（1）摘要 随着输电线路电压等级的不断升高以及极端气候条件下强风天气的频发，输电线路运行条件下的电磁环境问题日益复杂严峻。为揭示强风对特高压直流输电线路离子流场的影响，该文引入多松弛时间格子玻耳兹曼方法（MRT-LBM），结合基于计算统一设备架构（CUDA）的并行技术，构建离子流场数值计算模型。相较于单松弛时间格子玻耳兹曼方法（SRT-LBM），该方法在提升数值稳定性方面具有明显优势，有利于满足高电压等级和强风场景下电流连续性方程的收敛性要求。首先，将离子流场宏观控制方程转换为对应的介观多松弛时间格子玻耳兹曼方程（MRT-LBE），将离子电流等效为电荷粒子团在电场作用下的迁移行为，在介观层面计算离子流场分布；其次，通过同轴圆柱模型验证该方法的准确性和可靠性；最后，将模型应用于±1 100 kV输电线路的仿真研究。仿真结果揭示了强风作用下离子流场的演化规律，并分析了中国气象局四个风力预警等级条件下地面附近电场与离子电流密度的分布特征。研究结果可为特高压直流输电线路在极端气候条件下的优化设计与安全运行提供理论依据。
关键词：极端气候 特高压直流输电线路 多松弛时间格子玻耳兹曼方法（MRT-LBM） 离子流场
近年来，受全球气候变化影响，极端天气事件呈现频发趋势，尤其是强风天气的出现频率明显上升[1-3]。风场扰动作为一种外部驱动因素，会对高压直流输电线路周围的电场与离子流分布产生显著影响[4-5]。一方面，风场可能改变带电粒子的原有迁移路径和运动速度，导致离子流场重新分布；另一方面，还可能导致地面电场强度集中区域发生转移，扩大离子流的影响区域。特别是在强风天气下，离子迁移过程中的非线性特征更为显著，导致离子流密度和电场分布呈现强烈的非对称性。
目前已经有很多学者开展了风速对离子流场影响的相关研究，汪沨等[6]采用三维上流有限元方法分析风速对特高压直流（Ultra-High Voltage Direct Current, UHVDC）输电线路离子流场的影响，发现风力扰动会对空间电场和离子密度分布造成显著改变，表明风场扰动应在输电线路的设计与评估中予以考虑。Du Zhiye等[7]建立数值模型，探讨了在高原风场条件下自然风耦合时地表合成电场及离子迁移特性，为研究风对高海拔输电线路的影响提供了理论依据。岳国华等[8]提出了一种基于风速概率分布与风切变指数的数值仿真方法，通过Weibull模型与高度差风速分布，模拟了±800 kV高压直流线路的离子流场。研究结果表明，引入风切变校正后，离子密度与地面电场误差分别降低了16.3%和3.8%，有效地提升了模型精度。康永强等[9]考虑流场与离子流场双向耦合的问题，研究了±800 kV高压直流输电线路在风场条件下的地面合成电场与离子流密度分布变化规律。秦子翌等[10]考虑了风向和风速随机性的关联，对多风向下离子流迁移进行了模拟。然而，上述研究的风速多集中于中等风速，即小于或等于15 m/s，缺乏强风天气下离子流场的演化过程以及分布特性研究。并且随着目前电力输送电压等级的升高，极端气候下强风天气日益频繁，进一步增加了该场景下离子流场中对流占优的电流连续性方程求解难度。因此，亟须开展针对强风工况下高电压直流输电线路离子流特性的深入研究。
格子玻耳兹曼方法（Lattice Boltzmann Method, LBM）作为一种介观尺度的数值模拟方法，大多被用于求解流体流动方面的问题。作为瞬态演化的计算方法，LBM具有并行计算效率高、边界条件处理灵活等优点，特别适用于模拟复杂流动和多物理场耦合问题[11-13]。本文作者也曾尝试将单松弛时间格子玻耳兹曼方法（Single Relaxation Time LBM, SRT-LBM）应用于离子流问题，但随着模型复杂程度的提升，对算法稳定性提出了更高的要求[14]。多松弛时间格子玻耳兹曼方法（Multiple Relaxation Time LBM, MRT-LBM）不论是在计算精度还是在数值稳定性方面均得到大幅提升，特别是其引入了更多变量描述碰撞过程，相较于以往的单松弛模型仅通过黏性系数描述碰撞过程，MRT-LBM模型通过质量、动量、能量等更多参数定义松弛变量，且由于守恒量的松弛参数可以调节，大幅提升了碰撞过程的数值稳定性[15-16]。
本文引入MRT-LBM模型，结合基于计算统一设备架构（Compute Unified Device Architecture, CUDA）的并行计算，对离子流场模型进行数值模拟。然后将其应用于±1 100 kV输电线路的离子流场数值计算，研究强风条件下离子流场的演化过程，分析不同等级的强风对地面附近电场和离子电流密度分布的影响，为极端气候环境下特高压直流输电线路的高可靠性运行与科学设计提供理论支持。
