CN108710961A - 一种风速集合预报评分方法及系统 - Google Patents
一种风速集合预报评分方法及系统 Download PDFInfo
- Publication number
- CN108710961A CN108710961A CN201710236561.5A CN201710236561A CN108710961A CN 108710961 A CN108710961 A CN 108710961A CN 201710236561 A CN201710236561 A CN 201710236561A CN 108710961 A CN108710961 A CN 108710961A
- Authority
- CN
- China
- Prior art keywords
- wind speed
- skill
- scoring
- wind
- forecast
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 112
- 238000012545 processing Methods 0.000 title claims abstract description 43
- 230000008569 process Effects 0.000 claims abstract description 76
- 230000002459 sustained effect Effects 0.000 claims abstract description 47
- 230000002159 abnormal effect Effects 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 5
- 238000002360 preparation method Methods 0.000 claims description 3
- 230000015572 biosynthetic process Effects 0.000 claims description 2
- 238000003786 synthesis reaction Methods 0.000 claims description 2
- 238000011156 evaluation Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 4
- 238000001556 precipitation Methods 0.000 description 3
- 230000001154 acute effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000002045 lasting effect Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000035772 mutation Effects 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 238000000205 computational method Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000029087 digestion Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Wind Motors (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种风速集合预报评分方法及系统,包括:准备用于风速预报技巧评分的风速数据;针对持续风速和大波动风速的进行风速预报技巧评分;根据持续风速预报技巧评分和大波动风速报技巧评分进行平均计算获得风速预报的综合评分。本发明提供的技术方案一方面考虑了风持续发生过程中的预报技巧,同时也考虑了大型天气事件引起的大型风速波动的预报技巧,实现了对风速预报水平的合理评价。
Description
技术领域
本发明涉及气象领域的评分方法及其系统,具体涉及一种风速集合预报评分方法及系统。
背景技术
气象学认为,大气是一种混沌状态,大气中任何一个小的扰动,都可能引起大气活动的剧烈变化。因此,数值天气预报作为目前天气预报最科学的方法,从早期的确定性预报,逐步发展为集合预报,即通过具有不同初始扰动的多个模式(每个模式称为一个集合成员)进行天气预报,通过集合预报后处理对所有预报结果进行统计分析,得到天气变化趋势或某种天气发生的概率。在进行集合预报后处理过程中,通过长期的统计,会对每个集合成员的预报能力进行评估,即集合预报成员的预报技巧评分。
