CN110399634B - 一种基于天气系统影响的预报区域确定方法及系统 - Google Patents
一种基于天气系统影响的预报区域确定方法及系统 Download PDFInfo
- Publication number
- CN110399634B CN110399634B CN201910496612.7A CN201910496612A CN110399634B CN 110399634 B CN110399634 B CN 110399634B CN 201910496612 A CN201910496612 A CN 201910496612A CN 110399634 B CN110399634 B CN 110399634B
- Authority
- CN
- China
- Prior art keywords
- weather
- area
- data
- time
- prediction
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000012360 testing method Methods 0.000 claims abstract description 22
- 239000011159 matrix material Substances 0.000 claims description 20
- 238000009826 distribution Methods 0.000 claims description 9
- 238000001556 precipitation Methods 0.000 claims description 8
- 230000002123 temporal effect Effects 0.000 claims description 8
- 238000010586 diagram Methods 0.000 description 12
- 238000000513 principal component analysis Methods 0.000 description 9
- 238000004590 computer program Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000012950 reanalysis Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 230000000875 corresponding effect Effects 0.000 description 4
- 238000010248 power generation Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种基于天气系统影响的预报区域确定方法及系统，包括：基于预先获取的关注区域影响天气因素及时间尺度数据，与预测区域所属地球区域高空数据进行遥相关；基于预测时间和所述遥相关结果数据进行显著性检验；分析所述显著性检验结果，确定预测时间内所述关注区域所在的数值天气预报区域。能科学准确的确定长时间段内的数值天气预报模式的预报区域，避免预报区域选择不合理而错过主要大尺度天气系统的影响。
Description
技术领域
本发明涉及电力气象领域，具体涉及一种基于天气系统影响的预报区域确定方法及系统。
背景技术
目前，基于中尺度数值天气预报模式的精细化、专业化预报结果，已广泛应用于电力、交通、民航等多个行业。短期新能源发电功率预测采用未来72小时逐15分钟的数值天气预报数据，作为发电功率预测模型的输入数据。但在实际电力生产中，电力调度部门提出了预测未来7～10天的需求，用于支撑节假日或重大活动等电力调度计划。由于支撑功率预测的数值天气预报模式，一般都采用区域数值天气预报模式，模式需要选取或指定预报区域，在此区域内采用数值积分的方法模拟天气系统的变化过程，当预报未来1～3天的天气变化时，由于选取的数值预报区域覆盖，并远远大于重点关注地区，因此可以忽略预报区域的影响。而7～10天的长时间尺度，重点关注地区的主要影响天气系统可能受到来自于千里之外系统的影响，数值天气预报区域选择不合理，影响关注区域天气预报的准确性。
发明内容
为了解决现有技术中所存在的上述不足，本发明提供一种基于天气系统影响的预报区域确定方法及系统。
本发明提供的技术方案是：
一种基于天气系统影响的预报区域确定方法，所述方法包括：
基于预先获取的关注区域影响天气因素及时间尺度数据，与预测区域所属地球区域高空数据进行遥相关；
基于预测时间和所述遥相关结果数据进行显著性检验；
分析所述显著性检验结果，确定预测时间内所述关注区域所在的数值天气预报区域；
其中，所述数值天气预报区域覆盖所述关注区域且大于所述关注区域。
优选的，所述预测区域影响天气因素及时间尺度序列数据的获取，包括：