在高压直流电场作用下，离子流场的宏观控制方程包括泊松方程、电场方程和电流连续性方程[17]，具体为
（1）
（2）
（3）
式中，φ为空间电势；q±为正、负电荷密度；ε为介电常数；E为电场强度；K±为正、负电荷迁移率；t为时间；D为电荷扩散系数；R为正负电荷的复合系数；u为风速；e为电子电荷量。
为了格式对齐便于代码编写，LBM的计算通常采用无量纲参数，这里进一步给出了离子流场控制方程组的无量纲形式[18]，即
（4）
（5）
（6）
其中
式中，
为空气的运动黏度，该参数等于动力黏度μ和空气密度ρ的比值；T、M和α均为无量纲控制参数，其中，T为电瑞利数，M为无量纲电荷迁移率，α为无量纲扩散系数；f0为参考电势；l为特征长度。在LBM中，格子玻耳兹曼方程（Lattice Boltzmann Equation, LBE）用于描述分布函数的演化，其通过求和可得到宏观变量，并能在多尺度展开下恢复宏观方程。
LBM的关键步骤之一是对粒子在时间和空间上进行离散。该方法假设在离散的空间单元格中，粒子体积趋近于零且数量充足，可将每个格子视为一个粒子团整体，并采用概率分布函数来描述格子内粒子的分布情况。通过在每个离散时间步上计算各格子内的粒子分布，实现对整个流体系统的宏观描述。由于计算空间被离散为有限数量的格子单元，粒子仅在格点处存在并演化，因此其迁移方向亦需离散化，体现为速度空间的离散处理。对于速度离散存在不同的假设模型，其中Qian Yuehong等提出的速度离散模型被广泛使用[19]。在这种离散模型中，通常以DdQq（d维空间，q个离散速度方向）的方式表述问题所在的维度与计算所需的离散速度数量。常用的D2Q9速度离散模型如图1所示，其表示这是一个2维问题，速度被离散为9个方向。当粒子团位于图1中的中心点0时，其坐标为(0, 0)。粒子团中的一部分分别以速度c向东、北、西、南四个方向移动∆x的距离，经过时间∆t后，分别落在点(c, 0)、(0, c)、(-c, 0)、(0, -c)的位置，即图1中点1、2、3、4的位置。粒子团中的另一部分以速度
c向东北、西北、西南、东南方向移动∆x，经过时间∆t后，分别落在点(c, c)、(c, -c)、(-c, -c)、(c, -c)的位置，即图中点5、6、7、8的位置。
图1 D2Q9速度离散模型
Fig.1 D2Q9 velocity discretization model
本文采用D2Q9速度离散模型，为了便于编程，速度cj配置可写为
（7）
式中，(·, ·)为有序数对，表示速度方向；下标j表示速度方向编号；c为速度，c=∆x/∆t，∆x和∆t分别为网格步长和时间步长。
1.3.1 电势LBE
LBM作为瞬态演化方法，在给出电势的LBE之前，需将稳态泊松方程改写成瞬态形式，即
（8）
式中，γ为与松弛时间相关的量，γ＞0，本文取γ= 0.3[18]；
为宏观电荷密度分布。对于式（8）而言，其对应的LBE为
（9）
其中
（10）
式中，gj为j方向电势分布函数；x为空间位置；
为j方向平衡态分布函数；ωj为j方向平衡分布函数的权重因子；τφ为电势的单松弛时间。式（9）的最后一项可简化为差分形式，即
（11）
1.3.2 电荷密度LBE
以正电荷为例，电流连续性方程对应的LBE可表示为
其中
（13）
式中，hj为j方向正电荷密度分布函数；
为j方向正电荷密度平衡态分布函数；cs为格子声速；
为电荷密度方程的松弛时间。
由于电晕放电过程属于对流占优过程，其扩散系数数量级约为10-6 m2/s。松弛变量的取值很大程度上取决于电荷扩散系数的值，而τq是迭代过程收敛性的关键性变量。当电荷扩散系数D趋近于0时，τq趋近于0.5，此时LBM松弛过程会产生巨大的数值振荡甚至无法收敛[20]。为了解决这一问题，本文在电流连续性方程迭代求解过程中引入MRT-LBM模型。相比于SRT，MRT的关键在于设置多个松弛变量替代原本单个松弛变量，舍弃仅由单个运动参数来决定碰撞过程，转而使用更多的信息丰富碰撞过程，将原本于速度空间中的碰撞步骤转换在动量空间中完成，这种思想使改进后的模型在参数选取范围和数值稳定性方面均有很大提升。若SRT-LBE表示为
（14）
式中，
为速度空间j方向上的分布函数；
为速度空间j方向上的平衡分布函数；
为松弛时间；F为在宏观层面恢复源项而构造的分布源函数。则MRT-LBE可表示[21]为
（15）
式中，
