CN110019124B - 一种集合天气预报修订方法及系统 - Google Patents

一种集合天气预报修订方法及系统 Download PDF

Info

Publication number
CN110019124B
CN110019124B CN201711162215.3A CN201711162215A CN110019124B CN 110019124 B CN110019124 B CN 110019124B CN 201711162215 A CN201711162215 A CN 201711162215A CN 110019124 B CN110019124 B CN 110019124B
Authority
CN
China
Prior art keywords
forecast
weather
data
ensemble
weather 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.)
Active
Application number
CN201711162215.3A
Other languages
English (en)
Other versions
CN110019124A (zh
Inventor
宋宗朋
靳双龙
冯双磊
王勃
王伟胜
刘纯
胡菊
马振强
王姝
滑申冰
姜文玲
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.)
State Grid Corp of China SGCC
China Electric Power Research Institute Co Ltd CEPRI
State Grid Shandong Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
China Electric Power Research Institute Co Ltd CEPRI
State Grid Shandong Electric Power 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 State Grid Corp of China SGCC, China Electric Power Research Institute Co Ltd CEPRI, State Grid Shandong Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN201711162215.3A priority Critical patent/CN110019124B/zh
Publication of CN110019124A publication Critical patent/CN110019124A/zh
Application granted granted Critical
Publication of CN110019124B publication Critical patent/CN110019124B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/21—Design, administration or maintenance of databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/21—Design, administration or maintenance of databases
    • G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供一种集合天气预报修订方法及系统，包括：采集集合天气预报数据；根据预先构建的预报误差统计数据库，对采集到的集合天气预报数据进行修订，获得修订结果；对每个集合预报成员的修订结果进行平均，获得最优的平均预报结果；其中，预报误差统计数据库是基于历史天气预报数据中各天气类型下的预报误差数据建立的。该方案的提出提升了集合预报的准确度，对于鉴别和改善灾害型天气事件的预测技术领域具有极大的进步意义。

