CN109325633A - 一种天气预报集合成员选取方法和系统 - Google Patents
一种天气预报集合成员选取方法和系统 Download PDFInfo
- Publication number
- CN109325633A CN109325633A CN201811233867.6A CN201811233867A CN109325633A CN 109325633 A CN109325633 A CN 109325633A CN 201811233867 A CN201811233867 A CN 201811233867A CN 109325633 A CN109325633 A CN 109325633A
- Authority
- CN
- China
- Prior art keywords
- data
- disturbance
- weather forecast
- value
- prediction system
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 75
- 238000012545 processing Methods 0.000 claims abstract description 79
- 238000011156 evaluation Methods 0.000 claims abstract description 35
- 230000000694 effects Effects 0.000 claims abstract description 25
- 230000008569 process Effects 0.000 claims abstract description 22
- 238000010248 power generation Methods 0.000 claims abstract description 19
- 238000012797 qualification Methods 0.000 claims description 12
- 239000006185 dispersion Substances 0.000 claims description 9
- 230000005855 radiation Effects 0.000 claims description 9
- 235000013399 edible fruits Nutrition 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 238000001228 spectrum Methods 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 2
- 239000011229 interlayer Substances 0.000 claims 1
- 239000010410 layer Substances 0.000 claims 1
- 238000010276 construction Methods 0.000 abstract description 4
- 238000007689 inspection Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 11
- 238000004590 computer program Methods 0.000 description 7
- 230000007115 recruitment Effects 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 238000009826 distribution Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 241001269238 Data Species 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000001556 precipitation Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 101100117236 Drosophila melanogaster speck gene Proteins 0.000 description 1
- 241001365789 Oenanthe crocata Species 0.000 description 1
- 238000003556 assay Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000003595 spectral effect Effects 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"