为碰撞矩阵Λ中第i行第j列的元素。可通过一个变换矩阵M建立速度空间和矩空间之间的关系，有
（16）
式中，f(x, t)=[f1(x, t)f2(x, t)f3(x, t)…fq(x, t)]T描述速度空间Rq的演化过程；
为速度空间平衡分布函数向量；m和meq分别为f和转换到矩空间所对应的矩函数。将式（15）两侧同时左乘变换矩阵M则获得MRT-LBE的矩阵形式为
（17）
式中，
为碰撞后的矩函数；S为矩空间中的松弛矩阵，S=MΛM-1。对于D2Q9模型来说，变换矩阵和松弛矩阵分别为
（18）
（19）
式中，sρ、se、sε、sjx、sjy、sq、svx、svy为各矩量对应的松弛参数，分别作用于密度、内能、与内能二次方有关的项、x和y方向的动量分量、内能分量以及正应力和剪切应力分量。在碰撞过程中，密度和动量为守恒量，与这些矩对应的平衡矩是其自身，所以相应的松弛变量可以取任意值。松弛参数se和sq均与宏观方程无关，因此也可调节这些参数来优化模型。使用LBM时可以将所有分布函数、松弛变量转换为多松弛格式，所有步骤均按照多松弛格式进行，在碰撞前通过变换矩阵M将速度空间分布函数转换为矩空间执行碰撞步骤，碰撞后再通过式（17）中的逆变换还原至速度空间，以不影响其他步骤。
计算机中的运算单元除了中央处理器（Central Processing Unit, CPU）之外，还包括图形处理器（Graphics Processing Unit, GPU）。CPU擅长高效执行复杂指令，尽管其核心数量通常仅为数十个，但单核计算性能极强。相比之下，GPU为了满足图形渲染过程中对大量像素并行处理的需求，配备了数量庞大的计算核心，通常达到103～104个数量级，虽然其单核性能远低于CPU，但在大规模并行计算方面具有显著优势[22]。由于LBM属于局部计算模型，各个单元的碰撞与迁移过程可独立进行，具备高度并行性，因此本文引入GPU并行计算技术。基于GPU加速的LBM如图2所示[23]，采用多块（multi-block）结构，将二维LBM网格划分为多个GPU子域，并利用CUDA异步核函数并行执行“碰撞-迁移”核心操作，加速泊松方程和电流连续性方程的耦合求解，以显著提升程序的运行效率。
图2 基于GPU加速的LBM[23]
Fig.2 GPU-accelerated LBM[23]
MRT-LBM能否准确应用于离子流场的求解仍需进一步验证。由于同轴圆柱模型具备离子流场的解析解，因此其常被用作验证数值计算结果可靠性的标准模型[24]。解析解与MRT-LBM计算结果对比如图3所示。由图3可知，数值计算结果与解析解具有良好的一致性，表明所采用的MRT-LBM在离子流场求解中具有较高的准确性与可靠性。
图3 解析解与MRT-LBM计算结果对比
Fig.3 Comparison between analytical solution and MRT-LBM simulation results
基于文献[25]中南方电网公司超高压技术国家工程实验室（昆明）的±800 kV高压直流试验线路在0～3 m/s风速条件下的离子流测量数据，采用本文提出的计算方法与其进行了对比分析，结果如图4所示。由图4可以看出，计算结果与测量结果表现出较好的一致性，但负极侧的计算结果普遍小于测试数据。大量输电线路电晕放电研究表明，输运区的载流子主要为空气中的小离子而非自由电子。工程上常用迁移率的取值范围为K+=(1.2～1.7)×10-4 m2/(V·s)，K-=(1.5～2.0)×10-4 m2/(V·s)[26]。为便于编程，许多工作统一取K+=K-=1.5×10-4 m2/(V·s)[9]。鉴于文献[9]
的实验场景与本文一致，本文亦采用该取值。一方面，从机理上看，负离子（如
及其水合簇）的有效迁移率通常不低于正离子（如
），且对湿度更敏感[27]。因此，若迁移率不区分极性，会低估负极侧负离子的到达通量与地面离子电流，进而使负极计算值偏小。另一方面，正负极起晕注入电荷的极性差异也将导致负极侧计算结果普遍小于测试数据。起晕电场/电压的极性效应会直接影响注入边界，研究表明，正极起晕电压通常略高于负极起晕电压（两者差异可达10%或更高；在导线表面电压梯度较高、表面有刻痕/污秽或特定大气条件下，两者差异可扩大至约30%），这意味着在相同运行条件下负极会更早进入持续电晕，注入通量更大[28]。由于本文参考文献[9]的参数，将两极按相同起晕/注入规律处理，因而负极侧更易被低估。
图4 测量结果与MRT-LBM计算结果比对