目前为止,所有集合预报成员技巧评分的标准如Brier(BS)评分、TS(ThreatScore)评分等,都是针对影响人类生活的天气事件,如降水事件、厄尔尼诺事件等。但是对于风速的预报技巧评分方法很少。然而随着风能资源的开发利用,风速的预报显得越来越重要。自然界中的风是持续的过程,不同于降水、厄尔尼诺等天气事件或气候事件,因此对评估的要求也不相同。
对于事件类预报技巧评分主要方法有TS评分和BS评分两种方法。降水或厄尔尼诺等现象的预报,可以简单的分为发生或没有发生两类,因此对于预报结果主要分四类:事件预报正确(事件在预报和实况中均发生)、事件谎报(事件预报发生而事实未发生)、事件漏报(事件发生而未预报),事件预报正确次数与事件发生次数(包括预测发生和实际发生)之比,即TS评分的得分。BS评分过程中引入了事件发生概率的概念,即预测事件的概率(0到1)与事件发生的事实(0或1)的均方根误差,即BS评分。
风是持续发生的过程,无法用发生或没发生两种状况来评估,而只能用预报风速与实际风速的大小来衡量风速预报是否准确。显然TS评分和BS评分的方法,都不能较好的应用于风速预报技巧评估。另一方面在风持续发生的过程中,也会由于某些天气事件如台风、寒潮等事件引起的大风波动过程或风速突变。这种大风波动过程的预报,也会出事件预报正确、谎报和漏报等现象,对预报结果的评估产生巨大的影响。
发明内容
为解决上述现有技术中的不足,本发明的目的是提供一种风速集合预报评分方法及系统,本发明一方面考虑了风持续发生过程中的预报技巧,同时也考虑了大型天气事件引起的大型风速波动的预报技巧。
本发明的目的是采用下述技术方案实现的:
本发明提供一种风速集合预报评分方法,其改进之处在于:
准备用于风速预报技巧评分的风速数据;
针对持续风速和大波动风速的进行风速预报技巧评分;
根据持续风速预报技巧评分和大波动风速报技巧评分进行平均计算获得风速预报的综合评分。
进一步地,所述准备用于风速预报技巧评分的风速数据,包括:
准备用于风速预报技巧评分的观测数据序列,即对应时段风速的预报序列,i为集合成员,取值为1,2,3……,N,N为集合预报成员总数;
对风速时间序列数据中的异常数据、观测数据与预测数据不同时存在的时间段的数据进行剔除。
进一步地,所述异常数据包括小于0的数据、大于60的数据和连续1小时以上非0数据且保持不变。
进一步地,所述针对持续风速进行风速预报技巧评分,包括:
计算持续风速预报的均方根误差;
对风速预报的均方根误差进行归一化处理;
计算持续风速预报的技巧评分。
进一步地,持续风速预报的均方根误差为:
持续风速预报的技巧评分公式为:
其中:j为风速时间序列中的第j个样本;vi,j、v0, j分别表示第i集合成员风速序列和观测风速序列,N为集合预报成员总数,i为集合成员,1为常量,Ei,1为持续风速预报的均方根误差,Ei,2为归一化处理后的持续风速预报的均方根误差,Hi,1为持续风速预报的技巧评分持续风速预报的技巧评分取值范围为[0,1]。
进一步地,针对大波动风速进行风速预报技巧评分,包括:
确定发生大波动风速事件发生的判断标准;
利用TS评分方法计算大波动风速报技巧评分。
进一步地,将一定时间段内风速的变化作大于设定阈值时作为发生大波动风速事件发生的判断标准,如下式所示:
K=max(vc)-min(vc)≥vr
大波动风速报技巧评分公式如下:
其中:K为风速变率,c为时间长度,max(vc)为c时间段内风速的最大值,min(vc)为c时间段内风速的最小值,vr为风速阈值,vc为风速;Hi,2为大波动风速报技巧评分,NA为测的观测数据序列中大波动风速预测正确风速大波动事件次数,NB为谎报的大波动风速事件次数,NC为漏报的大波动风速事件次数,大波动风速的预报评分技巧Hi,2的取值范围期[0,1]。
进一步地,所述获得风速预报的综合评分根据下式计算:
其中:Hi为集合预报成员i对风速预报的综合评分,风速预报的综合评分Hi的取值范围为(0,1]。
本发明提供一种风速集合预报评分系统,其改进之处在于,所述系统包括:
数据准备模块,用于准备用于风速预报技巧评分的风速数据;
风速预报技巧评分模块,用于针对持续风速和大波动风速的进行风速预报技巧评分;
综合评分模块,用于根据持续风速预报技巧评分和大波动风速报技巧评分进行平均计算获得风速预报的综合评分。
进一步地,所述风速预报技巧评分模块,进一步包括:
第一技巧评分模块,用于对持续风速进行风速预报技巧评分;
第二技巧评分模块,用于对大波动风速进行风速预报技巧评分;
所述第一技巧评分模块,进一步包括:
第一计算模块,用于计算持续风速预报的均方根误差;
处理模块,用于对风速预报的均方根误差进行归一化处理;
第二计算模块,用于计算持续风速预报的技巧评分;
优选的,所述第二技巧评分模块,进一步包括:
确定模块,用于确定发生大波动风速事件发生的判断标准;
第三计算模块,用于利用TS评分方法计算大波动风速报技巧评分。