获取预测区域的历史气象观测时间序列数据；
基于时间对所述数据进行再分析，得到空间和时间特征；
基于所述空间和时间特征确定预测区域影响天气因素及时间尺度的关系；
其中所述影响天气因素，包括：风速、气温和降水。
优选的，所述基于预先获取的预测区域影响天气因素及时间尺度数据，与预测区域所属半球高空数据进行遥相关，包括：
获取预测区域所属半球预设高度场的高空格点数据；
将所述预测区域的影响天气因素及时间尺度数据格点化，得到影响天气因素的时间序列格点数据；
基于所述影响天气因素的时间序列格点数据和预设高度场的高空格点数据进行遥相关，得到影响天气因素时间序列和高度场时间序列的相关系数矩阵。
优选的，所述相关系数矩阵由下式确定：
式中，cxy为影响天气因素和高度场的时间序列相关系数矩阵；x为影响天气因素的时间序列；
为影响天气因素的时间序列的平均值；y为预设高度场的时间序列；
为预设高度场的时间序列的平均值。
优选的，所述基于预测时间和所述遥相关结果数据进行显著性检验，包括：
基于所述获得的相关系数矩阵与获取的相关系数界值表进行对比；
基于所述对比结果确定负值中心、带状分布的正值中心和高值中心。
优选的，所述分析所述显著性检验结果，确定预测时间内所述关注区域所在的数值天气预报区域，包括：
基于所述负值中心、带状分布的正值中心和高值中心所在区域，确定所述区域对应的地理位置；
从所述确定的地理位置中确定对所述关注区域有影响的地理区域；
由所有对所述关注区域有影响的地理区域组成预测区域数值天气预报区域。
一种基于天气系统影响的预报区域确定系统，所述系统包括：
相关模块：用于基于预先获取的关注区域影响天气因素及时间尺度数据，与预测区域所属地球区域高空数据进行遥相关；
检验模块：用于基于预测时间和所述遥相关结果数据进行显著性检验；
确定模块：用于分析所述显著性检验结果，确定预测时间内所述关注区域所在的数值天气预报区域。
优选的，所述相关模块，还包括：获取模块；
所述获取模块，用于获取预测区域的历史气象观测时间序列数据；
基于时间对所述数据进行再分析，得到空间和时间特征；
基于所述空间和时间特征确定预测区域影响天气因素及时间尺度；
其中所述影响天气因素，包括：风速、气温和降水。
优选的，所述相关模块，包括：获取单元、格点单元和矩阵单元；
所述获取单元，用于获取预测区域所属半球预设高度场的高空格点数据；
所述格点单元，用于将所述预测区域的影响天气因素及时间尺度数据格点化，得到影响天气因素的时间序列格点数据；
所述矩阵单元，用于基于所述影响天气因素的时间序列格点数据和预设高度场的高空格点数据进行遥相关，得到影响天气因素和高度场的时间序列相关系数矩阵。
优选的，所述确定模块，包括：第一确定单元、第二确定单元和第三确定单元；
所述第一确定单元，用于基于所述负值中心、带状分布的正值中心和高值中心所在区域，确定所述区域对应的地理位置；
所述第二确定单元，用于从所述确定的地理位置中确定对所述关注区域有影响的地理区域；
所述第三确定单元，用于由所有对所述关注区域有影响的地理区域组成预测区域数值天气预报区域。
与现有技术相比，本发明的有益效果为：
本发明提供的技术方案，基于预先获取的关注区域影响天气因素及时间尺度数据，与预测区域所属地球区域高空数据进行遥相关；基于预测时间和所述遥相关结果数据进行显著性检验；分析所述显著性检验结果，确定预测时间内所述关注区域所在的数值天气预报区域。能科学准确的确定长时间段内的数值天气预报模式的预报区域，避免预报区域选择不合理而错过主要大尺度天气系统的影响。
附图说明
图1为本发明基于天气系统影响的预报区域确定方法流程示意图；
图2为本发明的技术路线结构示意图；
图3为本发明的中国江苏地区地面风速序列与高空高度场的相关场。
具体实施方式
为了更好地理解本发明，下面结合说明书附图和实例对本发明的内容做进一步的说明。
新能源发电短期功率预测基于预报时效为1～3天的区域数值天气预报数据，可完全满足电力调度需求。而针对节假日和重大活动，电力调度部门提出了预测未来7～10天的新需求，本发明提了一种考虑大尺度天气系统影响的预报区域确定方法，用于支撑预报时效为未来7～10天的数值天气预报模式，首先采用风场等主成分分析方法，确定主要时空分布特征，再依据主要模态分析结果，与北半球再分析场求遥相关，以通过显著性检验的区域，作为大尺度数值天气模式的预报区域。从而考虑了长时间尺度、大空间尺度的天气系统影响，进而获得可靠性较高的数值天气预报产品。
实施例1：
针对预报时效达到7～10天的区域数值天气预报系统，提出一种考虑预报时效内大尺度天气系统影响的预报区域确定方法，如图1所示：
步骤一：基于预先获取的关注区域影响天气因素及时间尺度数据，与预测区域所属地球区域高空数据进行遥相关；
步骤二：基于预测时间和所述遥相关结果数据进行显著性检验；
步骤三：分析所述显著性检验结果，确定预测时间内所述关注区域所在的数值天气预报区域。
其整体技术路线图如图2所示。