Fig.4 Comparison between measurement results and MRT-LBM simulation results
为说明CUDA并行计算的加速效果，利用同轴圆柱电场模型进行验证。模型中网格节点数共90 000个，采用CUDA并行计算时，块大小设置为16×16，对应每块256个线程，共分配361个块。结果显示，在并行条件下，模型演化1步的计算时间为0.076 1 s，而未使用CUDA并行时为0.129 7 s。在模型收敛所需的4 203步计算过程中，总耗时分别为320 s和545 s。由此可见，CUDA并行计算相较于传统方法使计算速度提升了约41%。
在三维离子流场的数值仿真中，由于需要比二维模型使用更多的网格单元来刻画空间分布，计算量显著增加，导致计算复杂度大幅提高。相比之下，CUDA并行计算能够充分发挥GPU的大规模并行优势，将原本在CPU上串行执行的计算任务高效并行化处理，从而显著缩短单步演化时间和整体计算耗时。得益于此，可以在合理的时间内完成三维大规模高精度建模，同时满足工程应用中对实时性和仿真效率的需求。因此，CUDA并行计算对于三维离子流场仿真尤为重要，它不仅显著提升了计算效率，也为工程应用提供了强有力的计算支撑。
环境风的描述是流体动力学领域中的经典研究问题。在风的传播过程中，受到上游来流条件、地表粗糙度及湍流输运等多种因素的影响，其在近地表区域的流动形成了具有特征性的结构。为便于区分，这一受地表作用影响而形成特殊流动结构的流体层被称为大气边界层，而其上方几乎不受地表粗糙效应影响或可忽略该影响的气流区域则称为自由流区域。造成边界层内流动结构差异的主要原因在于地表粗糙元件所引起的摩擦力与流体分子黏性的共同作用。随着高度的增加，地表摩擦对气流的影响逐渐减弱，黏性效应随之降低，最终过渡至自由流区域。根据日本建筑学会对地面粗糙度的分类标准，认为自由流区域的高度通常不低于250 m，且在高地表粗糙度条件下可达650 m以上。美国土木工程师协会和日本建筑学会标准中均采用平均风速指数律来描述横向风，其表达式[29]为
（20）
式中，u(y)为高度y处的风速值；yref为参考高度；uref为参考高度yref处的风速；β为地表粗糙类别参数。根据式（20），风速的分布随着高度呈梯度变化，越靠近地面风速越小，在地面时风速为0；离地面越远风速越大。平均风速指数律具体形式如图5所示。
图5 平均风速指数律
Fig.5 Power law of mean wind speed
本文采用平均风速指数律模型对风速在垂直空间中的分布特性进行描述，并基于中国气象局发布的大风预警信号等级作为风速设定依据，探讨强风环境下离子流场的演化特性。中国气象局将大风预警划分为四个等级，分别为蓝色、黄色、橙色和红色，预警风速均以10 m高度处的风速为参考。各等级对应的风速范围分别为：蓝色预警10.8～17.1 m/s，黄色预警17.2～24.4 m/s，橙色预警24.5～32.6 m/s，红色预警32.7～41.4 m/s。本文选取每级预警对应风速区间的下限值作为输入，即在10 m高度处分别设定风速为10.8、17.2、24.5、32.7 m/s，以分析不同强风等级下离子流场的响应特性。
仿真中±1 100 kV输电线路使用八分裂导线，导线对地高度为32 m，极间距为26 m，分裂间距为0.45 m，子导线直径为47.34 mm。为忽略计算域边界对计算结果产生的影响，本文计算域高度取为导线高度的4倍，即128 m，宽度取为导线高度的8倍，即256 m。导线表面的电荷密度边界值基于Kaptzov假设迭代求得。
LBM作为一种介观尺度的数值方法，其边界条件的处理需要兼顾介观参数的特点。具体而言，在粒子群的迁移步骤中，各粒子群沿预设的离散速度方向迁移，同时也接收来自相邻粒子群在对应方向上的迁移补充。然而，在计算域的边界之外并不存在粒子群，因此边界上的粒子群在某些方向上将缺乏来自邻域的迁移分量。为此，需要通过合适的介观边界条件进行插值或修正补偿。目前广泛应用的边界处理方法是非平衡态外推格式[30]。其基本思想是将边界上的分布函数分解为平衡态部分和非平衡态部分。平衡态部分由边界上的宏观物理量计算得到，而非平衡态部分则通过对计算域内部相邻点的分布函数外推获得，从而在保持物理一致性的同时提高计算的稳定性和准确性。本文中空气域和导线的边界条件即采用非平衡外推格式。综上所述，±1 100 kV特高压直流输电线路示意图如图6所示。
图6 ±1 100 kV特高压直流输电线路示意图
Fig.6 Schematic of ±1 100 kV UHVDC transmission line