Description

一种集合天气预报修订方法及系统
技术领域
本发明属于电力气象技术领域，具体涉及一种集合天气预报修订方法及系统。
背景技术
数值天气预报存在不确定性，这种不确定性源于以下几个方面：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，都为数值天气预报带来了无法避免的误差，而数值预报模式的预报误差会随着模式预报时间的延长而迅速增大。为降低预报误差，人们引入了集合预报方法。
集合预报是通过多扰动、多模式、多强迫等方法从物理和数值方面构造多成员预报，比如多扰动方法就是认为大气的初值是不确定的，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，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多个不同的预报结果，通过对这些集合预报成员进行统计处理，可以降低预报结果的不确定性，提升预报准确度。
发明内容
为了解决集合预报中，不同预报成员对各类天气模型的预报存在误差的问题，本发明提供一种集合天气预报修订方法及系统，以提升集合预报的准确度。
本发明的目的是采用下述技术方案实现的：
一种天气预报修订方法，包括：
采集集合天气预报数据；
根据预先构建的预报误差统计数据库，对所述采集到的集合天气预报数据进行修订，获得修订结果；
对每个集合预报成员的修订结果进行平均，获得最优的平均预报结果；
所述预报误差统计数据库是基于历史天气预报数据中各天气类型下的预报误差数据建立的。
优选的，所述预先构建的预报误差统计数据库包括：
采集预设时间段t内所有历史气象观测数据和历史天气预报数据；
采用类比卡曼滤波方法，划分历史气象观测数据的天气类型，获取各天气类型的内容要素；
遍历集合预报成员的历史天气预报数据，选取包含所述内容要素的历史天气预报数据；
读取所述历史天气预报数据的天气类型信息，与相应历史气象观测数据的天气类型进行对比，获取不同天气类型的预报误差数据，将所述预报误差数据按照集合预报成员姓名进行存储，生成预报误差统计数据库。
进一步地，所述天气类型包括风速、风向、气压、降水量、温度和湿度。
优选的，所述根据预先构建的预报误差统计数据库，对所述采集到的集合天气预报数据进行修订，获得修订结果，包括：
统计每个集合预报成员的集合天气预报数据；
在预报误差统计数据库中，基于所述集合天气预报数据的天气类型信息，查找对应集合预报成员的相似事件；
在所述集合天气预报数据的基础上减去所述相似事件对应的预报误差数据，生成修订结果。
进一步地，获取所述集合天气预报数据的天气类型信息包括：使用类比卡曼滤波方法，对每一个集合预报成员的集合天气预报数据进行滤波，过滤掉振幅较小波段的集合天气预报数据后，将振幅明显的波段作为预报时段，并读取所述预报时段的天气类型信息。
优选的，所述一种天气预报修订方法还包括：统计每个集合预报成员的集合预报概率，采用分位回归法，对集合预报概率进行校准。
进一步地，通过下式确定集合天气预报数据中的集合预报概率：
P＝s/n×100％
其中，s表示任一种类型的集合天气预报数据，n表示集合预报成员总数。
优选的，所述集合天气预报数据为实时天气预报结果。
一种集合天气预报修订系统，包括：
采集模块，用于采集集合天气预报数据；
获取模块，用于根据预先构建的预报误差统计数据库，对所述采集到的集合天气预报数据进行修订，获得修订结果；
优化模块，用于对每个集合预报成员的修订结果进行平均，获得最优的平均预报结果。
优选的，所述获取模块包括：构建单元和修订单元。
进一步地，所述构建单元包括：
采集子单元，用于采集预设时间段t内所有历史气象观测数据和历史天气预报数据；
分类子单元，用于采用类比卡曼滤波方法，划分历史气象观测数据的天气类型，获取各天气类型的内容要素；
选取子单元，用于遍历集合预报成员的历史天气预报数据，选取包含所述内容要素的历史天气预报数据；
对比子单元，用于读取所述历史天气预报数据的天气类型信息，与相应历史气象观测数据的天气类型进行对比，获取不同天气类型的预报误差数据；
存储子单元，用于将所述预报误差数据按照集合预报成员姓名进行存储，生成预报误差统计数据库。
进一步地，所述修订单元包括：
统计子单元，用于统计每个集合预报成员的集合天气预报数据；
查询子单元，用于在预报误差统计数据库中，基于所述集合天气预报数据的天气类型信息，查找对应集合预报成员的相似事件；
处理子单元，用于在集合天气预报数据的基础上减去所述相似事件对应的预报误差数据，生成修订结果。
与最接近的现有技术相比，本发明的有益效果是：
本发明涉及一种集合天气预报修订方法及系统，通过采集集合天气预报数据，根据预先构建的预报误差统计数据库，对采集到的集合天气预报数据进行修订，获得修订结果；并对每个集合预报成员的修订结果进行平均，获得最优的平均预报结果，以提升集合预报的准确度，该方案在鉴别和改善灾害型天气事件的预测方面具有优势。
预报误差统计数据库是基于历史天气预报数据中各天气类型下的预报误差数据建立的，有效解决了集合预报中，不同预报成员对各类天气模型的预报存在误差的难题。
附图说明
图1是本发明实施例中基于天气类型的集合天气预报修订方法流程图；
图2是本发明实施例中基于天气类型修订集合预报成员的预报误差示意图；
图3是本发明实施例中分位回归法校准集合预报概率示意图。
具体实施方式
下面结合附图对本发明的具体实施方式作详细说明。
本发明提出一种集合天气预报修订方法，该方法在鉴别和改善灾害型天气事件预测方面具有独特的优势。如图1所示，包括：
