CN109543295B - 数值天气预报的气象要素数据处理方法及装置 - Google Patents

数值天气预报的气象要素数据处理方法及装置 Download PDF

Info

Publication number
CN109543295B
CN109543295B CN201811394322.3A CN201811394322A CN109543295B CN 109543295 B CN109543295 B CN 109543295B CN 201811394322 A CN201811394322 A CN 201811394322A CN 109543295 B CN109543295 B CN 109543295B
Authority
CN
China
Prior art keywords
element data
meteorological element
meteorological
weather
correction coefficient
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.)
Active
Application number
CN201811394322.3A
Other languages
English (en)
Other versions
CN109543295A (zh
Inventor
丁宇宇
董天仁
王蔚青
丁明月
郭树锋
张宇
马文珍
耿琴兰
隆文喜
苟晓侃
杨凡
李国栋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Qinghai Green Energy Data Co ltd
State Grid Corp of China SGCC
State Grid Qinghai Electric Power Co Ltd
Information and Telecommunication Branch of State Grid Qinghai Electric Power Co Ltd
Beijing Goldwind Smart Energy Service Co Ltd
Original Assignee
Qinghai Green Energy Data Co ltd
State Grid Corp of China SGCC
State Grid Qinghai Electric Power Co Ltd
Information and Telecommunication Branch of State Grid Qinghai Electric Power Co Ltd
Beijing Goldwind Smart Energy Service Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Qinghai Green Energy Data Co ltd, State Grid Corp of China SGCC, State Grid Qinghai Electric Power Co Ltd, Information and Telecommunication Branch of State Grid Qinghai Electric Power Co Ltd, Beijing Goldwind Smart Energy Service Co Ltd filed Critical Qinghai Green Energy Data Co ltd
Priority to CN201811394322.3A priority Critical patent/CN109543295B/zh
Publication of CN109543295A publication Critical patent/CN109543295A/zh
Priority to PCT/CN2019/115125 priority patent/WO2020103677A1/zh
Application granted granted Critical
Publication of CN109543295B publication Critical patent/CN109543295B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/10—Numerical modelling
    • 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
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种数值天气预报的气象要素数据处理方法及装置。其中，该方法包括：获取气象站点的数值天气预报预测的第一气象要素数据；获取在气象站点观测得到的第二气象要素数据；选取第一气象要素数据与第二气象要素数据中时间区间重合区域对应的第三气象要素数据，并根据第三气象要素数据得到第一误差订正系数；根据第一误差订正系数通过误差转换模型确定当天预报时段的第二误差订正系数；根据第二误差订正系数对第一气象要素数据进行修订，得到修订后的第一气象要素数据。本发明解决了相关技术中数值天气预报未将临近观察数据的信息作为预报参数，导致的得到气象预测结果可靠性较低的技术问题。