首先对强风条件下离子流场的演化过程进行分析。由于不同风速下空间中电荷密度分布的演化形态具有一定的相似性，本文以无风状态至风速为10.8 m/s（蓝色预警等级）的情况为代表，展示典型离子流场的演化过程，并进一步分析该风速下地面附近电场强度与离子电流密度分布的变化规律。
10.8 m/s风速条件下空间电荷密度分布的时间演化如图7所示。仿真结果表明，随着风速作用逐渐加大，原本对称分布的电荷密度逐渐向风向方向发生偏移，表现为正离子逐步向负离子区域迁移。随着风作用时间的延长，电荷密度偏移程度不断加剧，偏移距离逐步增加。
地面附近离子流场随时间变化过程如图8所示。初始时刻系统处于无风稳态，地面曲线近似对称，电荷分布由对流、扩散、复合控制。强风作用加入后打破对称状态，为维持导线表面起晕电场，注入电荷在短时间内上升，故图8a中近地电场强度与图8b所示的离子电流密度可出现短暂抬升。随后电荷被风带离，迎风侧的电荷密度与电场强度逐步下降。背风侧由于地面附近的电场除了受到导线新增电荷的影响外，还叠加了风输运来的正电荷，初期变化不同步于迎风侧。随着时间推进，由迎风侧输送来的正电荷在负极线路下方累积，而负电荷沿着风的方向迁移至背风区域并累积，使背风侧地面离子电流密度在更远位置形成平台。当达到新的平衡后，背风侧原有电场的尖峰被拉宽变缓，系统进入稳态。
图7 10.8 m/s风速条件下空间电荷密度分布的时间演化
Fig.7 Temporal evolution of space charge density under a wind speed of 10.8 m/s
图8 地面附近离子流场随时间变化过程
Fig.8 Temporal evolution of near‑ground ion flow field
未起风时，通过Peek公式计算可知，子导线的起晕场强为18.1 kV/cm。本文选取的地面粗糙系数为晴朗干燥天气下常用的0.47。由于风速越大，对离子流场的扰动作用越显著，故本节对四种大风预警条件下地面附近电场强度与离子电流密度的分布特性进行综合分析。
不同风速对地面附近合成场强和电流密度的影响如图9所示。随着风速增大，迎风侧近地离子电流密度与合成电场强度受强风影响呈单调减弱；背风侧则表现为“先减后增”，即在蓝色预警（10.8 m/s）条件下，风致位移和正负电荷的复合作用明显，峰值处被吹平并拉宽。当风速进一步增大，为维持导线表面起晕电场，注入电荷随风速升高而增加，其和风叠加作用使背风侧电场强度和离子电流密度不断上升并外移，其峰位迁至离负极导线更远处，形成更宽的平台。因此，背风侧电场强度和离子电流密度的峰值绝对值从蓝色预警至红色预警（32.7 m/s）随风速递增。如图9a所示，电场强度峰值由“低于无风”（蓝色预警）逐步转为超过无风最大值（黄色预警），并在橙色与红色预警条件下较无风时分别上升约80%与147%，同时不安全电场区域（电场强度超过30 kV/m的区间）显著扩张，且风速越大覆盖越广。图9b体现了类似规律：迎风侧离子电流密度绝对值因被强风带离而趋近于零；背风侧离子电流密度绝对值随风速增大而显著增强，对应的不安全电场区域同样沿背风方向持续外扩，峰值亦随风速向更远处外移。
图9 不同风速对地面附近合成场强和电流密度的影响
Fig.9 Effects of different wind velocities on ground‑level electric field and ion current density distribution
本文基于MRT-LBM对四种大风预警条件下的离子流场进行了数值模拟，并得出以下主要结论：
1）首次将MRT-LBM应用于离子流场的模拟研究，所构建的模型在数值稳定性方面表现良好，并通过与同轴圆柱模型的解析解进行对比，验证了其计算可靠性。
2）在强风作用下，系统对称性被打破：迎风侧电荷被迅速带离，受电荷注入增强的影响，电场强度呈现先升后降的变化趋势；与此同时，背风侧的正负电荷逐渐积聚并形成新的稳态分布。随着风作用时间的增加，背风侧电场强度峰值先降而后持续升高，峰形逐渐展宽并向外迁移，形成更宽的高电场区域，系统最终达到新的稳态平衡。
3）随着风速增大，迎风侧电场强度与离子电流密度单调减弱，而背风侧则因风致位移、正负电荷的复合作用以及电荷的注入而先增后减，并且峰值外移，导致高电场区显著扩展。
参考文献
[1] 肖娟霞, 李勇, 韩宇, 等. 计及台风时空特性和灵活性资源协同优化的配电网弹性提升策略[J]. 电工技术学报, 2024, 39(23): 7430-7446.
