10.1029/JB094iB10p14201 |
Kappenman J G. 1996. Geomagnetic storms and their impact on power systems. IEEE Power Engineering Review, 16(5): 5-8. DOI:10.1109/MPER.1996.491910 |
Kappenman J G, Radasky W A, Gilbert J L, et al. 2000. Advanced geomagnetic storm forecasting:A risk management tool for electric power system operations. IEEE Transactions on Plasma Science, 28(6): 2114-2121. DOI:10.1109/27.902238 |
Kelbert A, Balch C C, Pulkkinen A, et al. 2017. Methodology for time-domain estimation of storm-time geoelectric fields using the 3-D magnetotelluric response tensors. Space Weather, 15(7): 874-894. DOI:10.1002/2017SW001594 |
Liu L G, Liu C M, Zhang B, et al. 2008. Strong magnetic storm's influence on China's Guangdong power grid. Chinese Journal of Geophysics (in Chinese), 51(4): 976-981. |
Liu L G, Liu C M, Zhang B. 2009. Effects of geomagnetic storm on UHV power grids in China. Power System Technology (in Chinese), 33(11): 1-5. |
Liu L G, Wu W L. 2014. Review of the influential factors of the power system disaster risk due to geomagnetic storm. Chinese Journal of Geophysics (in Chinese), 57(6): 1709-1719. DOI:10.6038/cjg20140603 |
NERC. 2014a. Benchmark geomagnetic disturbance event description. Atlanta: North American Electric Reliability Corporation (NERC), 1-26.
|
NERC. 2014b. Transformer thermal impact assessment: project 2013-03 (geomagnetic disturbance mitigation). Atlanta: North American Electric Reliability Corporation (NERC), 1-16.
|
Pulkkinen A, Kataoka R, Watari S, et al. 2010. Modeling geomagnetically induced currents in Hokkaido, Japan. Advances in Space Research, 46(9): 1087-1093. DOI:10.1016/j.asr.2010.05.024 |
Radasky W A. 2011. Overview of the impact of intense geomagnetic storms on the U.S. high voltage power grid.//IEEE International Symposium On Electromagnetic Compatibility. Long Beach, CA, USA, USA: IEEE, 300-305.
|
Romano G, Balasco M, Lapenna V, et al. 2014. On the sensitivity of long-term magnetotelluric monitoring in Southern Italy and source-dependent robust single station transfer function variability. Geophysical Journal International, 197(3): 1425-1441. DOI:10.1093/gji/ggu083 |
Samuelsson O. 2013. Geomagnetic Disturbances and Their Impact on Power Systems. Sweden: Lund University, 1-18.
|
Simpson F, Bahr K. 2005. Practical Magnetotellurics. Cambridge: Cambridge University Press, 1-254.
|
Sims W E, Bostick F X, Smith H W. 1971. The estimation of magnetotelluric impedance tensor elements from measured data. Geophysics, 36(5): 938-942. DOI:10.1190/1.1440225 |
Thomson A W P, McKay A J, Viljanen A. 2009. A review of progress in modelling of induced geoelectric and geomagnetic fields with special regard to induced currents. Acta Geophysica, 57(1): 209-219. DOI:10.2478/s11600-008-0061-7 |
Torta J M, Marsal S, Quintana M. 2014. Assessing the hazard from geomagnetically induced currents to the entire high-voltage power network in Spain. Earth, Planets and Space, 66: 87. DOI:10.1186/1880-5981-66-87 |
Wang H, Wei W B, Jin S, et al. 2014. Removal of magnetotelluric noise based on synchronous time series relationship. Chinese Journal of Geophysics (in Chinese), 57(2): 531-545. DOI:10.6038/cjg20140218 |
Wang H, Campanyà J, Cheng J L, et al. 2017. Synthesis of naturalelectric and magnetic Time-series using Inter-station transfer functions and time-series from a Neighboring site (STIN):Applications for processing MT data. Journal of Geophysical Research:Solid Earth, 122(8): 5835-5851. DOI:10.1002/2017JB014190 |
Wang H, Cheng J L, Yao Y S, te al. 2019a. A new method of noise deletion in magnetotelluric time-series based on impulse response of inter-station transfer function. Chinese Journal of Geophysics (in Chinese), 62(3): 1057-1070. DOI:10.6038/cjg2019M0375 |
Wang H, Yao Y S, Xu T T, et al. 2019b. Estimation of local impedance for long period magnetotelluric data using geomagnetic data and interstation transfer functions. Progress in Geophysics (in Chinese), 34(1): 200-207. DOI:10.6038/pg2019BB0459 |
Xu W Y. 2009. Physics of Electromagnetic Phenomena of the Earth (in Chinese). Hefei: Press of University of Science and Technology of China.
|
Zhang X, Du X B, Liu J. 2017. Analysis of GIC and vortex current responses in Huabei region during geoelectric storms. Chinese Journal of Geophysics (in Chinese), 60(5): 1800-1810. DOI:10.6038/cjg20170516 |
刘连光, 刘春明, 张冰, 等. 2008. 中国广东电网的几次强磁暴影响事件. 地球物理学报, 51(4): 976-981. DOI:10.3321/j.issn:0001-5733.2008.04.004 |
刘连光, 刘春明, 张冰. 2009. 磁暴对我国特高压电网的影响研究. 电网技术, 33(11): 1-5. |
刘连光, 吴伟丽. 2014. 电网磁暴灾害风险影响因素研究综述. 地球物理学报, 57(6): 1709-1719. DOI:10.6038/cjg20140603 |
王辉, 魏文博, 金胜, 等. 2014. 基于同步大地电磁时间序列依赖关系的噪声处理. 地球物理学报, 57(2): 531-545. DOI:10.6038/cjg20140218 |
王辉, 程久龙, 姚郁松, 等. 2019a. 基于站间天然电磁场单位脉冲响应的大地电磁时间序列去噪方法. 地球物理学报, 62(3): 1057-1070. DOI:10.6038/cjg2019M0375 |
王辉, 姚郁松, 许滔滔, 等. 2019b. 利用地磁台站数据和站间传递函数估算长周期大地电磁测深的本地阻抗. 地球物理学进展, 34(1): 200-207. DOI:10.6038/pg2019BB0459 |
徐文耀. 2009.地球电磁现象物理学.合肥: 中国科学技术大学出版社.
|
章鑫, 杜学彬, 刘君. 2017. 华北地区地电暴时GIC及涡旋电流响应分析. 地球物理学报, 60(5): 1800-1810. DOI:10.6038/cjg20170516 |