Description

数值天气预报的气象要素数据处理方法及装置
技术领域
本发明涉及数据处理技术领域，具体而言，涉及一种数值天气预报的气象要素数据处理方法及装置。
背景技术
数值天气预报的风速、风向等数据作为输入量，通过预测算法将预报的气象要素转换为风电场、光伏的输出功率预测。因此，数值天气预报数据的准确预报，可以为电力调度提供重要的决策支持，是新能源发电功率预测精度的重要决定因素之一。
对于风速预报的模式统计后处理方法，主要有模式输出统计、卡尔曼滤波、BP神经网络以及自适应偏最小二乘法等。其中，使用最广泛的是模式输出统计(MOS)方法。
其中，模式输出统计(MOS)方法一般取若干预报变量值作为预报因子，而以预报时的实际天气或气象要素作为预报量，并从多年历史资料选出不同模式的抽样，由此寻求其间的统计关系和规律，建立相应的回归方程。目前，对MOS系统在常规天气预报中的应用已有深入研究并已应用于实际。例如，建立了MOS预报系统，为日常的短期要素预报提供参考；利用MOS进行风的精细化预报，得到结果比原MM5模式预报水平有显著提高；利用MOS技术提供风场预报；也有将MOS技术应用于风电预报领域，用模式输出的各层风速、气温及多个湍流参数与风电场风速建立多元线性回归，改善模式预报结果。
完全预报(PP)方法是先根据观测资料建立大尺度环流和局地气象要素间的统计关系，再以数值预报的输出结果取代观测的大尺度环流信息，进行预报。这个方法是假定模式输出值与实测值是完全一致的，即它认为数值预报是完全对的。
卡尔曼滤波(KF)算法的基本思想是利用前一时刻的状态估计值和当前时刻的观测值来获得动态系统当前时刻状态变量的最优估计，包括预报和分析两个步骤。在预报阶段，根据前一时刻的模式状态生成当前时刻模式状态的预报值。在分析阶段，引入观测数据，利用最小方差估计方法对模式状态进行重新分析。随着模式状态预报的持续进行和新的观测数据的陆续输入，这个过程不断向前推进，即模式随着时间向前积分进行状态预报，当出现观测数据时,根据模式预报误差的协方差矩阵(已知)和观测误差的协方差矩阵(已知)之间相对大小导出状态的最小方差估计。
集合预报指对同一有效预报时间的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。集合预报是用一些相关性不大的初值出发而得到一些预报值的方法，这是经典的集合预报的概念。除了考虑初值问题，还考虑数值模式中许多物理过程(如参数化方案等)的不确定性和随机性，得到一些预报值，这是全新意义的预报集合。
而上述现有技术中一般会存在以下缺陷：
1.现有技术只考虑了历史观测资料与历史预报结果的误差，没有考虑临近观测资料对当天预报结果的对比误差，因此无法利用到每次数值预报结果发布后临近的观测资料；
2.每次数值预报结果的误差特征各有不同，用同样的模型参数来订正误差，只能减小多次预报之间共有的误差，而无法减小单次预报自身的误差。
针对上述相关技术中数值天气预报未将临近观察数据的信息作为预报参数，导致的得到气象预测结果可靠性较低的问题，目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种数值天气预报的气象要素数据处理方法及装置，以至少解决相关技术中数值天气预报未将临近观察数据的信息作为预报参数，导致的得到气象预测结果可靠性较低的技术问题。
根据本发明实施例的一个方面，提供了一种数值天气预报的气象要素数据处理方法，包括：获取气象站点的数值天气预报预测的第一气象要素数据，其中，所述第一气象要素数据是在当日的第一时间点之前获取得到的所述气象站点于前一日第二时间点起预测的数据；获取在所述气象站点观测得到的第二气象要素数据，其中，所述第二气象要素数据是在前一日的第二时间点到当日的第三时间点观测得到的数据；选取所述第一气象要素数据与所述第二气象要素数据中时间区间重合区域对应的第三气象要素数据，并根据所述第三气象要素数据得到第一误差订正系数；根据所述第一误差订正系数通过误差转换模型确定当天预报时段的第二误差订正系数，其中，所述预报时段为根据所述数值天气预报预测得到所述第一气象要素数据到所述第一气象要素数据发布之间的时间；根据所述第二误差订正系数对所述第一气象要素数据进行修订，得到修订后的第一气象要素数据。
可选地，选取所述第一气象要素数据与所述第二气象要素数据中时间区间重合区域对应的第三气象要素数据包括：判断所述第一气象要素数据和所述第二气象要素数据中时间区间重合区域是否满足预定条件，得到判断结果，其中，所述预定条件为所述第一气象要素数据和所述第二气象要素数据的时间区间重合区域对应的总时长大于预定时长；在所述判断结果为所述第一气象要素数据和所述第二气象要素数据中时间区间重合区域满足预定条件的情况下，将所述重合区域对应的气象要素数据作为所述第三气象要素数据。
可选地，在所述判断结果为所述第一气象要素数据和所述第二气象要素数据中时间区间重合区域不满足所述预定条件的情况下，选取所述第一气象要素数据与所述第二气象要素数据中时间区间重合区域对应的第三气象要素数据包括：确定所述第二气象要素数据的获取时长相对于所述第三时间点的时间差；以所述时间差为基础继续获取所述第二气象要素数据，直到所述时间差为零。
可选地，根据所述第三气象要素数据得到第一误差订正系数包括：将时间区间重合区域对应的第三气象要素数据中的第一气象要素数据和第二气象要素数据分别按照时间一一对应，得到第三气象要素数据序列；基于所述第三气象要素数据序列通过第一公式确定所述第一误差订正系数，其中，所述第一公式为：e(t)＝Or(t)-(a·Fr(t)+b)，t表示预报时间段的第t个时间点，e表示在第t个时间点所述第一气象要素数据和第二气象要素数据的误差，a和b表示所述第一误差订正系数，Fr(t)表示在第t个时间点第一气象要素数据，Or(t)表示在第t个时间点第二气象要素数据，t表示预报时间段的第t个时间点；其中，基于所述第三气象要素数据序列通过第一公式确定所述第一误差订正系数包括：通过所述第一公式确定所述时间区间内所有的误差，在所述时间区间内所有的误差之和最小时，确定所述第一误差订正系数。
可选地，所述第三气象要素数据中的第一气象要素数据和第二气象要素数据满足以下关系：Or(t)＝a·Fr(t)+b。
可选地，在根据所述第一误差订正系数通过误差转换模型确定当天预报时段的第二误差订正系数之前，该数值天气预报的气象要素数据处理方法还包括：确定所述误差转换模型；其中，确定所述误差转换模型包括：获取历史时间段内的历史预测气象要素数据和历史观测气象要素数据；确定所述历史时间段内每天预定时间区间的第一历史误差修订系数，以及历史预报时间段内的第二历史误差修订系数；对所述第一历史误差修订系数和所述第二历史误差修订系数进行训练得到所述误差转换模型。