Xiao Juanxia, Li Yong, Han Yu, et al. Resilience enhancement strategy for distribution networks considering the spatiotemporal characteristics of typhoon and the collaborative optimization of flexible resources[J]. Transactions of China Electrotechnical Society, 2024, 39(23): 7430-7446.
[2] 王秋杰, 甘德伟, 谭洪, 等. 面向台风灾害的配电网故障区段定位混合整数线性规划方法[J]. 电工技术学报, 2026, 41(7): 2223-2236.
Wang Qiujie, Gan Dewei, Tan Hong, et al. A mixed-integer linear programming method for fault section location in distribution networks under typhoon disasters[J]. Transactions of China Electrotechnical Society, 2026, 41(7): 2223-2236.
[3] 朱承治, 姜凯华, 姜文东, 等. 台风灾害下电网输电设备故障预测技术综述[J]. 高压电器, 2025, 61(5): 10-19.
Zhu Chengzhi, Jiang Kaihua, Jiang Wendong, et al. Overview of fault prediction technology of power grid transmission equipment under typhoon disaster[J]. High Voltage Apparatus, 2025, 61(5): 10-19.
[4] Maruvada P S. Influence of wind on the electric field and ion current environment of HVDC transmission lines[J]. IEEE Transactions on Power Delivery, 2014, 29(6): 2561-2569.
[5] Yi Yong, Zhang Chuyan, Wang Liming, et al. Statistical evaluation and numerical analysis of effect of transverse wind on ionized field of ±800kV UHVDC operating transmission lines[J]. Electric Power Systems Research, 2016, 140: 560-567.
[6] 汪沨, 李敏, 吕建红, 等. 风速对特高压直流输电线路离子流场分布的影响[J]. 高电压技术, 2016, 42(9): 2897-2901.
Wang Feng, Li Min, Lü Jianhong, et al. Effect of wind speed on ion flow field under UHVDC transmission lines[J]. High Voltage Engineering, 2016, 42(9): 2897-2901.
[7] Du Zhiye, Xiu Liancheng, He Jingxuan, et al. Computation of total electric field considering natural wind under high-altitude UHVDC transmission lines[J]. IEEE Transactions on Magnetics, 2022, 58(9): 9200804.
[8] 岳国华, 杜志叶, 蔡泓威, 等. 基于风速概率分布与风切变指数的直流输电线路离子流场数值模拟方法[J]. 电工技术学报, 2024, 39(9): 2907-2915.
Yue Guohua, Du Zhiye, Cai Hongwei, et al. Numerical simulation method of ion flow field in DC transmission line based on wind speed probability distribution and wind shear exponent[J]. Transactions of China Electrotechnical Society, 2024, 39(9): 2907-2915.
[9] 康永强, 蒲绪宏, 张嘉琳, 等. 流场-离子流场双向耦合作用下±800 kV高压直流输电线路离子流特性[J]. 中国电机工程学报, 2024, 44(22): 9087-9099.
Kang Yongqiang, Pu Xuhong, Zhang Jialin, et al. Characterization of ion flow in ±800 kV HVDC transmission line under bidirectional coupling of flow field and ion flow field[J]. Proceedings of the CSEE, 2024, 44(22): 9087-9099.