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种天气预报集合成员选取方法和系统，包括：基于数模模式背景场、电力生产运行情况和中尺度数值天气预报模式选择数据扰动方式；基于数据扰动方式确定天气预报集合成员；基于天气预报集合成员获得的气象数据的预测值和气象数据的实测值，按照预设预报效果标准评估集合预报效果；数据扰动方式包括：背景场数据扰动、数值模式物理过程方案扰动和数据同化方法扰动。本发明提出从背景场数据扰动、考虑电力应用的数值模式物理过程方案扰动和数据同化方法扰动三个方面构造集合预报成员，并按照预设预报效果标准评估集合预报效果，能够选择出预报效果满足预设标准的集合预报成员，有效提升气象预报对电力调度和运检的支撑能力。
Description
技术领域
本发明属于电力气象技术领域，具体涉及一种天气预报集合成员选取方法和系统。
背景技术
传统数值天气预报是将观测值作为初值，通过求解大气动力学方程和热力学方程组，从而客观、定量地分析得到天气预报。但大气是一个混沌、复杂、高度非线性的系统，因此准确地观测、描述和预报大气状态及变化规律，从理论上讲是不可能的，大气探测的误差非常大，使得数值预报模式的初值存在误差，而数值模式对大气初值非常敏感，这种误差会随着模式积分时间的延长而迅速增大。误差的增长则会导致预报值发散，以致根据发散的预报值得到的预报误差也较大。除此之外，数值天气预报还存在以下不确定性：对地球大气有限的了解、数值模式必要的近似和离散、大气过程描述的不完整性、有限的观测和初边值误差等。为减少不确定性对预报的影响，面向天气尺度的集合预报在近年得到迅速发展。集合预报是通过多模式、多扰动、多强迫等方法从物理和数值方面构造的多成员预报，和单一预报不同，集合预报在提供一个平均预报状态的同时还提供预报的不确定性范围或概率预报。
集合预报是提高数值天气预报准确率，提升气象预报的服务水平的重要方法，但是集合成员的不同，会导致气象预报的结果相差极大，而采用时间滞后平均法、奇异向量法等操作难度较大，无法提供合理的集合成员选择办法，因此如何选取满足业务应用的集合预报成员成为亟待解决的问题。
发明内容
集合预报基于大气初值的不确定，在初始场加上各种小扰动，使初始场成为某种概率密度函数(Probability Distribution Function，PDF)，有效解决了大气初值的误差问题，预报准确率会大幅提高。集合预报在同一有效预报时间内有一组不同的预报结果，各预报间的差异可提供有关被预报量的概率分布的信息，在集合预报中的各个预报可具有不同的初始条件、边界条件、参数设定，甚至可用完全独立的数值天气预报模式生成。
为克服上述现有技术的不足，本发明提出一种天气预报集合成员选取方法和系统。该方法和系统以减少不确定性对数值预报的影响，提出从模式背景场数据扰动、考虑电力应用的模式物理过程参数化方案扰动、数据同化方法扰动三个方面构造集合预报成员，并基于一段时间的预报效果评估，判断所选集合成员是否达到各具代表性和预报能力的目标，最终研发面向电力生产的集合概率预报系统，提升气象预报支撑电网生产运行的能力。
实现上述目的所采用的解决方案为：
一种天气预报集合成员选取方法，其改进之处在于，包括：
基于数模模式背景场、电力生产运行情况和中尺度数值天气预报模式选择数据扰动方式；
基于所述数据扰动方式确定天气预报集合成员；
基于所述天气预报集合成员获得的气象数据的预测值和气象数据的实测值，按照预设预报效果标准评估集合预报效果；
其中，所述数据扰动方式包括：基于数模模式背景场收集的背景场数据扰动、基于电力运行状况的数值模式物理过程方案扰动和基于中尺度数值天气预报模式的数据同化方法扰动。
本发明提供的第一优选技术方案，其改进之处在于，所述基于所述天气预报集合成员获得的气象数据的预测值和气象数据的实测值，按照预设预报效果标准评估集合预报效果，还包括：
当所述预报效果不合格时，调整天气预报集合成员；
继续基于调整后的天气预报集合成员获得的气象数据的预测值和气象数据的实测值，按照预设预报效果标准评估集合预报效果，直到所述预报效果合格。
本发明提供的第二优选技术方案，其改进之处在于，所述当所述预报效果不合格时，调整天气预报集合成员包括：
当所述预报效果不合格时，重新选择基于电力运行状况的数值模式物理过程方案扰动和基于中尺度数值天气预报模式的数据同化方法扰动。
本发明提供的第三优选技术方案，其改进之处在于，所述按照预设预报效果标准评估集合预报效果，包括：
分别判断集合预报成员在所述气象数据预报值中的权重是否在预设的权重区间内、判断集合预报能力是否为合格、判断各集合预报成员对应的气象数据预测值时间序列是否没有重合以及判断各集合预报成员对应的气象数据预测值变化趋势是否不同，当任一项判断结果为否时，集合预报效果为不合格，否则集合预报效果为合格。
本发明提供的第四优选技术方案，其改进之处在于，所述判断集合预报能力是否为合格，包括：
结合所述气象数据的预测值和实测值，分别判断集合平均均方根误差和集合离散度是否小于预设差值阈值、布莱尔评分是否小于预设的布莱尔评分阈值、连续分级概率评分是否小于预设的概率评分阈值、受试者工作特征是否大于预设的特征阈值以及塔拉格兰德直方图任何相邻两条数据之差是否小于预设直方图阈值，当任一项判断结果为否时，集合预报能力为不合格，否则集合预报能力为合格。