可选地，根据所述第一误差订正系数通过误差转换模型确定当天预报时段的第二误差订正系数包括：通过述误差转换模型确定误差最小时的误差修订系数；根据所述误差最小时的误差修订系数以及所述第一误差订正系数确定所述第二误差订正系数。
可选地，根据所述第二误差订正系数对所述第一气象要素数据进行修订，得到修订后的第一气象要素数据包括：通过第二公式确定所述修订后的第一气象要素数据，其中，所述第二公式为：Fa(t)＝af·Ff(t)+bf，Fa为修订后的第一气象要素数据，Ff表示修订前的第一气象要素数据，t表示预报时间段的第t个时间点，af和bf表示所述第二误差订正系数。
根据本发明实施例的另外一个方面，还提供了一种数值天气预报的气象要素数据处理装置，包括：第一获取单元，用于获取气象站点的数值天气预报预测的第一气象要素数据，其中，所述第一气象要素数据是在当日的第一时间点之前获取得到的所述气象站点于前一日第二时间点起预测的数据；第二获取单元，用于获取在所述气象站点观测得到的第二气象要素数据，其中，所述第二气象要素数据是在前一日的第二时间点到当日的第三时间点观测得到的数据；第三获取单元，用于选取所述第一气象要素数据与所述第二气象要素数据中时间区间重合区域对应的第三气象要素数据，并根据所述第三气象要素数据得到第一误差订正系数；第一确定单元，用于根据所述第一误差订正系数通过误差转换模型确定当天预报时段的第二误差订正系数，其中，所述预报时段为根据所述数值天气预报预测得到所述第一气象要素数据到所述第一气象要素数据发布之间的时间；第四获取单元，用于根据所述第二误差订正系数对所述第一气象要素数据进行修订，得到修订后的第一气象要素数据。
可选地，所述第三获取单元包括：判断子单元，用于判断所述第一气象要素数据和所述第二气象要素数据中时间区间重合区域是否满足预定条件，得到判断结果，其中，所述预定条件为所述第一气象要素数据和所述第二气象要素数据的时间区间重合区域对应的总时长大于预定时长；第一确定子单元，用于在所述判断结果为所述第一气象要素数据和所述第二气象要素数据中时间区间重合区域满足预定条件的情况下，将所述重合区域对应的气象要素数据作为所述第三气象要素数据。
可选地，所述第三获取单元还包括：第二确定子单元，用于在所述判断结果为所述第一气象要素数据和所述第二气象要素数据中时间区间重合区域不满足所述预定条件的情况下，确定所述第二气象要素数据的获取时长相对于所述第三时间点的时间差；第一获取子单元，用于以所述时间差为基础继续获取所述第二气象要素数据，直到所述时间差为零。
可选地，所述第三获取单元包括：第二获取子单元，用于将时间区间重合区域对应的第三气象要素数据中的第一气象要素数据和第二气象要素数据分别按照时间一一对应，得到第三气象要素数据序列；第三确定子单元，用于基于所述第三气象要素数据序列通过第一公式确定所述第一误差订正系数，其中，所述第一公式为：e(t)＝Or(t)-(a·Fr(t)+b)，t表示预报时间段的第t个时间点，e表示在第t个时间点所述第一气象要素数据和第二气象要素数据的误差，a和b表示所述第一误差订正系数，Fr(t)表示在第t个时间点第一气象要素数据，Or(t)表示在第t个时间点第二气象要素数据，t表示预报时间段的第t个时间点；其中，所述第三确定子单元包括：确定模块，用于通过所述第一公式确定所述时间区间内所有的误差，在所述时间区间内所有的误差之和最小时，确定所述第一误差订正系数。
可选地，所述第三气象要素数据中的第一气象要素数据和第二气象要素数据满足以下关系：Or(t)＝a·Fr(t)+b。
可选地，该数值天气预报的气象要素数据处理装置还包括：第二确定单元，用于在根据所述第一误差订正系数通过误差转换模型确定当天预报时段的第二误差订正系数之前，用于确定所述误差转换模型；其中，所述第二确定单元包括：第三获取子单元，用于获取历史时间段内的历史预测气象要素数据和历史观测气象要素数据；第四确定子单元，用于确定所述历史时间段内每天预定时间区间的第一历史误差修订系数，以及历史预报时间段内的第二历史误差修订系数；第四获取子单元，用于对所述第一历史误差修订系数和所述第二历史误差修订系数进行训练得到所述误差转换模型。
可选地，所述第一确定单元包括：第五确定子单元，用于通过述误差转换模型确定误差最小时的误差修订系数；第六确定子单元，用于根据所述误差最小时的误差修订系数以及所述第一误差订正系数确定所述第二误差订正系数。
可选地，所述第四获取单元包括：第七确定子单元，用于通过第二公式确定所述修订后的第一气象要素数据，其中，所述第二公式为：Fa(t)＝af·Ff(t)+bf，Fa为修订后的第一气象要素数据，Ff表示修订前的第一气象要素数据，t表示预报时间段的第t个时间点，af和bf表示所述第二误差订正系数。
根据本发明实施例的另外一个方面，还提供了一种存储介质，所述存储介质包括存储的程序，其中，所述程序执行上述中任意一项所述的数值天气预报的气象要素数据处理方法。
根据本发明实施例的另外一个方面，还提供了一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行上述中任意一项所述的数值天气预报的气象要素数据处理方法。
在本发明实施例中，采用获取气象站点的数值天气预报预测的第一气象要素数据，其中，第一气象要素数据是在当日的第一时间点之前获取得到的气象站点于前一日第二时间点起预测的数据；同时获取在气象站点观测得到的第二气象要素数据，其中，第二气象要素数据是在前一日的第二时间点到当日的第三时间点观测得到的数据；然后选取第一气象要素数据与第二气象要素数据中时间区间重合区域对应的第三气象要素数据，并根据第三气象要素数据得到第一误差订正系数；并根据第一误差订正系数通过误差转换模型确定当天预报时段的第二误差订正系数，其中，预报时段为根据数值天气预报预测得到第一气象要素数据到第一气象要素数据发布之间的时间；以及根据第二误差订正系数对第一气象要素数据进行修订，得到修订后的第一气象要素数据。通过本发明实施例提供的数值天气预报的气象要素数据处理方法可以实现利用每次根据数值天气预报的预测结果的起报到发布时段的观测数据，来修正该次预报的后续预报结果的目的，达到了充分利用临近观测数据(即第二气象要素数据)的信息提高订正预报的准确性的技术效果，进而解决了相关技术中数值天气预报未将临近观察数据的信息作为预报参数，导致的得到气象预测结果可靠性较低的技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是根据本发明实施例的数值天气预报的气象要素数据处理方法的流程图；
图2是根据本发明实施例的气象要素数据与时间的关系的示意图；
图3是根据本发明实施例的可选的数值天气预报的气象要素数据处理方法的流程图；
图4是根据本法发明实施例的数值天气预报的气象要素数据处理装置的示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例1
根据本发明实施例，提供了一种数值天气预报的气象要素数据处理方法的方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本发明实施例的数值天气预报的气象要素数据处理方法的流程图，如图1所示，该数值天气预报的气象要素数据处理方法包括如下步骤：
步骤S102，获取气象站点的数值天气预报预测的第一气象要素数据，其中，第一气象要素数据是在当日的第一时间点之前获取得到的气象站点于前一日第二时间点起预测的数据。
例如，对于气象站点A，每天上午7点前，获取得到该气象站点前一日20:00起报的数值的天气预报，对某一气象要素数据S的预报结果，记为Fr，数据时间分辨率为15min。
其中，数值天气预报：是指根据大气实际情况，在一定的初值和边值条件下，通过大型计算机作数值计算，求解天气演变过程的流体力学和热力学的方程组，预测未来一定时段的大气运动状态和天气现象的方法。
步骤S104，获取在气象站点观测得到的第二气象要素数据，其中，第二气象要素数据是在前一日的第二时间点到当日的第三时间点观测得到的数据。
同样地，例如，对于气象站点A，每天上午7点前获得该气象站点前一日20:00到6:00的实时观测对应气象要素数据，记为Or，数据时间分类率同样为15min。
步骤S106，选取第一气象要素数据与第二气象要素数据中时间区间重合区域对应的第三气象要素数据，并根据第三气象要素数据得到第一误差订正系数。
例如，可以判断数值天气预报预测得到的气象要素数据与观测得到的气象要素数据的重合区域是否不小于10小时，如果小于10小时，则继续获取更多观测得到的气象要素数据，直到重合区域达到10小时。
步骤S108，根据第一误差订正系数通过误差转换模型确定当天预报时段的第二误差订正系数，其中，预报时段为根据数值天气预报预测得到第一气象要素数据到第一气象要素数据发布之间的时间。
步骤S110，根据第二误差订正系数对第一气象要素数据进行修订，得到修订后的第一气象要素数据。
通过该实施例，可以获取气象站点的数值天气预报预测的第一气象要素数据，其中，第一气象要素数据是在当日的第一时间点之前获取得到的气象站点于前一日第二时间点起预测的数据；同时获取在气象站点观测得到的第二气象要素数据，其中，第二气象要素数据是在前一日的第二时间点到当日的第三时间点观测得到的数据；并选取第一气象要素数据与第二气象要素数据中时间区间重合区域对应的第三气象要素数据，并根据第三气象要素数据得到第一误差订正系数；再根据第一误差订正系数通过误差转换模型确定当天预报时段的第二误差订正系数，其中，预报时段为根据数值天气预报预测得到第一气象要素数据到第一气象要素数据发布之间的时间；以及根据第二误差订正系数对第一气象要素数据进行修订，得到修订后的第一气象要素数据。相对于相关技术中只考虑了历史观测资料与历史预报结果的误差，没有考虑临近观测资料对当天预报结果的对比误差，因此无法利用到每次数值预报结果发布后临近的观测资料；以及每次数值预报结果的误差特征各有不同，用同样的模型参数来订正误差，只能减小多次预报之间共有的误差，而无法减小单次预报自身的误差的弊端，通过本发明实施例提供的数值天气预报的气象要素数据处理方法可以实现利用每次根据数值天气预报的预测结果的起报到发布时段的观测数据，来修正该次预报的后续预报结果的目的，达到了充分利用临近观测数据(即第二气象要素数据)的信息提高订正预报的准确性的技术效果，进而解决了相关技术中数值天气预报未将临近观察数据的信息作为预报参数，导致的得到气象预测结果可靠性较低的技术问题。
在步骤S106中，选取第一气象要素数据与第二气象要素数据中时间区间重合区域对应的第三气象要素数据可以包括：判断第一气象要素数据和第二气象要素数据中时间区间重合区域是否满足预定条件，得到判断结果，其中，预定条件为第一气象要素数据和第二气象要素数据的时间区间重合区域对应的总时长大于预定时长；在判断结果为第一气象要素数据和第二气象要素数据中时间区间重合区域满足预定条件的情况下，将重合区域对应的气象要素数据作为第三气象要素数据。
具体地，在判断结果为第一气象要素数据和第二气象要素数据中时间区间重合区域不满足预定条件的情况下，选取第一气象要素数据与第二气象要素数据中时间区间重合区域对应的第三气象要素数据包括：确定第二气象要素数据的获取时长相对于第三时间点的时间差；以时间差为基础继续获取第二气象要素数据，直到时间差为零。
在步骤S106中，根据第三气象要素数据得到第一误差订正系数可以包括：将时间区间重合区域对应的第三气象要素数据中的第一气象要素数据和第二气象要素数据分别按照时间一一对应，得到第三气象要素数据序列；基于第三气象要素数据序列通过第一公式确定第一误差订正系数，其中，第一公式为：e(t)＝Or(t)-(α·Fr(t)+b)，t表示预报时间段的第t个时间点，e表示在第t个时间点第一气象要素数据和第二气象要素数据的误差，a和b表示第一误差订正系数，Fr(t)表示在第t个时间点第一气象要素数据，Or(t)表示在第t个时间点第二气象要素数据，t表示预报时间段的第t个时间点；其中，基于第三气象要素数据序列通过第一公式确定第一误差订正系数包括：通过第一公式确定时间区间内所有的误差，在时间区间内所有的误差之和最小时，确定第一误差订正系数。
优选的，第三气象要素数据中的第一气象要素数据和第二气象要素数据满足以下关系：Or(t)＝a·Fr(t)+b。
例如，可以截取当日数值天气预报的气象要素数据Fr中时间与当日观测得到的气象要素数据Or时间重合的部分，即前一天20:00到当日6:00，并将预报得到的气象要素数据与观测得到的气象要素数据按照时间一一对应，记为Fr(t)，Or(t)，其中t＝1…N，N为该时间段内的观测数据个数。然后，按照最小二乘法，建立如下方程：Or(t)＝a·Fr(t)+b，误差为：e(t)＝Or(t)-(a·Fr(t)+b)，当整体误差最小，即Σte(t)最小时，求解误差订正系数a和b，记为(ar，br)。
作为一种可选的实施例，在根据第一误差订正系数通过误差转换模型确定当天预报时段的第二误差订正系数之前，该数值天气预报的气象要素数据处理方法还可以包括：确定误差转换模型；其中，确定误差转换模型包括：获取历史时间段内的历史预测气象要素数据和历史观测气象要素数据；确定历史时间段内每天预定时间区间的第一历史误差修订系数，以及历史预报时间段内的第二历史误差修订系数；对第一历史误差修订系数和第二历史误差修订系数进行训练得到误差转换模型。
例如，可以获取历史时间段内的历史预测气象要素数据和历史观测气象要素数据，比如，可以获取历史前M天中每天的预报Fh，和观测Oh时间序列；按照上述计算误差订正系数的方法，计算得到M天中每天前10小时的误差订正系数(ari，bri)，以及预报时段(例如28-52小时)的误差订正系数(afi，bfi)，其中i代表第i天。再利用历史M天的订正系数(ari，bri)、(afi，bfi)，可以训练得到误差转换模型。建立方程：af(i)＝c·ar(i)，bf(i)＝d·br(i)，利用最小二乘法，可求解出误差最小时的系数(c，d)。
图2是根据本发明实施例的气象要素数据与时间的关系的示意图，如图2所示，实时气象要素数据包括：数值天气预报得到的实时预测气象要素数据(即第一气象要素数据)，观测得到的实时观测气象要素数据(即第二气象要素数据)。其中，当实时预测气象要素数据和实时观测气象要素数据的时间段达到10个小时，则根据实时预测气象要素数据和实时观测气象要素数据确定得到第一误差订正系数(ar，br)；然后，再利用历史时间段内的历史预测气象要素数据和历史观测气象要素数据训练得到误差转换模型，并根据该误差转换模型得到(ari，bri)、(afi，bfi)，进一步得到误差最小时的系数(c，d)。利用得到误差最小时的系数(c，d)结合第一误差订正系数(ar，br)得到第二误差订正系数(af，bf)，Fa为订正后的预报气象要素，Ff为订正前的预报气象要素，Fh和Oh为历史时间段内的预测气象要素数据和观测气象要素数据对应的时间序列。
在步骤S108中，根据第一误差订正系数通过误差转换模型确定当天预报时段的第二误差订正系数可以包括：通过述误差转换模型确定误差最小时的误差修订系数；根据误差最小时的误差修订系数以及第一误差订正系数确定第二误差订正系数。
例如，可以根据误差转换模型，以及当天的实时误差订正系数(ar，br)，可以得到当天预报时段的误差订正系数(af，bf)：af＝c·ar，bf＝d·br，其中c,d为步骤c中计算得到的转换模型系数。然后，根据当天预报时段的误差订正系数(即，第二误差订正系数)(af，bf)，可以计算得到当天修正后的预报结果：Fa(t)＝af·Ff(t)+bf，其中，Fa为订正后的预报气象要素，Ff为订正前的预报气象要素，t为预报时间段的第t个时间点。
在上述步骤S110中，，根据第二误差订正系数对第一气象要素数据进行修订，得到修订后的第一气象要素数据包括：通过第二公式确定修订后的第一气象要素数据，其中，第二公式为：Fa(t)＝af·Ff(t)+bf，Fa为修订后的第一气象要素数据，Ff表示修订前的第一气象要素数据，t表示预报时间段的第t个时间点，af和bf表示第二误差订正系数。
下面结合附图对本发明实施例中提供的数值天气预报的气象要素数据处理方法进行详细说明。
图3是根据本发明实施例的可选的数值天气预报的气象要素数据处理方法的流程图，如图3所示，在获取实时观测得到的气象要素数据和数值天气预报结果中的气象要素数据之后，判断实时观测得到的气象要素数据和数值天气预报结果中的气象要素数据在时间上的重合区域是否大于等于10小时；在判断结果为是的情况下，计算实时误差订正系数(即第一误差订正系数)，然后，结合误差转换模块对数值天气预报预测得到的气象要素数据进行订正；在判断结果为否的情况下，继续获取观测得到的气象要素数据。
通过本发明实施例提供的数值天气预报的气象要素数据处理方法可以使用当天的数值天气预报结果和同时段的观测结果，能够基于最新的气象要素数据进行订正，提升了数值天气预报的预报结果的订正效果，同时考虑了每次数值天气预报前10小时误差和预报时间段的误差的关系，利用历史气象要素数据建立误差转换模型，更进一步提升了订正算法的准确性；对于气象要素数据的类型没有限制，可应用于风速、温度、辐照度等多种气象要素的订正，适用性较好。
实施例2
根据本发明实施例还提供了一种数值天气预报的气象要素数据处理装置，需要说明的是，本发明实施例的数值天气预报的气象要素数据处理装置可以用于执行本发明实施例所提供的数值天气预报的气象要素数据处理方法。以下对本发明实施例提供的数值天气预报的气象要素数据处理装置进行介绍。
图4是根据本法发明实施例的数值天气预报的气象要素数据处理装置的示意图，如图4所示，该数值天气预报的气象要素数据处理装置包括：第一获取单元41，第二获取单元43，第三获取单元45，第一确定单元47以及第四获取单元49。下面对该数值天气预报的气象要素数据处理装置进行详细说明。
第一获取单元41，用于获取气象站点的数值天气预报预测的第一气象要素数据，其中，第一气象要素数据是在当日的第一时间点之前获取得到的气象站点于前一日第二时间点起预测的数据。
第二获取单元43，用于获取在气象站点观测得到的第二气象要素数据，其中，第二气象要素数据是在前一日的第二时间点到当日的第三时间点观测得到的数据。
第三获取单元45，用于选取第一气象要素数据与第二气象要素数据中时间区间重合区域对应的第三气象要素数据，并根据第三气象要素数据得到第一误差订正系数。
第一确定单元47，用于根据第一误差订正系数通过误差转换模型确定当天预报时段的第二误差订正系数，其中，预报时段为根据数值天气预报预测得到第一气象要素数据到第一气象要素数据发布之间的时间。
第四获取单元49，用于根据第二误差订正系数对第一气象要素数据进行修订，得到修订后的第一气象要素数据。
需要说明的是，该实施例中的第一获取单元41可以用于执行本发明实施例中的步骤S102，该实施例中的第二获取单元43可以用于执行本发明实施例中的步骤S104，该实施例中的第三获取单元45可以用于执行本发明实施例中的步骤S106，该实施例中的第一确定单元47可以用于执行本发明实施例中的步骤S108，该实施例中的第四获取单元49可以用于执行本发明实施例中的步骤S110。上述模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例所公开的内容。
在该实施例中，可以首先利用第一获取单元获取气象站点的数值天气预报预测的第一气象要素数据，其中，第一气象要素数据是在当日的第一时间点之前获取得到的气象站点于前一日第二时间点起预测的数据；同时利用第二获取单元获取在气象站点观测得到的第二气象要素数据，其中，第二气象要素数据是在前一日的第二时间点到当日的第三时间点观测得到的数据；然后再利用第三获取单元选取第一气象要素数据与第二气象要素数据中时间区间重合区域对应的第三气象要素数据，并根据第三气象要素数据得到第一误差订正系数；接着使用第一确定单元根据第一误差订正系数通过误差转换模型确定当天预报时段的第二误差订正系数，其中，预报时段为根据数值天气预报预测得到第一气象要素数据到第一气象要素数据发布之间的时间；并利用第四获取单元，用于根据第二误差订正系数对第一气象要素数据进行修订，得到修订后的第一气象要素数据。
可选地，第三获取单元包括：判断子单元，用于判断第一气象要素数据和第二气象要素数据中时间区间重合区域是否满足预定条件，得到判断结果，其中，预定条件为第一气象要素数据和第二气象要素数据的时间区间重合区域对应的总时长大于预定时长；第一确定子单元，用于在判断结果为第一气象要素数据和第二气象要素数据中时间区间重合区域满足预定条件的情况下，将重合区域对应的气象要素数据作为第三气象要素数据。
可选地，第三获取单元还包括：第二确定子单元，用于在判断结果为第一气象要素数据和第二气象要素数据中时间区间重合区域不满足预定条件的情况下，确定第二气象要素数据的获取时长相对于第三时间点的时间差；第一获取子单元，用于以时间差为基础继续获取第二气象要素数据，直到时间差为零。
可选地，第三获取单元包括：第二获取子单元，用于将时间区间重合区域对应的第三气象要素数据中的第一气象要素数据和第二气象要素数据分别按照时间一一对应，得到第三气象要素数据序列；第三确定子单元，用于基于第三气象要素数据序列通过第一公式确定第一误差订正系数，其中，第一公式为：e(t)＝Or(t)-(a·Fr(t)+b)，t表示预报时间段的第t个时间点，e表示在第t个时间点第一气象要素数据和第二气象要素数据的误差，a和b表示第一误差订正系数，Fr(t)表示在第t个时间点第一气象要素数据，Or(t)表示在第t个时间点第二气象要素数据，t表示预报时间段的第t个时间点；其中，第三确定子单元包括：确定模块，用于通过第一公式确定时间区间内所有的误差，在时间区间内所有的误差之和最小时，确定第一误差订正系数。
可选地，第三气象要素数据中的第一气象要素数据和第二气象要素数据满足以下关系：Or(t)＝a·Fr(t)+b。
可选地，该数值天气预报的气象要素数据处理装置还包括：第二确定单元，用于在根据第一误差订正系数通过误差转换模型确定当天预报时段的第二误差订正系数之前，用于确定误差转换模型；其中，第二确定单元包括：第三获取子单元，用于获取历史时间段内的历史预测气象要素数据和历史观测气象要素数据；第四确定子单元，用于确定历史时间段内每天预定时间区间的第一历史误差修订系数，以及历史预报时间段内的第二历史误差修订系数；第四获取子单元，用于对第一历史误差修订系数和第二历史误差修订系数进行训练得到误差转换模型。
可选地，第一确定单元包括：第五确定子单元，用于通过述误差转换模型确定误差最小时的误差修订系数；第六确定子单元，用于根据误差最小时的误差修订系数以及第一误差订正系数确定第二误差订正系数。
可选地，第四获取单元包括：第七确定子单元，用于通过第二公式确定修订后的第一气象要素数据，其中，第二公式为：Fa(t)＝af·Ff(t)+bf，Fa为修订后的第一气象要素数据，Ff表示修订前的第一气象要素数据，t表示预报时间段的第t个时间点，af和bf表示第二误差订正系数。
上述数值天气预报的气象要素数据处理装置包括处理器和存储器，上述第一获取单元41，第二获取单元43，第三获取单元45，第一确定单元47以及第四获取单元49等均作为程序单元存储在存储器中，由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
上述处理器中包含内核，由内核去存储器中调取相应的程序单元。内核可以设置一个或以上，通过调整内核参数根据第二误差订正系数对第一气象要素数据进行修订，得到修订后的第一气象要素数据。
上述存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)，存储器包括至少一个存储芯片。
根据本发明实施例的另外一个方面，还提供了一种存储介质，存储介质包括存储的程序，其中，程序执行上述中任意一项的数值天气预报的气象要素数据处理方法。
根据本发明实施例的另外一个方面，还提供了一种处理器，处理器用于运行程序，其中，程序运行时执行上述中任意一项的数值天气预报的气象要素数据处理方法。
在本发明实施例中还提供了一种设备，该设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序，处理器执行程序时实现以下步骤：获取气象站点的数值天气预报预测的第一气象要素数据，其中，第一气象要素数据是在当日的第一时间点之前获取得到的气象站点于前一日第二时间点起预测的数据；获取在气象站点观测得到的第二气象要素数据，其中，第二气象要素数据是在前一日的第二时间点到当日的第三时间点观测得到的数据；选取第一气象要素数据与第二气象要素数据中时间区间重合区域对应的第三气象要素数据，并根据第三气象要素数据得到第一误差订正系数；根据第一误差订正系数通过误差转换模型确定当天预报时段的第二误差订正系数，其中，预报时段为根据数值天气预报预测得到第一气象要素数据到第一气象要素数据发布之间的时间；根据第二误差订正系数对第一气象要素数据进行修订，得到修订后的第一气象要素数据。
在本发明实施例中还提供了一种计算机程序产品，当在数据处理设备上执行时，适于执行初始化有如下方法步骤的程序：获取气象站点的数值天气预报预测的第一气象要素数据，其中，第一气象要素数据是在当日的第一时间点之前获取得到的气象站点于前一日第二时间点起预测的数据；获取在气象站点观测得到的第二气象要素数据，其中，第二气象要素数据是在前一日的第二时间点到当日的第三时间点观测得到的数据；选取第一气象要素数据与第二气象要素数据中时间区间重合区域对应的第三气象要素数据，并根据第三气象要素数据得到第一误差订正系数；根据第一误差订正系数通过误差转换模型确定当天预报时段的第二误差订正系数，其中，预报时段为根据数值天气预报预测得到第一气象要素数据到第一气象要素数据发布之间的时间；根据第二误差订正系数对第一气象要素数据进行修订，得到修订后的第一气象要素数据。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (10)

1.一种数值天气预报的气象要素数据处理方法，其特征在于，包括：
获取气象站点的数值天气预报预测的第一气象要素数据，其中，所述第一气象要素数据是在当日的第一时间点之前获取得到的所述气象站点于前一日第二时间点起预测的数据；
获取在所述气象站点观测得到的第二气象要素数据，其中，所述第二气象要素数据是在前一日的第二时间点到当日的第三时间点观测得到的数据；
选取所述第一气象要素数据与所述第二气象要素数据中时间区间重合区域对应的第三气象要素数据，并根据所述第三气象要素数据得到第一误差订正系数；
根据所述第一误差订正系数通过误差转换模型确定当天预报时段的第二误差订正系数，其中，所述预报时段为根据所述数值天气预报预测得到所述第一气象要素数据到所述第一气象要素数据发布之间的时间；
根据所述第二误差订正系数对所述第一气象要素数据进行修订，得到修订后的第一气象要素数据；
其中，根据所述第三气象要素数据得到第一误差订正系数包括：将时间区间重合区域对应的第三气象要素数据中的第一气象要素数据和第二气象要素数据分别按照时间一一对应，得到第三气象要素数据序列；基于所述第三气象要素数据序列通过第一公式确定所述第一误差订正系数，其中，所述第一公式为：e(t)＝Or(t)-(a·Fr(t)+b)，t表示预报时间段的第t个时间点，e表示在第t个时间点所述第一气象要素数据和第二气象要素数据的误差，a和b表示所述第一误差订正系数，Fr(t)表示在第t个时间点第一气象要素数据，Or(t)表示在第t个时间点第二气象要素数据，t表示预报时间段的第t个时间点。
2.根据权利要求1所述的方法，其特征在于，选取所述第一气象要素数据与所述第二气象要素数据中时间区间重合区域对应的第三气象要素数据包括：
判断所述第一气象要素数据和所述第二气象要素数据中时间区间重合区域是否满足预定条件，得到判断结果，其中，所述预定条件为所述第一气象要素数据和所述第二气象要素数据的时间区间重合区域对应的总时长大于预定时长；
在所述判断结果为所述第一气象要素数据和所述第二气象要素数据中时间区间重合区域满足预定条件的情况下，将所述重合区域对应的气象要素数据作为所述第三气象要素数据。
3.根据权利要求2所述的方法，其特征在于，在所述判断结果为所述第一气象要素数据和所述第二气象要素数据中时间区间重合区域不满足所述预定条件的情况下，选取所述第一气象要素数据与所述第二气象要素数据中时间区间重合区域对应的第三气象要素数据包括：
确定所述第二气象要素数据的获取时长相对于所述第三时间点的时间差；
以所述时间差为基础继续获取所述第二气象要素数据，直到所述时间差为零。
4.根据权利要求1所述的方法，其特征在于，基于所述第三气象要素数据序列通过第一公式确定所述第一误差订正系数包括：
通过所述第一公式确定所述时间区间内所有的误差，在所述时间区间内所有的误差之和最小时，确定所述第一误差订正系数。
5.根据权利要求4所述的方法，其特征在于，所述第三气象要素数据中的第一气象要素数据和第二气象要素数据满足以下关系：Or(t)＝a·Fr(t)+b。
6.根据权利要求5所述的方法，其特征在于，在根据所述第一误差订正系数通过误差转换模型确定当天预报时段的第二误差订正系数之前，还包括：确定所述误差转换模型；
其中，确定所述误差转换模型包括：
获取历史时间段内的历史预测气象要素数据和历史观测气象要素数据；
确定所述历史时间段内每天预定时间区间的第一历史误差修订系数，以及历史预报时间段内的第二历史误差修订系数；
对所述第一历史误差修订系数和所述第二历史误差修订系数进行训练得到所述误差转换模型。
7.根据权利要求6所述的方法，其特征在于，根据所述第一误差订正系数通过误差转换模型确定当天预报时段的第二误差订正系数包括：
通过述误差转换模型确定误差最小时的误差修订系数；
根据所述误差最小时的误差修订系数以及所述第一误差订正系数确定所述第二误差订正系数。
8.根据权利要求7所述的方法，其特征在于，根据所述第二误差订正系数对所述第一气象要素数据进行修订，得到修订后的第一气象要素数据包括：
通过第二公式确定所述修订后的第一气象要素数据，其中，所述第二公式为：Fa(t)＝af·Ff(t)+bf，Fa为修订后的第一气象要素数据，Ff表示修订前的第一气象要素数据，t表示预报时间段的第t个时间点，af和bf表示所述第二误差订正系数。
9.一种数值天气预报的气象要素数据处理装置，其特征在于，包括：
第一获取单元，用于获取气象站点的数值天气预报预测的第一气象要素数据，其中，所述第一气象要素数据是在当日的第一时间点之前获取得到的所述气象站点于前一日第二时间点起预测的数据；
第二获取单元，用于获取在所述气象站点观测得到的第二气象要素数据，其中，所述第二气象要素数据是在前一日的第二时间点到当日的第三时间点观测得到的数据；
第三获取单元，用于选取所述第一气象要素数据与所述第二气象要素数据中时间区间重合区域对应的第三气象要素数据，并根据所述第三气象要素数据得到第一误差订正系数；
第一确定单元，用于根据所述第一误差订正系数通过误差转换模型确定当天预报时段的第二误差订正系数，其中，所述预报时段为根据所述数值天气预报预测得到所述第一气象要素数据到所述第一气象要素数据发布之间的时间；
第四获取单元，用于根据所述第二误差订正系数对所述第一气象要素数据进行修订，得到修订后的第一气象要素数据；
其中，所述第三获取单元包括：第二获取子单元，用于将时间区间重合区域对应的第三气象要素数据中的第一气象要素数据和第二气象要素数据分别按照时间一一对应，得到第三气象要素数据序列；第三确定子单元，用于基于所述第三气象要素数据序列通过第一公式确定所述第一误差订正系数，其中，所述第一公式为：e(t)＝Or(t)-(a·Fr(t)+b)，t表示预报时间段的第t个时间点，e表示在第t个时间点所述第一气象要素数据和第二气象要素数据的误差，a和b表示所述第一误差订正系数，Fr(t)表示在第t个时间点第一气象要素数据，Or(t)表示在第t个时间点第二气象要素数据，t表示预报时间段的第t个时间点。
10.根据权利要求9所述的装置，其特征在于，所述第三获取单元包括：
判断子单元，用于判断所述第一气象要素数据和所述第二气象要素数据中时间区间重合区域是否满足预定条件，得到判断结果，其中，所述预定条件为所述第一气象要素数据和所述第二气象要素数据的时间区间重合区域对应的总时长大于预定时长；
第一确定子单元，用于在所述判断结果为所述第一气象要素数据和所述第二气象要素数据中时间区间重合区域满足预定条件的情况下，将所述重合区域对应的气象要素数据作为所述第三气象要素数据。
CN201811394322.3A 2018-11-21 2018-11-21 数值天气预报的气象要素数据处理方法及装置 Active CN109543295B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201811394322.3A CN109543295B (zh) 2018-11-21 2018-11-21 数值天气预报的气象要素数据处理方法及装置
PCT/CN2019/115125 WO2020103677A1 (zh) 2018-11-21 2019-11-01 数值天气预报的气象要素数据处理方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811394322.3A CN109543295B (zh) 2018-11-21 2018-11-21 数值天气预报的气象要素数据处理方法及装置

Publications (2)

Publication Number Publication Date
CN109543295A CN109543295A (zh) 2019-03-29
CN109543295B true CN109543295B (zh) 2023-08-25

Family

ID=65849326

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811394322.3A Active CN109543295B (zh) 2018-11-21 2018-11-21 数值天气预报的气象要素数据处理方法及装置

Country Status (2)

Country Link
CN (1) CN109543295B (zh)
WO (1) WO2020103677A1 (zh)

Families Citing this family (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109543295B (zh) * 2018-11-21 2023-08-25 国网青海省电力公司 数值天气预报的气象要素数据处理方法及装置
CN109946765B (zh) * 2019-04-02 2021-05-07 上海电气风电集团股份有限公司 风电场的流场的预测方法和系统
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
CN110908014B (zh) * 2019-12-11 2021-11-02 国网湖南省电力有限公司 舞动精细化订正预报方法及系统
CN112612781A (zh) * 2019-12-11 2021-04-06 北京金风慧能技术有限公司 数据修正方法、装置、设备及介质
CN111126684A (zh) * 2019-12-13 2020-05-08 北京心中有数科技有限公司 气候预测方法、装置、计算机可读存储介质和服务器
CN111366990A (zh) * 2020-02-24 2020-07-03 中国电子科技集团公司第二十八研究所 一种基于Gressman空间插值的航路气象预报数据修正方法
CN111401624A (zh) * 2020-03-12 2020-07-10 广西电网有限责任公司 一种风功率预测的方法、装置及计算机可读存储介质
CN111830595A (zh) * 2020-06-09 2020-10-27 上海眼控科技股份有限公司 气象要素的预测方法及设备
CN111737876A (zh) * 2020-06-29 2020-10-02 杭州电子科技大学 一种具有时空分布特征的茶叶开采期及采摘时长预测方法
CN111831635B (zh) * 2020-07-27 2023-12-22 广西科技师范学院 一种准确提取气象数据的方法及装置
CN113378350A (zh) * 2021-04-28 2021-09-10 中国地震局地质研究所 一种温度变化趋势确定方法、装置及电子设备
CN113534296B (zh) * 2021-07-13 2023-04-07 象辑科技股份有限公司 基于神经网络沙尘天气预报强度误差的测算方法及装置
CN114330641B (zh) * 2021-11-09 2024-06-28 国网山东省电力公司应急管理中心 基于复杂地形的深度学习的短期风速订正模型的建立方法
CN114066057A (zh) * 2021-11-16 2022-02-18 五凌电力有限公司 气象数据预测方法、装置、设备、存储介质及程序产品
CN114675349B (zh) * 2022-03-04 2024-04-26 国家气象中心(中央气象台) 数值模式产品分段式订正预报方法及系统
CN114563834B (zh) * 2022-04-27 2022-07-26 知一航宇(北京)科技有限公司 一种数值预报产品解释应用方法及系统
CN116205138B (zh) * 2023-01-16 2023-11-03 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） 风速预报订正方法及装置
CN117452527B (zh) * 2023-12-26 2024-03-12 贵州省气象台(贵州省气象决策服务中心) 一种数字气象智能服务方法及系统
CN117950088B (zh) * 2024-03-26 2024-06-04 南京满星数据科技有限公司 基于多模式的降水预报数据融合订正方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007047996A (ja) * 2005-08-09 2007-02-22 Tokyo Electric Power Co Inc:The 需要予測装置及び方法並びにプログラム
CN104851051A (zh) * 2014-12-08 2015-08-19 国家电网公司 一种结合动态修正的电网区域暴雨量精细化预警方法
CN107092983A (zh) * 2017-04-11 2017-08-25 北京国网富达科技发展有限责任公司 输电导线覆冰厚度预测方法及装置

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5618501B2 (ja) * 2009-07-14 2014-11-05 株式会社東芝 需要予測装置、プログラムおよび記録媒体
CN102496927A (zh) * 2011-12-16 2012-06-13 中国电力科学研究院 基于误差统计修正的风电场功率预测方法
CN103390202B (zh) * 2013-07-18 2016-01-20 华北电力大学 一种基于相似数据选取的光伏电站输出功率预测方法
CN106371155B (zh) * 2016-08-25 2018-12-21 华南师范大学 基于大数据和分析场的气象预报方法及系统
CN107341134B (zh) * 2017-06-27 2020-05-19 洛阳市气象局 一种对数值预报格点温度预报数据精细化处理的方法
CN109543295B (zh) * 2018-11-21 2023-08-25 国网青海省电力公司 数值天气预报的气象要素数据处理方法及装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007047996A (ja) * 2005-08-09 2007-02-22 Tokyo Electric Power Co Inc:The 需要予測装置及び方法並びにプログラム
CN104851051A (zh) * 2014-12-08 2015-08-19 国家电网公司 一种结合动态修正的电网区域暴雨量精细化预警方法
CN107092983A (zh) * 2017-04-11 2017-08-25 北京国网富达科技发展有限责任公司 输电导线覆冰厚度预测方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张兰慧等.数值预报产品的误差订正方法.《兰州大学学报(自然科学版)》.2011,(第03期), *

Also Published As

Publication number Publication date
WO2020103677A1 (zh) 2020-05-28
CN109543295A (zh) 2019-03-29

Similar Documents

Publication Publication Date Title
CN109543295B (zh) 数值天气预报的气象要素数据处理方法及装置
CN113937763B (zh) 风电功率预测方法、装置、设备及存储介质
CN107341134A (zh) 一种对数值预报格点温度预报数据精细化处理的方法
CN112819312B (zh) 气候变化情景下干旱社会经济暴露度评估方法和系统
CN115345076B (zh) 一种风速订正处理方法及装置
CN113868953B (zh) 工业系统中多机组运行优化方法、装置、系统及存储介质
CN110689183B (zh) 一种集群光伏功率概率预测方法、系统、介质及电子设备
CN109523077B (zh) 一种风电功率预测方法
CN112163703A (zh) 考虑气象因子不确定性的农田参考作物蒸散量预测方法
CN111414586A (zh) 一种环境监测方法及系统
Gupta et al. Very short term wind power prediction using hybrid univariate ARIMA-GARCH model
CN113592143A (zh) 基于降雨预报的中长期径流集合预报方法及系统
CN111325376A (zh) 风速预测方法及装置
Mertens et al. An intelligent control chart for monitoring of autocorrelated egg production process data based on a synergistic control strategy
CN112446554A (zh) 功率预测模型建立方法、功率预测方法及装置
CN109816165B (zh) 风电超短期功率预测方法及系统
CN111159640A (zh) 适用于网格预报的小雨消空方法、消空系统、电子设备及存储介质
CN112580844A (zh) 气象数据处理方法、装置、设备及计算机可读存储介质
JP2020171217A (ja) 収穫量予測方法、装置およびプログラム
CN117077854B (zh) 基于传感器网络的楼宇能耗监控方法及系统
CN110135627B (zh) 水资源优化方法及装置
CN109840308B (zh) 一种区域风电功率概率预报方法及系统
CN110955286B (zh) 一种禽蛋监测方法及装置
CN111507495A (zh) 缺失的测风数据的预测方法及装置
CN112580845A (zh) 气象数据处理方法、装置、设备及计算机可读存储介质

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20200715

Address after: 810008 No. 89 Shengli Road, Chengxi District, Qinghai, Xining

Applicant after: STATE GRID QINGHAI ELECTRIC POWER Co.

Applicant after: Beijing Goldwind Smart Energy Service Co.,Ltd.

Applicant after: INFORMATION & TELECOMMUNICATION COMPANY OF STATE GRID QINGHAI ELECTRIC POWER Co.

Applicant after: STATE GRID CORPORATION OF CHINA

Applicant after: Qinghai green energy data Co.,Ltd.

Address before: 810008 No. 89 Shengli Road, Chengxi District, Qinghai, Xining

Applicant before: STATE GRID QINGHAI ELECTRIC POWER Co.

Applicant before: Beijing Goldwind Smart Energy Service Co.,Ltd.

Applicant before: INFORMATION & TELECOMMUNICATION COMPANY OF STATE GRID QINGHAI ELECTRIC POWER Co.

Applicant before: STATE GRID CORPORATION OF CHINA

GR01 Patent grant
GR01 Patent grant