步骤一，具体包括：基于预先获取的预测区域影响天气因素及时间尺度，与预测区域所属半球高空数据进行遥相关，具体如下：
(1)：获取重点关注地区长时间尺度历史气象观测数据
根据所关注的重点地区和具体应用，收集该区域内通过质量检验的长时间尺度的历史气象观测资料。如研究应用于风力发电功率预测，则重点收集多年历史的风速、风向观测数据。本专利主要场景是用于新能源功率预测。因为构建的数值天气预报要用于风电功率预测，所以须先基于收集的历史数据建立相关关系。
(2)：基本观测数据和细网格再分析数据开展主成分分析
基于步骤(1)的观测数据，结合对应时间段的细网格再分析资料，开展主成分分析，得到相关要素主要模态的时空变化。如基于观测风速、风向数据得到主要风场时空变化特征，基于再分析数据得到天气系统的主分量，进而确定关注区域影响天气因素。
其中，此处主要是指开展主成分分析，本专利主要是把重点关注区域内风场随时间变化的特征分解为空间函数部分和时间函数部分。空间部分主要反映风场的地域分布特征，其不随时间变化；而时间部分则是变量的线性组合，该部分为“主分量”也即影响天气因素。
假设此处研究的对象为风速(风向)，研究区域内有p个观测点，抽取样本容量为n的样本，记p个空间点上要素为x1,x2,…xp，其观测值为xki(k＝1，2，...p；i＝1，2，...n)。由这p个变量线性组合成一新变量
y＝v1x1+v2x2+…vpxp
如果y满足方差极大的要求，则称y为p个变量的主分量。
(3)：基于主成分分析结果，确定主要影响天气类型及时间尺度
基于步骤(2)的分析结果，分析确定风场主要模态与影响的天气类型及时间尺度等关系。如重点关注区域近地面风场的主分量与气温、降水的主分量一致，考虑大尺度天气预报系统时，则需综合考虑上述因素。
(4)：基于主成分分析的主要模态，采用遥相关方法计算相关场
基于步骤(3)分析结果，提取该区域主要影响因子的时间序列，采用遥相关方法，分别与同时期北半球再分析资料的高空数据求相关，获得该区域与北半球高空数据的相关场。
其中，提取时间序列后；与再分析资料的高空数据求相关，由于再分析数据是格点化的，因此计算得到了一个相关系数矩阵，即“相关场”。
遥相关：指在地理相隔遥远的不同地区统一时间或不同时间气象要素变化之间存在有密切关系的现象。
此处，是基于主成分分析的主要影响因子(简化为某一点大气变量)和其他格点变量的相关系数，一次度量变量场中不同空间位置变量的相关关系。
相关系数计算公式：
式中，cxy为影响天气因素和高度场的时间序列相关系数矩阵；x为影响天气因素的时间序列；
为影响天气因素的时间序列的平均值；y为预设高度场的时间序列；
为预设高度场的时间序列的平均值。
步骤二：基于预测时间和所述遥相关结果数据进行显著性检验，具体包括：
(5)：检验遥相关分析结果，确定预报区域
基于步骤(4)结果，开展相关系数的显著性检验，相关系数的显著性检验，可直接通过查“相关系数界值表”即可。
步骤三：确定预测时间内所述关注区域所在的数值天气预报区域，具体如下：
根据通过显著性检验的遥相关结果，确定重点关注区域的考虑大尺度天气系统影响的数值模式预报区域。
其中，大尺度天气系统影响，主要体现在以下两点，其一，前三步中确定了关注区域的主要影响因子；其二，基于主要影响因子与高空场求相关矩阵，获得大尺度天气系统区域。
实施例2：
以研究确定中国江苏地区大尺度数值天气预报系统区域为例，通过以下步骤实施一种考虑大尺度天气系统影响的预报区域确定方法的应用：
(1)收集该地区内风电场近5年的逐小时风速、风向数据序列，开展质量控制及完整性验证，确保数据质量及完整性均达到90％以上；
(2)基于步骤(1)获得的观测数据，结合同时段FNL再分析数据集，开展主成分分析，分别得到该地区近地层风场和天气系统的各个模态；
(3)基于步骤(2)的主成分分析结果，分析该地区近地层风场时空变化特征的主要模态，并确定与风场主要模态一致的气温、降水等，确定主要影响天气类型及时间尺度；
(4)基于步骤(3)分析的主要模态的风场、气温、降水等时间序列，结合北半球再分析场数据，采用遥相关方法，计算主要模态下相关要素与北半球的相关系数场。
如图3所示，是2018年7-8月中国江苏某些新能源场站观测经过主成分分析后，得到的该区域内主要影响因子的时间序列与850hPa高度场的相关系数空间分布图，从图中可以看出，山东地区、黑龙江东部和越南地区的上方有明显的负值中心，这几个位置正好对应着西太平洋副高、东北冷涡和南亚高压所在的位置，表明这几个高压天气系统对于江苏省的这个新能源场站有着较为明显的影响。同时还可以发现华中、西南地区上方有两个明显的正值中心，且呈现明显的带状分布，分别对应着西南低涡与江淮切变线的位置，表明这两个系统与较大风速有着良好的相关性。与此同时，还可以发现，西伯利亚上空也有个高值中心，这片区域夏季通常有个低压中心，而冬季通常有个蒙古高压，此时的正相关关系也是符合预期结果的，除此之外，还可以发现东海和台湾海峡附近也有一个带状的正值区，经过查阅资料发现，这片区域和2018年第11号台风安比扫过的区域比较一致，因此也能发现热带气旋也是影响新能源场站的重要天气系统。