本发明提供的第五优选技术方案，其改进之处在于，所述背景场数据扰动包括：全球预报系统数据、全球环境多尺度数据、全球谱模型数据及欧洲中期天气预报中心数据。
本发明提供的第六优选技术方案，其改进之处在于，所述数值模式物理过程方案扰动包括：边界层方案扰动、近地面层方案扰动、长波辐射方案扰动、短波辐射方案扰动、微物理方案扰动和积云对流方案扰动；
所述数据同化方法扰动包括：实时四维数据同化、三维变分数据同化、四维变分数据同化、集合卡曼滤波同化以及混合数据同化。
本发明提供的第七优选技术方案，其改进之处在于，所述气象数据，包括：风速、降雨量、辐照度和气温。
一种天气预报集合成员选取系统，其改进之处在于，包括：扰动选择模块、成员确定模块和评估模块；
所述扰动选择模块，用于基于数模模式背景场、电力生产运行情况和中尺度数值天气预报模式选择数据扰动方式；
所述成员确定模块，用于基于所述数据扰动方式确定天气预报集合成员；
所述评估模块，用于基于所述天气预报集合成员获得的气象数据的预测值和气象数据的实测值，按照预设预报效果标准评估集合预报效果；
其中，所述数据扰动方式包括：基于数模模式背景场收集的背景场数据扰动、基于电力运行状况的数值模式物理过程方案扰动和基于中尺度数值天气预报模式的数据同化方法扰动。
本发明提供的第八优选技术方案，其改进之处在于，所述评估模块还包括：成员调整单元和循环评估单元；
所述成员调整单元，用于当所述预报效果不合格时，调整天气预报集合成员；
所述循环评估单元，用于继续基于调整后的天气预报集合成员获得的气象数据的预测值和气象数据的实测值，按照预设预报效果标准评估集合预报效果，直到所述预报效果合格。
与最接近的现有技术相比，本发明具有的有益效果如下：
电力生产运行各环节需要高精度的数值天气预报数据支撑，尽管前期针对电力应用开展了数值天气预报的定制化优化研究，但天气系统的演变本身具有不确定性，而且数值天气预报存在不可避免的误差和不确定性。为了减少不确定性对数值预报的影响，本发明提出从模式背景场数据扰动、考虑电力应用的数值模式物理过程方案扰动和数据同化方法扰动三个方面构造集合预报成员，并按照预设预报效果标准评估集合预报效果，能够选择出预报效果满足预设标准的集合预报成员，有效提升气象预报对电力调度和运检的支撑能力。
附图说明
图1为本发明提供的一种天气预报集合成员选取方法流程示意图；
图2为本发明提供的一种天气预报集合成员选取方法整体技术路线示意图；
图3为本发明提供的一种天气预报集合成员选取系统基本结构示意图。
具体实施方式
下面结合附图对本发明的具体实施方式做进一步的详细说明。
实施例1：
本发明提供的一种天气预报集合成员选取方法流程示意图如图1所示，包括：
步骤1：基于数模模式背景场、电力生产运行情况和中尺度数值天气预报模式选择数据扰动方式；
步骤2：基于数据扰动方式确定天气预报集合成员；
步骤3：基于天气预报集合成员获得的气象数据的预测值和气象数据的实测值，按照预设预报效果标准评估集合预报效果；
其中，数据扰动方式包括：基于数模模式背景场收集的背景场数据扰动、基于电力运行状况的数值模式物理过程方案扰动和基于中尺度数值天气预报模式的数据同化方法扰动。
具体的，面向电力生产的天气预报集合成员选取方法的整体技术路线示意图如图2所示，包括：
步骤101：选择数模模式背景场数据扰动
中尺度数值天气预报模式的模拟区域有限，需要全球背景场数据作为驱动，背景场数据对模式的预报效果有很大的影响。收集全球预报准确率比较高的四种背景场数据，包括美国的全球预报系统Global Forecast SystemGFS数据、加拿大全球环境多尺度Global Environmental MultiscaleGEM数据、日本全球谱模型Global Spectral ModelGSM数据及欧洲中心的欧洲中期天气预报中心European Centre for Medium-Range WeatherForecastsECMWF数据，作为不同背景场数据扰动。
步骤102：选择面向电力生产的数值模式物理过程方案扰动
数值模式的物理过程参数化方案是模式求解过程中的有一关键点，面向电力生产运行分析关键气象物理构成，将显著影响的电力生产的天气过程增加扰动方案。如对风电、光伏发电所需的数值预报，重点在模式的边界层方案、近地面层方案、长波辐射方案及短波辐射方案设置扰动参数，对强降水、暴雨等灾害天气过程的预报，则需针对微物理方案及积云对流方案设置扰动参数。边界层方案、近地面层方案、长波辐射方案、短波辐射方案、微物理方案和积云对流方案六个方案中每一个均可设置多个参数，六个方案中任何一个方案的扰动参数不同，组合成的面向电力生产的数值模式物理过程方案扰动不同。通过选择六个方案的参数，即可选择面向电力生产的数值模式物理过程方案扰动。
步骤103：选择基于中尺度数值天气预报模式的数据同化方法扰动