[10] 秦子翌, 陈炯, 任茂鑫, 等. 基于风速-风向联合分布的UHVDC线路合成场及评估技术研究[J]. 高压电器, 2025, 61(7): 16-26.
Qin Ziyi, Chen Jiong, Ren Maoxin, et al. Study on total electric field and assessment technology of UHVDC lines based on joint distribution of wind speed and direction[J]. High Voltage Apparatus, 2025, 61(7): 16-26.
[11] 何雅玲, 王勇, 李庆. 格子Boltzmann方法的理论及应用[M]. 北京: 科学出版社, 2009.
[12] Mohamad A A. 格子玻耳兹曼方法：基础与工程应用[M]. 杨大勇, 译. 北京: 电子工业出版社, 2015.
[13] 于文旭, 关向雨, 赵俊义, 等. 基于格子玻耳兹曼的油浸式变压器瞬态温升模拟与负载能力评估[J]. 电工技术学报, 2025, 40(10): 3315-3325.
Yu Wenxu, Guan Xiangyu, Zhao Junyi, et al. Transient temperature rise simulation and load capacity evaluation of oil-immersed transformer based on lattice Boltzmann method[J]. Transactions of China Electrotechnical Society, 2025, 40(10): 3315-3325.
[14] Zhu Ting, Wang Song, Zhang Naming, et al. Ion flow field modelling based on lattice Boltzmann method and its mesh refinement[J]. IET Generation, Transmission & Distribution, 2020, 14(20): 4539-4546.
[15] Fan Huo, Zheng Hong. MRT-LBM-based numerical simulation of seepage flow through fractal fracture networks[J]. Science China Technological Sciences, 2013, 56(12): 3115-3122.
[16] 刘智翔, 方勇, 宋安平, 等. 基于MRT-LBM方法的大规模可扩展并行计算研究[J]. 计算机研究与发展, 2016, 53(5): 1156-1165.
Liu Zhixiang, Fang Yong, Song Anping, et al. Large-scale scalable parallel computing based on LBM with multiple-relaxation-time model[J]. Journal of Computer Research and Development, 2016, 53(5): 1156-1165.
[17] Yi Yong, Wang Liming, Chen Zhengying. Estimating the environmental impacts of HVDC and UHVDC lines for large-scale wind power transmission considering height-dependent wind and atmospheric stability[J]. International Journal of Electrical Power & Energy Systems, 2022, 138: 107868.
[18] 罗康. 电热对流格子-Boltzmann模拟及稳定性分析[D]. 哈尔滨: 哈尔滨工业大学, 2017.
Luo Kang. Lattice Boltzmann simulations of electro-thermo-hydrodynamic flows and its stability analysis [D]. Harbin: Harbin Institute of Technology, 2017.
[19] Qian Yuehong, D’Humières D, Lallemand P. Lattice BGK models for Navier-Stokes equation[J]. Europhysics Letters (EPL), 1992, 17(6): 479-484.
[20] 韩梦涛. 时间步长对格子玻尔兹曼法模拟室内气流精度的影响[J]. 同济大学学报(自然科学版), 2022, 50(6): 793-801.
Han Mengtao. Effect of time steps on accuracy of indoor airflow simulation using lattice Boltzmann method[J]. Journal of Tongji University (Natural Science), 2022, 50(6): 793-801.
[21] 郭照立, 郑楚光. 格子Boltzmann方法的原理及应用[M]. 北京: 科学出版社, 2009.
[22] 曹书豪, 许建中, 周宇权, 等. 适用于大规模光伏电站的电磁暂态细粒度并行仿真方法[J]. 电工技术学报, 2026, 41(8): 2658-2671.
Cao Shuhao, Xu Jianzhong, Zhou Yuquan, et al. Electromagnetic transient fine-grained parallel simulation method for large-scale PV power station [J]. Transactions of China Electrotechnical Society, 2026, 41(8): 2658-2671.
[23] 张煜. 离子选择性表面电对流不稳定性格子玻尔兹曼方法模拟[D]. 哈尔滨: 哈尔滨工业大学, 2021.
Zhang Yu. Electroconvective instability near ion-selective surface: lattice Boltzmann method simulations [D]. Harbin: Harbin Institute of Technology, 2021.
[24] Janischewskyj W, Cela G. Finite element solution for electric fields of coronating DC transmission lines[J]. IEEE Transactions on Power Apparatus and Systems, 1979, PAS-98(3): 1000-1012.
[25] Yin Han, Zhang Bo, He Jinliang, et al. Time-domain finite volume method for ion-flow field analysis of bipolar high-voltage direct current transmission lines [J]. IET Generation, Transmission & Distribution, 2012, 6(8): 785-791.
[26] 冯晗. 高压直流输电线路离子流场计算及其工程应用[D]. 保定: 华北电力大学, 2007.
Feng Han. Calculation of the ionized field under high voltage direct current transmission lines and engineering application[D]. Baoding: North China Electric Power University, 2007.
[27] Manninen H E, Franchin A, Schobesberger S, et al. Characterisation of corona-generated ions used in a Neutral cluster and Air Ion Spectrometer (NAIS)[J]. Atmospheric Measurement Techniques, 2011, 4(12): 2767-2776.
[28] Stracqualursi E, Araneo R, Celozzi S. The corona phenomenon in overhead lines: critical overview of most common and reliable available models[J]. Energies, 2021, 14(20): 6612.
[29] 张建. 采用修正来流条件和粗糙壁面处理方法的绕流问题研究[D]. 北京: 北京交通大学, 2011.
Zhang Jian. Analysis of flow around bluff body based on modified inlet profiles and rough wall treatments [D]. Beijing: Beijing Jiaotong University, 2011.
[30] Guo Zhaoli, Zheng Chuguang, Shi Baochang. An extrapolation method for boundary conditions in lattice Boltzmann method[J]. Physics of Fluids, 2002, 14(6): 2007-2010.
With the continuous increase in transmission voltage levels and the growing frequency of strong wind events under extreme weather conditions, the electromagnetic environment beneath transmission lines has become increasingly complex and severe. Under such circumstances, solving the current continuity equation for the ion flow field in HVDC transmission systems presents growing challenges in terms of numerical convergence, especially under high voltage and strong wind speed conditions.
To address these issues, this paper introduced the multiple relaxation time lattice Boltzmann method (MRT-LBM) combined with compute unified device architecture (CUDA)-based parallel computing technology to construct a numerical simulation model of the ion flow field under strong wind conditions. Compared with the traditional single relaxation time (SRT) model, the MRT-LBM demonstrated significantly improved numerical stability, making it more suitable for solving the current continuity equation under complex scenarios involving high voltage and strong wind speeds. The proposed method was first validated using a coaxial cylindrical model to verify its accuracy and reliability. The computed results were compared with analytical solutions and experimental data, showing good agreement. Furthermore, to demonstrate the acceleration performance of CUDA parallel computing, a verification was conducted using the coaxial electric field model. The results show that the CUDA-based approach improves computational efficiency by approximately 41% compared with traditional CPU-based computation.
Based on this, the model was applied to simulate a ±1 100 kV transmission line. Under blue wind warning conditions, the evolution of space charge and the variations in ground-level electric field and ion current density were investigated. The simulation results showed that under continuous wind action, the electric field on the windward side initially increased and then decreased, while positive and negative charges on the leeward side gradually accumulated to form a new steady-state distribution. As the wind duration increased, the leeward electric-field peak first decreased and then rose continuously; the peak profile broadened and shifted outward, forming a wider high-field region until the system reached a new equilibrium state.
Furthermore, this study analyzed the distribution characteristics of electric field strength and ion current density near the ground under four wind warning levels issued by the China Meteorological Administration, clarifying the migration patterns of unsafe zones under different wind speeds. The results indicate that the electric field and ion current density on the windward side decrease monotonically with increasing wind speed, whereas those on the leeward side first increase and then decrease due to the combined effects of wind-induced displacement, charge recombination, and charge injection. The corresponding high-field region expands significantly and shifts toward the leeward side.
The findings of this study can serve as theoretical and numerical references for the optimized design and safe operation of UHVDC transmission lines under extreme weather conditions.
Abstract To maximize economic efficiency, corona discharge is permitted during the operation of ultra-high-voltage direct current (UHVDC) transmission systems. However, the resulting ion flow field may pose potential health risks to residents living beneath the transmission lines. Therefore, regulatory standards require that the electric field strength and ion current density near the ground be limited to 30kV/m and 100nA/m², respectively. Accurate computation of the ion flow field of transmission lines thus holds significant practical importance.
keywords：Extreme climate, UHVDC transmission lines, multiple relaxation time lattice Boltzmann method (MRT-LBM), ion flow field
中图分类号：TM743
DOI: 10.19595/j.cnki.1000-6753.tces.251321
福建省自然科学基金面上项目资助（2022J011259）。
收稿日期 2025-07-25
改稿日期2025-10-07
朱 婷 女，1992年生，讲师，研究方向为多物理场耦合数值计算。
王榕斌 男，2000年生，硕士，研究方向为多物理场数值计算。
E-mail：1398590524@qq.com（通信作者）
（编辑 李 冰）