与最接近的现有技术相比,本发明提供的技术方案具有的优异效果是:
本发明提供的一种风速预报技巧评分的方法及系统,一方面考虑了风持续发生过程中的预报技巧,同时也考虑了大型天气事件引起的大型风速波动的预报技巧,实现了对风速预报水平的合理评价。具体表现为:
(1)本发明提供的评分方法,将风速预报的评分技巧分为持续性风速的评分技巧和大风波动事件的评分技巧两部分,兼顾风速持续的特点及波分天气现象导致的波动特性。
(2)对于持续风速预报评分技巧,采用了均方根误差变形的方法,评分过程中考虑了利用均方根误差对风速预报误差的科学性特点,同时进行归一化处理和公式变形,使评价指标简单明了,同时有利于不同集合成员的预报技巧评分进行比较。
(3)对于风速大波动事件的发生以采用风速变化率作为判别依据,其特点在于,一方面对由于风速剧烈变化过程的预报进行了评估,另一方面对这种风速突变过程可能产生的相位误差的合理范围进行了限定和评价。
附图说明
图1是本发明提供的风速集合预报评分方法的流程图;
图2是本发明提供的风速集合预报评分系统的结构框图。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步的详细说明。
以下描述和附图充分地示出本发明的具体实施方案,以使本领域的技术人员能够实践它们。其他实施方案可以包括结构的、逻辑的、电气的、过程的以及其他的改变。实施例仅代表可能的变化。除非明确要求,否则单独的组件和功能是可选的,并且操作的顺序可以变化。一些实施方案的部分和特征可以被包括在或替换其他实施方案的部分和特征。本发明的实施方案的范围包括权利要求书的整个范围,以及权利要求书的所有可获得的等同物。在本文中,本发明的这些实施方案可以被单独地或总地用术语“发明”来表示,这仅仅是为了方便,并且如果事实上公开了超过一个的发明,不是要自动地限制该应用的范围为任何单个发明或发明构思。
实施例一、
本发明提出一种风速集合预报评分方法。本发明的特点在于将风速的预报评分分为持续风速预报技巧和大波动风速的预报技巧两部分,其流程图如图1所示,包括下述步骤:
步骤S1:准备用于风速预报技巧评分的风速数据;
风速数据准备主要是准备用于预报技巧评估的观测数据序列,即对应时段风速的预报序列,i为集合成员,取值为1,2,3……,N,N为集合预报成员总数。然后对风速时间序列数据进行预处理。
风速的预处理主要是对数据中的异常数据进行剔除,包括小于0的数、大于60的数据、连续1小时以上非0数据且保持不变等,另外对观测数据和预测数据不同时存在的时间段的数据进行剔除。
针对持续风速和大波动风速的进行风速预报技巧评分,包括:
步骤S2:持续风速预报的技巧评分Hi,1:
对持续风速的预报技巧评分主要与风速的均方误差相关。风速预报的均方根误差计算方法如式(1):
其中j为风速时间序列中的第j个样本。
由于风速的大小变化很大,所以Ei,1的取值范围不确定,为了便于不同集合预报成员的预报技巧进行对比分析,进行归一化处理如式(2):
对式(2)中平方和公式进行展开计算,可得到式(3)
式(3)中1为常量,则定义持续风速预报的评分技巧定义为是(4):
持续风速预报的评分技巧取值范围为(0,1],预报风速对观测风速的误差越小,即vi,j和v0,j越接近,Hi,1则越大,则预报技巧评分越高,否则预报技巧评分越低。通过公式(1)~(4)利用均方根误差归一化和变形得到评分公式,评分结果与均方根误差变化趋势成反比,即均方根误差越大,评分值越低。
S3:首先利用风速的变化作为发生风速大波动事件发生的判断标准如式(5)。
K=max(vc)-min(vc)≥vr (5)
其中K为风速变率,c为时间长度,max(vc)为c时间段内风度的最大值,min(vc)为c时间段内风度的最小值,vr为风速阈值,与c对应,一般取c取1小时时vr取3m/s(米每秒),c取3小时时vr取6m/s。样本中预测正确风速大波动事件次数,记为NA,谎报的风速大波动事件次数,记为NB,漏报的风速大波动事件次数,记为NC。
步骤S4:大波动风速的预报技巧评分Hi,2:
然后利用TS评分方法对风速大波动事件的预报技巧评分,方法见式(6)。
式中:Hi,2为大波动风速报技巧评分,NA为预测样本中大波动风速预测正确风速大波动事件次数,NB为谎报的大波动风速事件次数,NC为漏报的大波动风速事件次数,大波动风速的预报评分技巧Hi,2的取值范围期[0,1]。
大波动风速的预报评分技巧Hi,2的取值范围期[0,1],当大波动风速预测正确风速大波动事件次数NA越大,评分技巧越高,反之技巧评分越低;当谎报的大波动风速事件次数NB和漏报的大波动风速事件次数为0时,大波动风速的预报技巧评分最高,为1。
步骤S5:根据持续风速预报技巧评分和大波动风速报技巧评分进行平均计算获得风速预报的综合评分:
对Hi,1和Hi,2进行平均,得到集合预报成员i对风速预报的综合评分Hi。