数据同化技术是提高数值天气预报的有效途径之一，目前中尺度数值天气预报模式应用的主要数据同化方法包括：实时四维数据同化、三维变分数据同化、四维变分数据同化、集合卡曼滤波同化以及混合数据同化方法，采用不同的数据同化以增加集合预报的成员扰动，即本发明中，选择两个或以上方法，作为基于中尺度数值天气预报模式的数据同化方法扰动。
经过上述3个步骤选择了数据扰动方式，通过三种扰动方式确定了集合预报的成员，即每个集合天气预报的成员是由3中扰动方式定义的。
步骤104：集合预报成员电力生产关键气象要素预报效果评估
基于上述步骤产生的集合预报成员，在预设的时间段内运行天气预报，结合重点关注气象要素的实际测量值，开展集合预报效果评估，评估指标包括：集合平均均方根误差、集合离散度、布莱尔Brier评分、塔拉格兰德Talagrand直方图、连续分级概率评分Continuous Ranked Probability Score CRPS评分及受试者工作特征ReceiverOperating Characteristic ROC分析。其中重点关注的气象要素包括：风速、辐照度、降雨量和气温。集合预报效果评估以及后续的判断和选取需在不同的天气进行评估和判断，需要较长的预设时间段，可将预设的时间段设为一个月。
104-1集合平均均方根误差和集合离散度的关系式衡量集合预报系统可靠性的重要标准，好的集合预报系统的集合平均均方根误差和集合离散度应该基本一致。即若气象数据的预测值的集合平均均方根误差和集合离散度的差值小于预设的差值阈值，则评估预报结果为可靠；否则为不可靠。以2分钟气温预报为例，集合平均均方根误差和集合离散度应在在1.5℃左右，且集合平均均方根误差和集合离散度的差值小于二者的差值的绝对值小于0.15摄氏度。
104-2Brier评分是计算预报概率误差的一种评分，取值范围是0～1，评分越小预报效果越好，评分为0表示预报完全正确，1表示预报无效，即气象数据的Brier评分小于预设的布莱尔评分阈值，则评估预报结果为可靠；否则为不可靠。以2分钟气温预报为例，布莱尔评分阈值为0.15。
104-3Talagrand直方图是衡量集合预报成员分布与观测值分布是否一致的评分，反映集合预报系统可靠性及系统偏差的特征。Talagrand直方图越平坦，说明集合预报系统的离散度越完美。以2m气温为例，Talagrand的直方图不能出现“L”型和“U”型，而应该平坦。判断Talagrand的直方图是否平坦时，直接判断任何相邻两条数据之差是否小于预设直方图阈值，若是，则认为直方图平坦，否则不平坦。
104-4CRPS评分是评价集合预报系统整体性能的定量评分，值越小表示预报的概率密度和观测的差值越小，预报系统预报能力越高，即气象数据的预测值和实测值的CRPS评分小于预设的概率评分阈值，则评估预报结果为可靠；否则为不可靠。以2分钟气温预报为例，概率评分阈值为1.2℃。
104-5ROC分析是用观测值检验预报发生或不发生两种状态，一个完美的预报空报率为0，命中率为1。若ROC小于0.5，则无预报技巧，即气象数据的ROC分析值大于预设的特征阈值，则评估预报结果为可靠；否则为不可靠。以2分钟气温预报为例，ROC阈值为0.8。
当上述5个评估结果任一项为不可靠时，认为集合预报效果评估结果为合格，否则为不合格。
步骤105：基于预报效果评估结果判断并选取集合成员
针对第四步中集合成员预报的效果评估，判断构造的集合预报成员是否满足以下选取目标：每个集合成员预报结果各不相同，且无相似的变化趋势；每个集合成员在不同的天气和应用背景下，均具有一定的预报能力和代表性。如不满足选取目标，则剔除不满足目标的集合成员并回到步骤102通过重新选择扰动方式重新选取预报成员，直到所有集合成员的判断结果均为是。
每个集合成员预报结果各不相同的判断标准是：根据天气预报集合成员的气象数据预测值，获得该天成员预报气象数据的时间序列曲线，当任两条或以上时间序列曲线重合时，判断重合时间序列曲线对应的天气预报集合成员预报结果相同，达不到选择目标；
每个集合成员预报结果无相似的变化趋势的判断标准是：计算天气预报集合成员的气象数据预测值和实测值间的相关系数，判断相关系数置信度小于预设的相关系数阈值的天气预报集合成员预报效果不合格，达不到选择目标；当两个或以上相关系数值相同时，判断相同相关系数对应的天气预报集合成员预报结果有相似的变化趋势，达不到选择目标；本发明中，相关系数阈值可设为99.9％；
每个集合成员均具有一定的预报能力的判断标准是：集合预报成员的预报结果在第四步的效果评估结果为合格；
每个集合成员均具有一定的代表性的判断标准是：经过设定时间段运行天气预报，积累历史数据，分析形成的该成员的预报能在集合预报中表征的权重值。理想情况下，集合预报的各成员的代表性是均分的，即权重系数一致均为1/N，其中N为集合成员个数。为了提高极端天气下个别成员的权重，可根据1/N为基础，设定权重区间。当天气预报集合成员的预报结果的权重值不在预设的权重区间时，判断该天气预报集合成员不满足代表性判断标准，达不到选择目标。例如，可将权重区间设为0.24～4倍的1/N。
进行预报能力和代表性判断时，需要在各种天气下进行。可通过设置天气预报运行的时间段，令该时间段内包括各种天气状况；应用背景包括用于支撑风电功率预测的风速预报、用于支撑电网防汛的降雨量预测和用于电网精细调度的气温预测等，针对这三个不同的应用背景，需要关注和预报的重点气象要素依次分别是风速、降雨量和气温。
步骤106：构建集合预报业务系统并开展集合预报校准
若满足第五步的集合成员选取目标，则基于目前已构造的集合成员，研发电力生产专用的集合预报业务系统，积累集合预报系统的业务运行数据，研究集合预报结果的统计订正技术，发展定制化的概率预报。
实施例2：
下面给出一个具体的一种面向电力生产的天气预报集合成员选取方法是实施例。
(1)收集全球预报效果较好的四种背景场数据，包括美国的GFS数据、加拿大GEM数据、日本GSM数据及欧洲中心的ECMWF数据，作为背景场数据扰动，形成4个集合成员选取方式。
(2)针对新能源预测及强降雨等电力气象灾害，分析形成边界层方案、近地面层方案、长波辐射方案、短波辐射方案、微物理方案及积云对流参数化方案的扰动，并从中具体选择5个扰动方案，结合步骤(1)，形成4×5＝20个集合预报成员选取方式。
(3)基于中尺度数值天气预报模式，结合现有电力气象业务模式运行情况，分别选取实时四维数据同化方法和三维变分同化方法，作为预报方法的扰动，则形成20×2＝40个集合预报成员。
(4)基于确定的40个集合预报成员，连续运行1个月，结合风速、辐照度、气温及降水量开展集合预报效果评估。
(5)根据集合预报结果的时间序列图、与实测数据的相关系数以及预报效果评估结果，判断是否达到了集合预报成员的选取目标，如出现两个或多个集合成员预报效果达不到选择目标，即时间序列图重合、相关系数一致、预报效果评估结果相近等，则剔除不达标的集合预报成员需回到第二步重新选取。
(6)若达到集成成员选取目标，则基于已确定的集合成员，研发电力生产专用的集合预报业务系统，并积累集合预报系统的业务运行数据，结合集合预报结果的统计订正技术，发展定制化的概率预报。
实施例3：
基于同一发明构思，本发明还提供了一种天气预报集合成员选取系统，由于这些设备解决技术问题的原理与天气预报集合成员选取方法相似，重复之处不再赘述。
该系统基本结构如图3所示，包括：扰动选择模块、成员确定模块和评估模块；
其中，扰动选择模块，用于基于数模模式背景场、电力生产运行情况和中尺度数值天气预报模式选择数据扰动方式；
成员确定模块，用于基于数据扰动方式确定天气预报集合成员；
评估模块，用于基于天气预报集合成员获得的气象数据的预测值和气象数据的实测值，按照预设预报效果标准评估集合预报效果；
其中，数据扰动方式包括：基于数模模式背景场收集的背景场数据扰动、基于电力运行状况的数值模式物理过程方案扰动和基于中尺度数值天气预报模式的数据同化方法扰动。
其中，评估模块还包括：成员调整单元和循环评估单元；
成员调整单元，用于当预报效果不合格时，调整天气预报集合成员；
循环评估单元，用于继续基于调整后的天气预报集合成员获得的气象数据的预测值和气象数据的实测值，按照预设预报效果标准评估集合预报效果，直到预报效果合格。
其中，调整天气预报集合成员包括：
当预报效果不合格时，重新选择基于电力运行状况的数值模式物理过程方案扰动和基于中尺度数值天气预报模式的数据同化方法扰动。
其中，按照预设预报效果标准评估集合预报效果，包括：
分别判断集合预报成员在气象数据预报值中的权重是否在预设的权重区间内、判断集合预报能力是否为合格、判断各集合预报成员对应的气象数据预测值时间序列是否没有重合以及判断各集合预报成员对应的气象数据预测值变化趋势是否不同，当任一项判断结果为否时，集合预报效果为不合格，否则集合预报效果为合格。
其中，判断集合预报能力是否为合格，包括：
结合气象数据的预测值和实测值，分别判断集合平均均方根误差和集合离散度是否小于预设差值阈值、布莱尔评分是否小于预设的布莱尔评分阈值、连续分级概率评分是否小于预设的概率评分阈值、受试者工作特征是否大于预设的特征阈值以及塔拉格兰德直方图任何相邻两条数据之差是否小于预设直方图阈值，当任一项判断结果为否时，集合预报能力为不合格，否则集合预报能力为合格。
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。
最后应当说明的是:以上实施例仅用于说明本申请的技术方案而非对其保护范围的限制,尽管参照上述实施例对本申请进行了详细的说明,所属领域的普通技术人员应当理解:本领域技术人员阅读本申请后依然可对申请的具体实施方式进行种种变更、修改或者等同替换，但这些变更、修改或者等同替换，均在申请待批的权利要求保护范围之内。
Claims (10)
1.一种天气预报集合成员选取方法，其特征在于，包括：
基于数模模式背景场、电力生产运行情况和中尺度数值天气预报模式选择数据扰动方式；
基于所述数据扰动方式确定天气预报集合成员；
基于所述天气预报集合成员获得的气象数据的预测值和气象数据的实测值，按照预设预报效果标准评估集合预报效果；
其中，所述数据扰动方式包括：基于数模模式背景场收集的背景场数据扰动、基于电力运行状况的数值模式物理过程方案扰动和基于中尺度数值天气预报模式的数据同化方法扰动。
2.如权利要求1所述的方法，其特征在于，所述基于所述天气预报集合成员获得的气象数据的预测值和气象数据的实测值，按照预设预报效果标准评估集合预报效果，还包括：
当所述预报效果不合格时，调整天气预报集合成员；
继续基于调整后的天气预报集合成员获得的气象数据的预测值和气象数据的实测值，按照预设预报效果标准评估集合预报效果，直到所述预报效果合格。
3.如权利要求2所述的方法，所述当所述预报效果不合格时，调整天气预报集合成员包括：
当所述预报效果不合格时，重新选择基于电力运行状况的数值模式物理过程方案扰动和基于中尺度数值天气预报模式的数据同化方法扰动。
4.如权利要求1或2所述的方法，其特征在于，所述按照预设预报效果标准评估集合预报效果，包括：
分别判断集合预报成员在所述气象数据预报值中的权重是否在预设的权重区间内、判断集合预报能力是否为合格、判断各集合预报成员对应的气象数据预测值时间序列是否没有重合以及判断各集合预报成员对应的气象数据预测值变化趋势是否不同，当任一项判断结果为否时，集合预报效果为不合格，否则集合预报效果为合格。
5.如权利要求4所述的方法，其特征在于，所述判断集合预报能力是否为合格，包括：
结合所述气象数据的预测值和实测值，分别判断集合平均均方根误差和集合离散度是否小于预设差值阈值、布莱尔评分是否小于预设的布莱尔评分阈值、连续分级概率评分是否小于预设的概率评分阈值、受试者工作特征是否大于预设的特征阈值以及塔拉格兰德直方图任何相邻两条数据之差是否小于预设直方图阈值，当任一项判断结果为否时，集合预报能力为不合格，否则集合预报能力为合格。
6.如权利要求1所述的方法，其特征在于，所述背景场数据扰动包括：全球预报系统数据、全球环境多尺度数据、全球谱模型数据及欧洲中期天气预报中心数据。
7.如权利要求1或3所述的方法，其特征在于，所述数值模式物理过程方案扰动包括：边界层方案扰动、近地面层方案扰动、长波辐射方案扰动、短波辐射方案扰动、微物理方案扰动和积云对流方案扰动；
所述数据同化方法扰动包括：实时四维数据同化、三维变分数据同化、四维变分数据同化、集合卡曼滤波同化以及混合数据同化。
8.如权利要求1所述的方法，其特征在于，所述气象数据，包括：风速、降雨量、辐照度和气温。
9.一种天气预报集合成员选取系统，其特征在于，包括：扰动选择模块、成员确定模块和评估模块；
所述扰动选择模块，用于基于数模模式背景场、电力生产运行情况和中尺度数值天气预报模式选择数据扰动方式；
所述成员确定模块，用于基于所述数据扰动方式确定天气预报集合成员；
所述评估模块，用于基于所述天气预报集合成员获得的气象数据的预测值和气象数据的实测值，按照预设预报效果标准评估集合预报效果；
其中，所述数据扰动方式包括：基于数模模式背景场收集的背景场数据扰动、基于电力运行状况的数值模式物理过程方案扰动和基于中尺度数值天气预报模式的数据同化方法扰动。
10.如权利要求9所述的系统，其特征在于，所述评估模块还包括：成员调整单元和循环评估单元；
所述成员调整单元，用于当所述预报效果不合格时，调整天气预报集合成员；
所述循环评估单元，用于继续基于调整后的天气预报集合成员获得的气象数据的预测值和气象数据的实测值，按照预设预报效果标准评估集合预报效果，直到所述预报效果合格。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811233867.6A CN109325633A (zh) | 2018-10-23 | 2018-10-23 | 一种天气预报集合成员选取方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811233867.6A CN109325633A (zh) | 2018-10-23 | 2018-10-23 | 一种天气预报集合成员选取方法和系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109325633A true CN109325633A (zh) | 2019-02-12 |
Family
ID=65262971
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811233867.6A Pending CN109325633A (zh) | 2018-10-23 | 2018-10-23 | 一种天气预报集合成员选取方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109325633A (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110020462A (zh) * | 2019-03-07 | 2019-07-16 | 江苏无线电厂有限公司 | 一种对气象数据进行融合处理并生成数值天气预报的方法 |
| CN111650590A (zh) * | 2020-06-12 | 2020-09-11 | 上海眼控科技股份有限公司 | 基于多普勒气象雷达的风场获取方法、装置、设备和介质 |
| CN112069449A (zh) * | 2020-09-04 | 2020-12-11 | 中科三清科技有限公司 | 基于初值集合的天气预报方法及装置 |
| CN112580845A (zh) * | 2019-09-30 | 2021-03-30 | 北京金风慧能技术有限公司 | 气象数据处理方法、装置、设备及计算机可读存储介质 |
| CN112580844A (zh) * | 2019-09-30 | 2021-03-30 | 北京金风慧能技术有限公司 | 气象数据处理方法、装置、设备及计算机可读存储介质 |
| CN112651542A (zh) * | 2020-09-29 | 2021-04-13 | 北京金风慧能技术有限公司 | 气象预报数据处理方法和气象预报数据处理装置 |
| CN114004430A (zh) * | 2022-01-05 | 2022-02-01 | 中国电力科学研究院有限公司 | 一种风速预报方法和系统 |
| CN115270405A (zh) * | 2022-06-22 | 2022-11-01 | 中国气象局广州热带海洋气象研究所（广东省气象科学研究所） | 基于多源多类型扰动组合的对流尺度集合预报方法及系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104992071A (zh) * | 2015-07-17 | 2015-10-21 | 南京信息工程大学 | 一种基于集合资料同化技术的初始扰动方法 |
| CN105447770A (zh) * | 2015-12-10 | 2016-03-30 | 国网四川省电力公司电力科学研究院 | 电网气象监测数据应用于精细化气象预报的评估方法 |
| CN108629452A (zh) * | 2018-04-28 | 2018-10-09 | 智慧天气风险管理（深圳）有限公司 | 一种基于多模式多参数集合预报的气象风险决策方法 |
-
2018
- 2018-10-23 CN CN201811233867.6A patent/CN109325633A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104992071A (zh) * | 2015-07-17 | 2015-10-21 | 南京信息工程大学 | 一种基于集合资料同化技术的初始扰动方法 |
| CN105447770A (zh) * | 2015-12-10 | 2016-03-30 | 国网四川省电力公司电力科学研究院 | 电网气象监测数据应用于精细化气象预报的评估方法 |
| CN108629452A (zh) * | 2018-04-28 | 2018-10-09 | 智慧天气风险管理（深圳）有限公司 | 一种基于多模式多参数集合预报的气象风险决策方法 |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110020462A (zh) * | 2019-03-07 | 2019-07-16 | 江苏无线电厂有限公司 | 一种对气象数据进行融合处理并生成数值天气预报的方法 |
| CN110020462B (zh) * | 2019-03-07 | 2023-04-07 | 江苏无线电厂有限公司 | 一种对气象数据进行融合处理并生成数值天气预报的方法 |
| CN112580845A (zh) * | 2019-09-30 | 2021-03-30 | 北京金风慧能技术有限公司 | 气象数据处理方法、装置、设备及计算机可读存储介质 |
| CN112580844A (zh) * | 2019-09-30 | 2021-03-30 | 北京金风慧能技术有限公司 | 气象数据处理方法、装置、设备及计算机可读存储介质 |
| CN111650590A (zh) * | 2020-06-12 | 2020-09-11 | 上海眼控科技股份有限公司 | 基于多普勒气象雷达的风场获取方法、装置、设备和介质 |
| CN112069449A (zh) * | 2020-09-04 | 2020-12-11 | 中科三清科技有限公司 | 基于初值集合的天气预报方法及装置 |
| CN112069449B (zh) * | 2020-09-04 | 2021-07-16 | 中科三清科技有限公司 | 基于初值集合的天气预报方法及装置 |
| CN112651542A (zh) * | 2020-09-29 | 2021-04-13 | 北京金风慧能技术有限公司 | 气象预报数据处理方法和气象预报数据处理装置 |
| CN114004430A (zh) * | 2022-01-05 | 2022-02-01 | 中国电力科学研究院有限公司 | 一种风速预报方法和系统 |
| CN115270405A (zh) * | 2022-06-22 | 2022-11-01 | 中国气象局广州热带海洋气象研究所（广东省气象科学研究所） | 基于多源多类型扰动组合的对流尺度集合预报方法及系统 |
| CN115270405B (zh) * | 2022-06-22 | 2024-01-16 | 中国气象局广州热带海洋气象研究所（广东省气象科学研究所） | 基于多源多类型扰动组合的对流尺度集合预报方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109325633A (zh) | 一种天气预报集合成员选取方法和系统 | |
| KR102076426B1 (ko) | 상세기상 예측정보 실시간 운영 시스템과 이를 이용하는 폭염 및 열대야 영향 예보 활용 방법 | |
| CN105808948B (zh) | 一种自动修正的多模式数值降雨集合预报方法 | |
| CN104834977B (zh) | 基于距离度量学习的交通警情等级预测方法 | |
| CN109447315A (zh) | 一种基于多时空尺度的电力气象数值天气预报方法和装置 | |
| CN112285807B (zh) | 一种气象信息预测方法及装置 | |
| CN105740991A (zh) | 基于改进bp神经网络拟合多种气候模式的气候变化预测方法及系统 | |
| CN102183621A (zh) | 水产养殖溶解氧浓度在线预测方法及系统 | |
| CN111665575B (zh) | 一种基于统计动力的中长期降雨分级耦合预报方法及系统 | |
| KR101383617B1 (ko) | 일사량 예측 방법 및 장치 | |
| CN105760970A (zh) | 空气质量指数的预测方法 | |
| CN106803129A (zh) | 一种基于多源数值天气预报的风电功率集合预测方法 | |
| CN108062595A (zh) | 基于wrf/cfd/sahde-rvm耦合的复杂地貌区域短时风能预测方法 | |
| CN109754124A (zh) | 一种闪电潜势预报方法 | |
| He et al. | Impact of parameterized physical processes on simulated tropical cyclone characteristics in the community atmosphere model | |
| Freedman et al. | The Wind Forecast Improvement Project (WFIP): A public/private partnership for improving short term wind energy forecasts and quantifying the benefits of utility operations. The Southern Study Area, Final Report | |
| Pai et al. | Long range forecast on south west monsoon rainfall using artificial neural networks based on clustering approach | |
| CN115422782B (zh) | 一种基于水文模型的洪水预报系统 | |
| CN116128345A (zh) | 一种基于动态过程本底的国家公园综合成效评价方法 | |
| Poitras et al. | Wind speed prediction for a target station using neural networks and particle swarm optimization | |
| Shenoy et al. | Sensitivity of physical schemes on simulation of severe cyclones over Bay of Bengal using WRF-ARW model | |
| Šaur | Forecasting of convective precipitation through NWP models and algorithm of storms prediction | |
| Mulukutla et al. | Comparison of field monitored and prognostic model generated meteorological parameters for source dispersion modeling | |
| CN114325877A (zh) | 气象预报数据的评估方法和装置 | |
| Sperati et al. | A new Wind Atlas to support the expansion of the Italian wind power fleet |
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 |