S1采集集合天气预报数据；步骤S1中采集的集合天气预报数据为实时天气预报结果。
S2根据预先构建的预报误差统计数据库，对采集到的集合天气预报数据进行修订，获得修订结果。其中，预报误差统计数据库是基于历史天气预报数据中各天气类型下的预报误差数据建立的。该数据库可针对每一个天气类型，在历史天气事件中寻找类似的天气类型信息，根据这些天气类型下的集合预报成员历史预报结果和实测资料计算出误差特性，并根据预报误差统计数据库，对采集到的集合天气预报数据进行修订，获得修订结果。
S3对每个集合预报成员的修订结果进行平均，获得最优的平均预报结果。
步骤S2中，预先构建预报误差统计数据库包括：
采集预设时间段t内所有历史气象观测数据；
采用类比卡曼滤波方法，划分历史气象观测数据的天气类型，获取各天气类型的内容要素；
遍历集合预报成员的历史天气预报数据，选取包含所述内容要素的历史天气预报数据；
读取所述历史天气预报数据的天气类型信息，与相应历史气象观测数据的天气类型进行对比，获取不同天气类型的预报误差数据，将所述预报误差数据按照集合预报成员姓名进行存储，生成预报误差统计数据库。
a、采集目标区域的至少3年以上的历史气象观测数据和历史天气预报数据；
b、采用类比卡曼滤波方法，划分历史气象观测数据的天气类型，获取各天气类型的内容要素；天气类型包括风速、风向、气压、降水量、温度和湿度。
内容要素，即各个天气类型出现的时间、地点等。
此处在天气类型分类方面，使用了类比卡曼滤波方法。类比卡曼滤波方法可针对每一个天气类型，在历史天气事件中寻找类似的天气事件，然后根据这些事件的集合成员预报结果和实测资料计算出成员的误差，从而对当前预报成员进行误差订正，如图2所示。
c、遍历集合预报成员的历史天气预报数据，选取包含各个天气类型出现的时间、地点等内容要素的天气预报数据；
d、读取历史天气预报数据的天气类型信息，与相应历史气象观测数据的天气类型进行对比，获取不同天气类型的预报误差数据，将预报误差数据按照集合预报成员姓名进行存储，生成预报误差统计数据库。
步骤S2中，对采集到的集合天气预报数据进行修订，获得修订结果；包括：
1)统计每个集合预报成员的集合天气预报数据；
2)在预报误差统计数据库中，基于所述集合天气预报数据的天气类型信息，查找对应集合预报成员的相似事件，查找过程可使用代码自动实现。其中，获取集合天气预报数据的天气类型信息包括：使用类比卡曼滤波方法，对每一个集合预报成员的集合天气预报数据进行滤波，过滤掉振幅较小波段的预报数据后，将振幅明显的波段作为预报时段，并读取预报时段的天气类型信息。
3)在实时集合天气预报结果的基础上减去所述相似事件对应的预报误差数据，生成修订结果；
在集合天气预报结果的概率订正方面，本发明提出的一种天气预报修订方法还包括，统计每个集合预报成员的集合预报概率，采用分位回归法，对集合预报概率进行校准，如图3所示；该方法的应用可进一步提升集合预报的概率预报准确度。
集合天气预报数据中的集合预报概率通过下式确定：
P＝s/n×100％
其中，s表示任一种类型的集合天气预报数据，n表示集合预报成员总数。
以降雨量为例，若共有30个预报成员，其中2个预报成员的降雨量为大于50mm，另外28个预报成员都小于或等于50mm，则本次降雨在50mm以上的集合预报概率为：
P＝2/30×100％≈6.7％
得到集合预报概率后，使用分位回归法校准预报概率：由于集合预报一般都存在集合概率的系统误差，如概率幅度偏差、概率函数宽度偏差等，如图3所示。因此可通过对比实际观测数据，得到概率幅度和概率函数宽度的固定系统误差，然后在每次得到新的集合预报概率后，调整新的概率幅度和概率函数宽度，这种方法即分为回归法。该方法可以进一步提升集合概率预报的准确度。
基于同一发明构思，本发明还提供一种集合天气预报修订系统，包括：
采集模块，用于采集集合天气预报数据；
获取模块，用于根据预先构建的预报误差统计数据库，对所述采集到的集合天气预报数据进行修订，获得修订结果；
优化模块，用于对每个集合预报成员的修订结果进行平均，获得最优的平均预报结果。
优选的，所述获取模块包括：构建单元和修订单元。
进一步地，所述构建单元包括：
采集子单元，用于采集预设时间段t内所有历史气象观测数据和历史天气预报数据；
分类子单元，用于采用类比卡曼滤波方法，划分历史气象观测数据的天气类型，获取各天气类型的内容要素；
选取子单元，用于遍历集合预报成员的历史天气预报数据，选取包含所述内容要素的历史天气预报数据；
对比子单元，用于读取所述历史天气预报数据的天气类型信息，与相应历史气象观测数据的天气类型进行对比，获取不同天气类型的预报误差数据；
存储子单元，用于将所述预报误差数据按照集合预报成员姓名进行存储，生成预报误差统计数据库。
进一步地，所述修订单元包括：
统计子单元，用于统计每个集合预报成员的集合天气预报数据；
查询子单元，用于在预报误差统计数据库中，基于所述集合天气预报数据的天气类型信息，查找对应集合预报成员的相似事件；
处理子单元，用于在集合天气预报数据的基础上减去所述相似事件对应的预报误差数据，生成修订结果。
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应当理解：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，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。

Claims (6)

1.一种天气预报修订方法，其特征在于，包括：
采集集合天气预报数据；
根据预先构建的预报误差统计数据库，对所述采集到的集合天气预报数据进行修订，获得修订结果；
对每个集合预报成员的修订结果进行平均，获得最优的平均预报结果；
所述预报误差统计数据库是基于历史天气预报数据中各天气类型下的预报误差数据建立的；
所述根据预先构建的预报误差统计数据库，对所述采集到的集合天气预报数据进行修订，获得修订结果，包括：
统计每个集合预报成员的集合天气预报数据；
在预报误差统计数据库中，基于所述集合天气预报数据的天气类型信息，查找对应集合预报成员的相似事件；
在所述集合天气预报数据的基础上减去所述相似事件对应的预报误差数据，生成修订结果；
获取所述集合天气预报数据的天气类型信息包括：使用类比卡曼滤波方法，对每一个集合预报成员的集合天气预报数据进行滤波，过滤掉振幅较小波段的集合天气预报数据后，将振幅明显的波段作为预报时段，并读取所述预报时段的天气类型信息；
所述预先构建的预报误差统计数据库包括：
采集预设时间段t内所有历史气象观测数据和历史天气预报数据；
采用类比卡曼滤波方法，划分历史气象观测数据的天气类型，获取各天气类型的内容要素；
遍历集合预报成员的历史天气预报数据，选取包含所述内容要素的历史天气预报数据；
读取所述历史天气预报数据的天气类型信息，与相应历史气象观测数据的天气类型进行对比，获取不同天气类型的预报误差数据，将所述预报误差数据按照集合预报成员姓名进行存储，生成预报误差统计数据库。
2.如权利要求1所述的方法，其特征在于，所述天气类型包括风速、风向、气压、降水量、温度和湿度。
3.如权利要求1所述的方法，其特征在于，所述一种天气预报修订方法还包括：统计每个集合预报成员的集合预报概率，采用分位回归法，对集合预报概率进行校准。
4.如权利要求3所述的方法，其特征在于，通过下式确定集合天气预报数据中的集合预报概率：
P = s/n×100%
其中，s表示任一种类型的集合天气预报数据，n表示集合预报成员总数。
5.如权利要求1所述的方法，其特征在于，所述集合天气预报数据为实时天气预报结果。
6.一种集合天气预报修订系统，其特征在于，包括：
采集模块，用于采集集合天气预报数据；
获取模块，用于根据预先构建的预报误差统计数据库，对所述采集到的集合天气预报数据进行修订，获得修订结果；
优化模块，用于对每个集合预报成员的修订结果进行平均，获得最优的平均预报结果；
所述获取模块包括：构建单元和修订单元；
所述构建单元包括：
采集子单元，用于采集预设时间段t内所有历史气象观测数据和历史天气预报数据；
分类子单元，用于采用类比卡曼滤波方法，划分历史气象观测数据的天气类型，获取各天气类型的内容要素；
选取子单元，用于遍历集合预报成员的历史天气预报数据，选取包含所述内容要素的历史天气预报数据；
对比子单元，用于读取所述历史天气预报数据的天气类型信息，与相应历史气象观测数据的天气类型进行对比，获取不同天气类型的预报误差数据；
存储子单元，用于将所述预报误差数据按照集合预报成员姓名进行存储，生成预报误差统计数据库；
所述修订单元包括：
统计子单元，用于统计每个集合预报成员的集合天气预报数据；
查询子单元，用于在预报误差统计数据库中，基于所述集合天气预报数据的天气类型信息，查找对应集合预报成员的相似事件；
处理子单元，用于在集合天气预报数据的基础上减去所述相似事件对应的预报误差数据，生成修订结果；
获取所述集合天气预报数据的天气类型信息包括：使用类比卡曼滤波方法，对每一个集合预报成员的集合天气预报数据进行滤波，过滤掉振幅较小波段的集合天气预报数据后，将振幅明显的波段作为预报时段，并读取所述预报时段的天气类型信息。
CN201711162215.3A 2017-11-21 2017-11-21 一种集合天气预报修订方法及系统 Active CN110019124B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711162215.3A CN110019124B (zh) 2017-11-21 2017-11-21 一种集合天气预报修订方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711162215.3A CN110019124B (zh) 2017-11-21 2017-11-21 一种集合天气预报修订方法及系统

Publications (2)

Publication Number Publication Date
CN110019124A CN110019124A (zh) 2019-07-16
CN110019124B true CN110019124B (zh) 2021-04-06

Family

ID=67186605

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711162215.3A Active CN110019124B (zh) 2017-11-21 2017-11-21 一种集合天气预报修订方法及系统

Country Status (1)

Country Link
CN (1) CN110019124B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN111007582B (zh) * 2019-12-25 2021-09-21 象辑知源（武汉）科技有限公司 一种适用于多要素的高分辨率集合预报系统
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
CN113341481A (zh) * 2021-07-02 2021-09-03 北京玖天气象科技有限公司 气象预报结果的确定方法及装置
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

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN105678396A (zh) * 2015-11-04 2016-06-15 衢州职业技术学院 光伏电站超短时功率预测装置

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN105678396A (zh) * 2015-11-04 2016-06-15 衢州职业技术学院 光伏电站超短时功率预测装置

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
Improved Weather and Seasonal Climate Forecasts from Multi-model Superensemble;T. N. Krishnamurti 等;《science》;19990930;全文 *
基于贝叶斯理论的中国近海网格化气象要素概率预报研究;宋毅 等;《海洋预报》;20170630;第1-2页 *
统计-动力相结合的相似误差订正法;任宏利 等;《气象学报》;20051231;第988-991页 *
误差订正在预报集成中的应用研究;杨松 等;《气象》;20031231;第23-24页 *

Also Published As

Publication number Publication date
CN110019124A (zh) 2019-07-16

Similar Documents

Publication Publication Date Title
CN110019124B (zh) 一种集合天气预报修订方法及系统
Dong et al. Wind power day-ahead prediction with cluster analysis of NWP
CN112285807B (zh) 一种气象信息预测方法及装置
CN102183621B (zh) 水产养殖溶解氧浓度在线预测方法及系统
CN110580549B (zh) 一种考虑天气的区域短期能源功率预测方法及系统
CN106502871B (zh) 监管系统的告警阈值动态配置系统及方法
CN108428017B (zh) 基于核极限学习机分位数回归的风电功率区间预测方法
CN109116444B (zh) 基于PCA-kNN的空气质量模式PM2.5预报方法
CN103117546A (zh) 一种超短期风电功率滑动预测方法
CN111488896B (zh) 一种基于多源数据挖掘的配电线路时变故障概率计算方法
CN112150237B (zh) 多模型融合的订单逾期预警方法、装置、设备及存储介质
CN112559963B (zh) 一种配电网动态参数辨识方法及装置
CN114493052B (zh) 多模型融合自适应新能源功率预测方法和系统
CN116227637A (zh) 一种面向有源配电网的精细化负荷预测方法和系统
CN110110339A (zh) 一种日前水文预报误差校正方法及系统
CN113283924A (zh) 需求预测方法以及需求预测装置
CN116448161A (zh) 一种基于人工智能的环境监测设备故障诊断方法
CN116341725A (zh) 一种电负荷预测与节能系统、方法、电子设备和储存介质
CN113988398A (zh) 一种风电机组功率预测方法、装置、电子设备和存储介质
CN110781206A (zh) 一种学习拆回表故障特征规则预测在运电能表是否故障的方法
JP2020171217A (ja) 収穫量予測方法、装置およびプログラム
CN111105050B (zh) 风机维护计划的生成方法、装置、设备及存储介质
CN108446783A (zh) 一种新风机运行功率的预测及监控方法
CN112187951A (zh) 一种机场气象taf报文自动编译方法及系统
CN112036038A (zh) 一种排放源的排放量调优方法、装置、设备及存储介质

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
CB02 Change of applicant information
CB02 Change of applicant information

Address after: 100192 Beijing city Haidian District Qinghe small Camp Road No. 15

Applicant after: CHINA ELECTRIC POWER RESEARCH INSTITUTE Co.,Ltd.

Applicant after: STATE GRID CORPORATION OF CHINA

Applicant after: STATE GRID SHANDONG ELECTRIC POWER Co.

Address before: 100192 Beijing city Haidian District Qinghe small Camp Road No. 15

Applicant before: CHINA ELECTRIC POWER RESEARCH INSTITUTE Co.,Ltd.

Applicant before: State Grid Corporation of China

Applicant before: STATE GRID SHANDONG ELECTRIC POWER Co.

GR01 Patent grant
GR01 Patent grant