风速预报的综合评分Hi的取值范围为(0,1],综合评分越高则数值模式的集合成员对风速预报的水平越好,反之综合评分越低,数值模式对风速预报的水平越差。
实施例二、
基于同样的发明构思,本发明还提供一种风速集合预报评分系统,其结构框图如图2所示,系统包括:
数据准备模块101,用于准备用于风速预报技巧评分的风速数据;
风速预报技巧评分模块102,用于针对持续风速和大波动风速的进行风速预报技巧评分;
综合评分模块103,用于根据持续风速预报技巧评分和大波动风速报技巧评分进行平均计算获得风速预报的综合评分。
进一步地,所述风速预报技巧评分模块102,进一步包括:
第一技巧评分模块,用于对持续风速进行风速预报技巧评分;
第二技巧评分模块,用于对大波动风速进行风速预报技巧评分;
所述第一技巧评分模块,进一步包括:
第一计算模块,用于计算持续风速预报的均方根误差;
处理模块,用于对风速预报的均方根误差进行归一化处理;
第二计算模块,用于计算持续风速预报的技巧评分;
优选的,所述第二技巧评分模块,进一步包括:
确定模块,用于确定发生大波动风速事件发生的判断标准;
第三计算模块,用于利用TS评分方法计算大波动风速报技巧评分。
风电功率预测是国内外公认的提高风电消纳水平的方法,而风速的预报数据是风电功率预测的基础数据,风速预报的准确程度,直接影响风电功率的预报准确程度。本发明的通过集合预报合理的风速预报评分技巧,评估每个集合成员的预报能力,对改进集合成员的预报能力提供依据。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员依然可以对本发明的具体实施方式进行修改或者等同替换,这些未脱离本发明精神和范围的任何修改或者等同替换,均在申请待批的本发明的权利要求保护范围之内。
Claims (10)
1.一种风速集合预报评分方法,其特征在于,
准备用于风速预报技巧评分的风速数据;
针对持续风速和大波动风速的进行风速预报技巧评分;
根据持续风速预报技巧评分和大波动风速报技巧评分进行平均计算获得风速预报的综合评分。
2.如权利要求1所述的风速集合预报评分方法,其特征在于,所述准备用于风速预报技巧评分的风速数据,包括:
准备用于风速预报技巧评分的观测数据序列,即对应时段风速的预报序列,i为集合成员,取值为1,2,3……,N,N为集合预报成员总数;
对风速时间序列数据中的异常数据、观测数据与预测数据不同时存在的时间段的数据进行剔除。
3.如权利要求2所述的风速集合预报评分方法,其特征在于,所述异常数据包括小于0的数据、大于60的数据和连续1小时以上非0数据且保持不变。
4.如权利要求1所述的风速集合预报评分方法,其特征在于,所述针对持续风速进行风速预报技巧评分,包括:
计算持续风速预报的均方根误差;
对风速预报的均方根误差进行归一化处理;
计算持续风速预报的技巧评分。
5.如权利要求4所述的风速集合预报评分方法,其特征在于,
持续风速预报的均方根误差为:
持续风速预报的技巧评分公式为:
其中:j为风速时间序列中的第j个样本;vi,j、v0,j分别表示第i集合成员风速序列和观测风速序列,N为集合预报成员总数,i为集合成员,Ei,1为持续风速预报的均方根误差,Ei,2为归一化处理后的持续风速预报的均方根误差,Hi,1为持续风速预报的技巧评分持续风速预报的技巧评分取值范围为[0,1]。
6.如权利要求1所述的风速集合预报评分方法,其特征在于,针对大波动风速进行风速预报技巧评分,包括:
确定发生大波动风速事件发生的判断标准;
利用TS评分方法计算大波动风速报技巧评分。
7.如权利要求6所述的风速集合预报评分方法,其特征在于,将一定时间段内风速的变化作大于设定阈值时作为发生大波动风速事件发生的判断标准,如下式所示:
K=max(vc)-min(vc)≥vr
大波动风速报技巧评分公式如下:
其中:K为风速变率,c为时间长度,max(vc)为c时间段内风速的最大值,min(vc)为c时间段内风速的最小值,vr为风速阈值,vc为风速;Hi,2为大波动风速报技巧评分,NA为测的观测数据序列中大波动风速预测正确风速大波动事件次数,NB为谎报的大波动风速事件次数,NC为漏报的大波动风速事件次数,大波动风速的预报评分技巧Hi,2的取值范围期[0,1]。
8.如权利要求1所述的风速集合预报评分方法,其特征在于,所述获得风速预报的综合评分根据下式计算:
其中:Hi为集合预报成员i对风速预报的综合评分,风速预报的综合评分Hi的取值范围为(0,1]。
9.一种风速集合预报评分系统,其特征在于,所述系统包括:
数据准备模块,用于准备用于风速预报技巧评分的风速数据;
风速预报技巧评分模块,用于针对持续风速和大波动风速的进行风速预报技巧评分;
综合评分模块,用于根据持续风速预报技巧评分和大波动风速报技巧评分进行平均计算获得风速预报的综合评分。