(5)基于步骤(4)相关场数据，开展遥相关检验，通过显著性检验的结果，作为面向该地区的考虑大尺度天气系统影响的数值天气预报的预报区域。
实施例3：
基于同一构思发明，本申请还提供一种基于天气系统影响的预报区域确定系统，所述系统包括：
相关模块：用于基于预先获取的关注区域影响天气因素及时间尺度数据，与预测区域所属地球区域高空数据进行遥相关；
检验模块：用于基于预测时间和所述遥相关结果数据进行显著性检验；
确定模块：用于分析所述显著性检验结果，确定预测时间内所述关注区域所在的数值天气预报区域。
所述相关模块，还包括：获取模块；
所述获取模块，用于获取预测区域的历史气象观测时间序列数据；
基于时间对所述数据进行再分析，得到空间和时间特征；
基于所述空间和时间特征确定预测区域影响天气因素及时间尺度；
其中所述影响天气因素，包括：风速、气温和降水。
所述相关模块，包括：获取单元、格点单元和矩阵单元；
所述获取单元，用于获取预测区域所属半球预设高度场的高空格点数据；
所述格点单元，用于将所述预测区域的影响天气因素及时间尺度数据格点化，得到影响天气因素的时间序列格点数据；
所述矩阵单元，用于基于所述影响天气因素的时间序列格点数据和预设高度场的高空格点数据进行遥相关，得到影响天气因素和高度场的时间序列相关系数矩阵。
所述确定模块，包括：第一确定单元、第二确定单元和第三确定单元；
所述第一确定单元，用于基于所述负值中心、带状分布的正值中心和高值中心所在区域，确定所述区域对应的地理位置；
所述第二确定单元，用于从所述确定的地理位置中确定对所述关注区域有影响的地理区域；
所述第三确定单元，用于由所有对所述关注区域有影响的地理区域组成预测区域数值天气预报区域。
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。
以上仅为本发明的实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均包含在申请待批的本发明的权利要求范围之内。
Claims (7)
1.一种基于天气系统影响的预报区域确定方法，其特征在于，所述方法包括：
基于预先获取的关注区域影响天气因素及时间尺度数据，与预测区域所属半球高空数据进行遥相关；
基于预测时间和所述遥相关结果数据进行显著性检验；
分析所述显著性检验结果，确定预测时间内所述关注区域所在的数值天气预报区域；
其中，所述数值天气预报区域覆盖所述关注区域且大于所述关注区域；
所述基于预先获取的关注区域影响天气因素及时间尺度数据，与预测区域所属半球高空数据进行遥相关，包括：
获取预测区域所属半球预设高度场的高空格点数据；
将所述预测区域的影响天气因素及时间尺度数据格点化，得到影响天气因素的时间序列格点数据；
基于所述影响天气因素的时间序列格点数据和预设高度场的高空格点数据进行遥相关，得到影响天气因素时间序列和高度场时间序列的相关系数矩阵；
所述基于预测时间和所述遥相关结果数据进行显著性检验，包括：
基于所述获得的相关系数矩阵与获取的相关系数界值表进行对比；
基于所述对比结果确定负值中心、带状分布的正值中心和高值中心；
所述分析所述显著性检验结果，确定预测时间内所述关注区域所在的数值天气预报区域，包括：
基于所述负值中心、带状分布的正值中心和高值中心所在区域，确定所在区域对应的地理位置；
从所述确定的地理位置中确定对所述关注区域有影响的地理区域；
由所有对所述关注区域有影响的地理区域组成预测区域数值天气预报区域。
2.如权利要求1所述的方法，其特征在于，所述关注区域影响天气因素及时间尺度数据的获取，包括：
获取关注区域的历史气象观测时间序列数据；
基于时间对所述数据进行再分析，得到空间和时间特征；
基于所述空间和时间特征确定预测区域影响天气因素及时间尺度的关系；
其中所述影响天气因素，包括：风速、气温和降水。
3.如权利要求1所述的方法，其特征在于，所述相关系数矩阵由下式确定：
式中，cxy为影响天气因素和高度场的时间序列相关系数矩阵；x为影响天气因素的时间序列；
为影响天气因素的时间序列的平均值；y为预设高度场的时间序列；
为预设高度场的时间序列的平均值。
4.一种用于权利要求1-3任一所述基于天气系统影响的预报区域确定方法的预报区域确定系统，其特征在于，所述系统包括：
相关模块：用于基于预先获取的关注区域影响天气因素及时间尺度数据，与预测区域所属半球高空数据进行遥相关；
检验模块：用于基于预测时间和所述遥相关结果数据进行显著性检验；
确定模块：用于分析所述显著性检验结果，确定预测时间内所述关注区域所在的数值天气预报区域。
5.如权利要求4所述的系统，其特征在于，所述相关模块，还包括：获取模块；
所述获取模块，用于获取关注区域的历史气象观测时间序列数据；
基于时间对所述数据进行再分析，得到空间和时间特征；
基于所述空间和时间特征确定预测区域影响天气因素及时间尺度的关系；
其中所述影响天气因素，包括：风速、气温和降水。
6.如权利要求4所述的系统，其特征在于，所述相关模块，包括：获取单元、格点单元和矩阵单元；
所述获取单元，用于获取预测区域所属半球预设高度场的高空格点数据；
所述格点单元，用于将所述预测区域的影响天气因素及时间尺度数据格点化，得到影响天气因素的时间序列格点数据；
所述矩阵单元，用于基于所述影响天气因素的时间序列格点数据和预设高度场的高空格点数据进行遥相关，得到影响天气因素和高度场的时间序列相关系数矩阵。
7.如权利要求4所述的系统，其特征在于，所述确定模块，包括：第一确定单元、第二确定单元和第三确定单元；
所述第一确定单元，用于基于所述负值中心、带状分布的正值中心和高值中心所在区域，确定所在区域对应的地理位置；
所述第二确定单元，用于从所述确定的地理位置中确定对所述关注区域有影响的地理区域；
所述第三确定单元，用于由所有对所述关注区域有影响的地理区域组成预测区域数值天气预报区域。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910496612.7A CN110399634B (zh) | 2019-06-10 | 2019-06-10 | 一种基于天气系统影响的预报区域确定方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910496612.7A CN110399634B (zh) | 2019-06-10 | 2019-06-10 | 一种基于天气系统影响的预报区域确定方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110399634A CN110399634A (zh) | 2019-11-01 |
| CN110399634B true CN110399634B (zh) | 2021-08-27 |
Family
ID=68323092
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910496612.7A Active CN110399634B (zh) | 2019-06-10 | 2019-06-10 | 一种基于天气系统影响的预报区域确定方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110399634B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112016588B (zh) * | 2020-07-16 | 2024-04-12 | 中山大学 | 一种面向遥相关模式的空间自相关聚类方法 |
| CN113917568B (zh) * | 2021-10-13 | 2022-06-24 | 中山大学 | 一种基于确定性系数的降水预报能力与遥相关作用关联方法 |
| CN115146817A (zh) * | 2022-03-02 | 2022-10-04 | 北京城市气象研究院 | 区域数值预报模式的混合热启动初始场生成方法及系统 |
| CN116108971B (zh) * | 2022-12-20 | 2023-07-25 | 中国民用航空局空中交通管理局航空气象中心 | 一种基于数值模式对流覆盖率的对流天气预报方法及系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102221714A (zh) * | 2011-03-11 | 2011-10-19 | 钱维宏 | 基于大气变量物理分解的低温雨雪冰冻天气的中期预报系统和方法 |
| CN104050514A (zh) * | 2014-05-29 | 2014-09-17 | 河海大学 | 一种基于再分析数据的海浪有效波高的长期趋势预测方法 |
| CN105139099A (zh) * | 2015-06-04 | 2015-12-09 | 国家电网公司 | 一种基于lls的区域雷害特征相关分析方法 |
| CN109447315A (zh) * | 2018-09-18 | 2019-03-08 | 中国电力科学研究院有限公司 | 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 |
| CN109818351A (zh) * | 2019-03-26 | 2019-05-28 | 成都信息工程大学 | 一种气象电力数据综合管理方法及系统 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10725205B2 (en) * | 2015-10-07 | 2020-07-28 | Forensic Weather Consultants, Llc | Forensic weather system |
-
2019
- 2019-06-10 CN CN201910496612.7A patent/CN110399634B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102221714A (zh) * | 2011-03-11 | 2011-10-19 | 钱维宏 | 基于大气变量物理分解的低温雨雪冰冻天气的中期预报系统和方法 |
| CN104050514A (zh) * | 2014-05-29 | 2014-09-17 | 河海大学 | 一种基于再分析数据的海浪有效波高的长期趋势预测方法 |
| CN105139099A (zh) * | 2015-06-04 | 2015-12-09 | 国家电网公司 | 一种基于lls的区域雷害特征相关分析方法 |
| CN109447315A (zh) * | 2018-09-18 | 2019-03-08 | 中国电力科学研究院有限公司 | 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 |
| CN109818351A (zh) * | 2019-03-26 | 2019-05-28 | 成都信息工程大学 | 一种气象电力数据综合管理方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110399634A (zh) | 2019-11-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110399634B (zh) | 一种基于天气系统影响的预报区域确定方法及系统 | |
| CN110058328B (zh) | 东北夏季降水多模式组合降尺度预测方法 | |
| Tilinina et al. | Comparing cyclone life cycle characteristics and their interannual variability in different reanalyses | |
| CN111045117B (zh) | 一种气候监测预测平台 | |
| CN105095589B (zh) | 一种山区电网风区分布图绘制方法 | |
| CN102945508B (zh) | 一种基于模型校正的风电功率预测预报方法 | |
| CN110019595B (zh) | 一种多源气象数据集成方法及系统 | |
| CN104182594A (zh) | 一种电力系统风区图的绘制方法 | |
| CN105760970A (zh) | 空气质量指数的预测方法 | |
| Perrin et al. | A discussion of statistical methods used to estimate extreme wind speeds | |
| CN109407177B (zh) | 基于机器学习与常规气象观测的大雾识别系统和应用方法 | |
| CN113779760B (zh) | 基于可预测气候模态的动力-统计结合季节气候预测方法 | |
| CN109726867A (zh) | 一种基于多模式集合的高分辨率电力气象预报方法 | |
| CN108319772A (zh) | 一种波浪长期数据的再分析方法 | |
| Otache et al. | ARMA modelling of Benue River flow dynamics: comparative study of PAR model | |
| CN112114384A (zh) | 一种输电线覆冰发生概率预报方法 | |
| CN112183803A (zh) | 一种基于雾霾/沙尘覆盖范围的光伏功率预测方法和系统 | |
| CN110288117B (zh) | 一种电离层参数临界频率的区域重构方法 | |
| CN113176420B (zh) | 一种针对电网杆塔点的风速预报订正系统 | |
| CN104361528A (zh) | 一种不同海拔高度架空输电线路覆冰厚度计算方法 | |
| CN112884601A (zh) | 一种基于天气区划策略的电力系统运行风险评估方法 | |
| CN115983478A (zh) | 分布式光伏发电功率预测分析方法、系统、终端及介质 | |
| CN109583095A (zh) | 基于混合统计动力模型的西北太平洋台风延伸期预报方法 | |
| CN110019167A (zh) | 一种中长期新能源资源资料库构建方法及系统 | |
| CN114325877B (zh) | 气象预报数据的评估方法和装置 |
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 |