10.如权利要求9所述的风速集合预报评分系统,其特征在于,所述风速预报技巧评分模块包括:
第一技巧评分模块,用于对持续风速进行风速预报技巧评分;
第二技巧评分模块,用于对大波动风速进行风速预报技巧评分;
优选的,所述第一技巧评分模块,进一步包括:
第一计算模块,用于计算持续风速预报的均方根误差;
处理模块,用于对风速预报的均方根误差进行归一化处理;
第二计算模块,用于计算持续风速预报的技巧评分;
优选的,所述第二技巧评分模块,进一步包括:
确定模块,用于确定发生大波动风速事件发生的判断标准;
第三计算模块,用于利用TS评分方法计算大波动风速报技巧评分。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710236561.5A CN108710961B (zh) | 2017-04-12 | 2017-04-12 | 一种风速集合预报评分方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710236561.5A CN108710961B (zh) | 2017-04-12 | 2017-04-12 | 一种风速集合预报评分方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108710961A true CN108710961A (zh) | 2018-10-26 |
CN108710961B CN108710961B (zh) | 2022-08-19 |
Family
ID=63866184
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710236561.5A Active CN108710961B (zh) | 2017-04-12 | 2017-04-12 | 一种风速集合预报评分方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108710961B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112836881A (zh) * | 2021-02-08 | 2021-05-25 | 国家海洋局东海预报中心 | 一种近海海面风的预报质量评估方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103020485A (zh) * | 2013-01-08 | 2013-04-03 | 天津大学 | 基于beta噪声核岭回归技术的短期风速预报方法 |
CN104376214A (zh) * | 2014-11-18 | 2015-02-25 | 上海大学 | 基于数据驱动的脉动风速模拟方法 |
CN105279576A (zh) * | 2015-10-23 | 2016-01-27 | 中能电力科技开发有限公司 | 一种风速预报的方法 |
JP2016161314A (ja) * | 2015-02-27 | 2016-09-05 | 三菱重工業株式会社 | 同化データ決定装置、気象予測装置、同化データ決定方法およびプログラム |
-
2017
- 2017-04-12 CN CN201710236561.5A patent/CN108710961B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103020485A (zh) * | 2013-01-08 | 2013-04-03 | 天津大学 | 基于beta噪声核岭回归技术的短期风速预报方法 |
CN104376214A (zh) * | 2014-11-18 | 2015-02-25 | 上海大学 | 基于数据驱动的脉动风速模拟方法 |
JP2016161314A (ja) * | 2015-02-27 | 2016-09-05 | 三菱重工業株式会社 | 同化データ決定装置、気象予測装置、同化データ決定方法およびプログラム |
CN105279576A (zh) * | 2015-10-23 | 2016-01-27 | 中能电力科技开发有限公司 | 一种风速预报的方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112836881A (zh) * | 2021-02-08 | 2021-05-25 | 国家海洋局东海预报中心 | 一种近海海面风的预报质量评估方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN108710961B (zh) | 2022-08-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ren et al. | Impact of climate policy uncertainty on traditional energy and green markets: Evidence from time-varying granger tests | |
Wang et al. | Decision tree based online stability assessment scheme for power systems with renewable generations | |
Liu et al. | Online TTC estimation using nonparametric analytics considering wind power integration | |
CN108375715A (zh) | 一种配电网线路故障风险日预测方法及系统 | |
CN110225055A (zh) | 一种基于knn半监督学习模型的网络流量异常检测方法与系统 | |
CN108335010A (zh) | 一种风电出力时间序列建模方法及系统 | |
CN111652478B (zh) | 基于伞式算法的电力系统电压稳定评估误分类约束方法 | |
Xue et al. | Adaptive ultra-short-term wind power prediction based on risk assessment | |
Xiao-fei et al. | Power system load forecasting by improved principal component analysis and neural network | |
CN114819385A (zh) | 风电功率预测方法、装置、电子设备及存储介质 | |
Jiang et al. | A wedge or a weight? The effect of policy on the productive efficiency of the Chinese wind power industry | |
CN114184996B (zh) | 低压台区智能电表的计量异常行为辨识方法及装置 | |
CN109190845A (zh) | 一种两阶段动态优化短期风电功率预测方法 | |
Chen et al. | Long-term impacts of carbon tax and feed-in tariff policies on China's generating portfolio and carbon emissions: a multi-agent-based analysis | |
CN108710961A (zh) | 一种风速集合预报评分方法及系统 | |
CN106910010A (zh) | 一种主动配电网不确定性潮流分析方法及装置 | |
CN103455854A (zh) | 基于全局优化的配电网调度系统目标建模方法 | |
CN106356994A (zh) | 一种基于电网pmu大数据的电网稳定性判别方法 | |
CN105260789B (zh) | 一种面向风电功率超短期预测的风电数据时间尺度优选方法 | |
Li et al. | Risk assessment of power system with high penetration of wind power considering negative peak shaving and extreme weather conditions | |
CN109146323A (zh) | 风机效率评估方法、装置及计算机存储介质 | |
Oyebanji et al. | Green growth policies and sustainable economic growth in South Africa: an autoregressive distributed lag and TodaYamamoto approach | |
CN201717634U (zh) | 用于多层电网的事故集处理系统 | |
Yamin et al. | Support Vector Regression Approach for Wind Forecasting | |
Ji et al. | A novel combinational evaluation method of voltage and reactive power in regional power grid containing renewable energy |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |