CN110908014B - 舞动精细化订正预报方法及系统 - Google Patents
舞动精细化订正预报方法及系统 Download PDFInfo
- Publication number
- CN110908014B CN110908014B CN201911262851.2A CN201911262851A CN110908014B CN 110908014 B CN110908014 B CN 110908014B CN 201911262851 A CN201911262851 A CN 201911262851A CN 110908014 B CN110908014 B CN 110908014B
- Authority
- CN
- China
- Prior art keywords
- forecast
- meteorological
- meteorological element
- basic
- corrected
- 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
- 238000013277 forecasting method Methods 0.000 title claims abstract description 10
- 238000000034 method Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 6
- 238000005259 measurement Methods 0.000 claims description 6
- 238000001556 precipitation Methods 0.000 claims description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 5
- 238000005457 optimization Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 238000004870 electrical engineering Methods 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/10—Devices for predicting weather conditions
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/18—Testing or calibrating meteorological apparatus
Landscapes
- Environmental & Geological Engineering (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Atmospheric Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Ecology (AREA)
- Environmental Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了舞动精细化订正预报方法及系统，获取并根据各个基础预报网格内所有观测站点的各气象要素的历史实测数据和历史数值预报模式的预测数据，构建各气象要素预报订正模型：对于有观测站点的基础预报网格，将各气象要素的历史实测数据与预测数据进行对比，并根据对比结果构建各气象要素的预报订正模型；并通过将各个待订正的气象要素输入到其对应的预报订正模型，得到有观测站点的基础预报网格的订正气象要素预测结果；对于无观测站点的基础预报网格，找到与其最邻近的观测站点，将待订正的气象要素输入该站点的各气象要素预报订正模型，得到无观测站点的基础预报网格的订正气象要素预测结果，从而快速且准确的对各气象要素进行订正。
Description
技术领域
本发明属于电气工程技术领域，具体涉及舞动精细化订正预报方法及系统。
背景技术
架空线路舞动可能导致线路跳闸、杆塔螺栓松动，导线断股断线，严重时还可能导致倒塔，是威胁冬季电网安全的重大灾害。近几年来，湖北、安徽、湖南、江西等地相继发生了严重的舞动事件。通过提前开展舞动预测，可提前布置防舞措施，大大降低舞动导致的电网安全事故，具有重要的指导意义。
然而冬季舞动是导线在覆冰条件下受风作用形成的自激振荡，受到塔线位置多种气象因素影响，如温度、湿度、风速、降水，然而目前的气象数值预报模式范围较大，难以准确反应塔线位置的气象要素，因此，严重制约了舞动预测的准确率。为此，我们提出了一种舞动精细化订正预报方法，为冬季舞动预报提供技术保障。
发明内容
本发明提供了舞动精细化订正预报方法及系统，用于解决现有的舞动的气象因素预测误差较大的技术问题。
为解决上述技术问题，本发明提出的技术方案为：
一种舞动精细化订正预报方法，包括以下步骤：
将待订正的舞动预报区域划分为多个基础预报网格；
获取并根据各个基础预报网格内所有观测站点的各气象要素的历史实测数据和历史数值预报模式的预测数据构建各气象要素预报订正模型：
对于有观测站点的基础预报网格，将各气象要素的历史实测数据对应的预测数据进行对比，并根据对比结果构建各气象要素的预报订正模型；并通过将各个待订正的气象要素输入到其对应的预报订正模型，得到有观测站点的基础预报网格的订正气象要素预测结果；对于无观测站点的基础预报网格，按照划分泰森多边形的原则，找到无观测站点的基础预报网格最邻近的观测站点，将待订正的气象要素输入该站点的各气象要素预报订正模型，得到无观测站点的基础预报网格的订正气象要素预测结果。
优选的，将各气象要素的历史实测数据与预测数据进行对比，并根据对比结果构建各气象要素的预报订正模型；具体包括以下步骤：
将各气象要素的历史实测数据和对应的预测数据进行对比，得到各气象要素的历史实测数据和对应的预测数据的误差，并以误差最小为目标，通过优化算法来构建的预报订正模型，以消除所述误差。
优选的，所述气象要素包括：温度、风速、降水以及湿度；其中，所述预报订正模型为：
其中，y′为数值预报模式输出的气象要素预测的订正值，即订正的气象要素预测结果，y为数值预报模式输出的气象要素的预测数据，y0为观测站点的气象要素的实测数据，ay为数值预报模式输出的气象要素的预测数据的平均值，
为观测站点的风气象要素实测数据的平均值，
为观测站点的气象要素的实测数据的方差，σy为数值预报模式输出的气象要素的预测数据的方差。
一种计算机系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述任一所述方法的步骤。
本发明具有以下有益效果：
1、本发明获取并根据各个基础预报网格内所有观测站点的各气象要素的历史实测数据和历史数值预报模式的预测数据构建各气象要素预报订正模型：对于有观测站点的基础预报网格，将各气象要素的历史实测数据与预测数据进行对比，并根据对比结果构建各气象要素的预报订正模型；并通过将各个待订正的气象要素输入到其对应的预报订正模型，得到有观测站点的基础预报网格的订正气象要素预测结果；对于无观测站点的基础预报网格，按照划分泰森多边形的原则，找到无观测站点的基础预报网格最邻近的观测站点，将待订正的气象要素输入该站点的各气象要素预报订正模型，得到无观测站点的基础预报网格的订正气象要素预测结果。相比起现有技术，可进行快速的温度、湿度、风速、降水等舞动气象要素预测订正计算，可适用于不同地区的舞动气象要素预测订正。通过对舞动的气象要素进行订正，可为舞动预测模型提供更加准确的舞动关键气象要素预测数据，从而提高架空线路舞动预报的准确率。
除了上面所描述的目的、特征和优点之外，本发明还有其它的目的、特征和优点。下面将参照附图，对本发明作进一步详细的说明。
附图说明
构成本申请的一部分的附图用来提供对本发明的进一步理解，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是本发明舞动精细化订正预报方法的流程图。
具体实施方式
以下结合附图对本发明的实施例进行详细说明，但是本发明可以由权利要求限定和覆盖的多种不同方式实施。
实施例一：
如图1所示，本实施中公开了一种舞动精细化订正预报方法，包括以下步骤：
将待订正的舞动预报区域划分为多个基础预报网格；
获取并根据各个基础预报网格内所有观测站点的各气象要素的历史实测数据和历史数值预报模式的预测数据构建各气象要素预报订正模型：
对于有观测站点的基础预报网格，将各气象要素的历史实测数据对应的预测数据进行对比，并根据对比结果构建各气象要素的预报订正模型；并通过将各个待订正的气象要素输入到其对应的预报订正模型，得到有观测站点的基础预报网格的订正气象要素预测结果；对于无观测站点的基础预报网格，按照划分泰森多边形的原则，找到无观测站点的基础预报网格最邻近的观测站点，将待订正的气象要素输入该站点的各气象要素预报订正模型，得到无观测站点的基础预报网格的订正气象要素预测结果。
此外，在本实施例中，还公开了一种计算机系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述方法实施例的步骤。
本发明依托通过获取并根据各个基础预报网格内所有观测站点的各气象要素的历史实测数据和历史数值预报模式的预测数据构建各气象要素预报订正模型：对于有观测站点的基础预报网格，将各气象要素的历史实测数据与预测数据进行对比，并根据对比结果构建各气象要素的预报订正模型；并通过将各个待订正的气象要素输入到其对应的预报订正模型，得到有观测站点的基础预报网格的订正气象要素预测结果；对于无观测站点的基础预报网格，按照划分泰森多边形的原则，找到无观测站点的基础预报网格最邻近的观测站点，将待订正的气象要素输入该站点的各气象要素预报订正模型，得到无观测站点的基础预报网格的订正气象要素预测结果。
相比起现有技术，可进行快速的温度、湿度、风速、降水等舞动气象要素预测订正计算，可适用于不同地区的舞动气象要素预测订正。通过对舞动的气象要素进行订正，可为舞动预测模型提供更加准确的舞动关键气象要素预测数据，从而提高架空线路舞动预报的准确率。
实施例二：
实施例二是实施例一的优选实施例，其与实施例一的不同之处在于，对舞动精细化订正预报方法的具体步骤进行了细化，具体包括：
(1)划分预报网格。将以湖南省作为待订正的舞动预报区域，将湖南省区域划分为3km×3km的多个基础预报网格。
(2)获取湖南省的所有824个观测站点的各气象要素2018年1月-12月历史实测数据和预报网格的历史数值预报模式预测数据，包括温度、风速、降水、湿度等，再将824个观测站点分散到各个基础预报网格中。
(3)针对有观测站点的基础预报网格，分别针对温度、风速、降水、湿度等要素，通过将各个气象要素的历史实测数据与预测数据进行对比，建立合适的各气象要素预报订正模型。即，将各气象要素的历史实测数据和对应的预测数据进行对比，得到各气象要素的历史实测数据和对应的预测数据的误差，并以误差最小为目标，通过优化算法来构建的预报订正模型，以消除所述误差。所述优化算法可以是神经网络，粒子群算法或是其他算法。
如针对风速订正，采用如下模型进行订正：
其中，y′为数值预报模式输出的气象要素预测的订正值，即订正的气象要素预测结果，y为数值预报模式输出的气象要素的预测数据，y0为观测站点的气象要素的实测数据，ay为数值预报模式输出的气象要素的预测数据的平均值，
为观测站点的风气象要素实测数据的平均值，
为观测站点的气象要素的实测数据的方差，σy为数值预报模式输出的气象要素的预测数据的方差。
(4)对于无观测站点的基础预报网格，按照划分泰森多边形的原则，找到无观测站点的基础预报网格最邻近的观测站点，采用该站点的各气象要素预报订正模型作为该基础预报网格的各气象要素订正模型。
(5)开展舞动精细化订正预报计算。
首先采用数值预报模式得到各基础预报网格的温度、风速、降水、湿度等气象要素预测值。
然后根据(2)和(3)获得的基础预报网格的各气象要素订正模型，并根据各气象要素订正模型分别针对温度、风速、降水、湿度进行预报订正，得到订正的各气象要素预测值(即订正气象要素预测结果)。
最后使用各气象要素预测订正值(订正气象要素预测结果)，根据舞动预测预警模型进行舞动预测预警计算，得到舞动预测预警结果。
综上所述，本发明依托通过获取并根据各个基础预报网格内所有观测站点的各气象要素的历史实测数据和历史数值预报模式的预测数据构建各气象要素预报订正模型：对于有观测站点的基础预报网格，将各气象要素的历史实测数据与预测数据进行对比，并根据对比结果构建各气象要素的预报订正模型；并通过将各个待订正的气象要素输入到其对应的预报订正模型，得到有观测站点的基础预报网格的订正气象要素预测结果；对于无观测站点的基础预报网格，按照划分泰森多边形的原则，找到无观测站点的基础预报网格最邻近的观测站点，将待订正的气象要素输入该站点的各气象要素预报订正模型，得到无观测站点的基础预报网格的订正气象要素预测结果。相比起现有技术，可进行快速的温度、湿度、风速、降水等舞动气象要素预测订正计算，可适用于不同地区的舞动气象要素预测订正。通过对舞动的气象要素进行订正，可为舞动预测模型提供更加准确的舞动关键气象要素预测数据，从而提高架空线路舞动预报的准确率。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (2)
1.一种舞动精细化订正预报方法，其特征在于，包括以下步骤：
将待订正的舞动预报区域划分为多个基础预报网格；
获取各个基础预报网格内所有观测站点的各气象要素的历史实测数据和历史数值预报模式的预测数据：
对于有观测站点的基础预报网格，分别计算其对应的各气象要素的历史实测数据、历史数值预报模式的预测数据的方差，将各气象要素的历史实测数据、历史数值预报模式的预测数据的方差进行比对，并根据对比结果构建各气象要素的预报订正模型；并通过将各个待订正的气象要素输入到其对应的预报订正模型，得到有观测站点的基础预报网格的订正气象要素预测结果；对于无观测站点的基础预报网格，按照划分泰森多边形的原则，找到无观测站点的基础预报网格最邻近的观测站点，将待订正的气象要素输入该站点的各气象要素预报订正模型，得到无观测站点的基础预报网格的订正气象要素预测结果；
其中，所述气象要素包括：温度、风速、降水以及湿度；其中，所述预报订正模型为：
其中，y′为数值预报模式输出的气象要素预测的订正值，即订正的气象要素预测结果，y为数值预报模式输出的气象要素的预测数据，y0为观测站点的气象要素的实测数据，ay为数值预报模式输出的气象要素的预测数据的平均值，
为观测站点的气象要素实测数据的平均值，
为观测站点的气象要素的实测数据的方差，σy为数值预报模式输出的气象要素的预测数据的方差。
2.一种计算机系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述权利要求1所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911262851.2A CN110908014B (zh) | 2019-12-11 | 2019-12-11 | 舞动精细化订正预报方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911262851.2A CN110908014B (zh) | 2019-12-11 | 2019-12-11 | 舞动精细化订正预报方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110908014A CN110908014A (zh) | 2020-03-24 |
| CN110908014B true CN110908014B (zh) | 2021-11-02 |
Family
ID=69824241
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911262851.2A Active CN110908014B (zh) | 2019-12-11 | 2019-12-11 | 舞动精细化订正预报方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110908014B (zh) |
Families Citing this family (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111723929A (zh) * | 2020-05-08 | 2020-09-29 | 广州华工中云信息技术有限公司 | 一种基于神经网络的数值预报产品订正方法、装置和系统 |
| 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 |
| CN111736148B (zh) * | 2020-06-28 | 2021-06-08 | 国家海洋环境预报中心 | 卫星雷达高度计海浪有效波高的订正方法及相关装置 |
| CN112000683B (zh) * | 2020-08-25 | 2021-03-16 | 中科三清科技有限公司 | 数据处理方法、装置及设备 |
| CN112182822A (zh) * | 2020-10-22 | 2021-01-05 | 国网湖南省电力有限公司 | 输电线路覆冰厚度预测校正预报方法及系统 |
| CN113159714B (zh) * | 2021-04-01 | 2022-08-30 | 国网河南省电力公司电力科学研究院 | 一种面向电网的气象数据订正方法 |
| CN113253364B (zh) * | 2021-06-30 | 2021-10-08 | 中国气象局公共气象服务中心(国家预警信息发布中心) | 一种对站点风速预报结果进行订正的方法及装置 |
| CN115508917B (zh) * | 2022-11-22 | 2023-04-28 | 中国民用航空局空中交通管理局航空气象中心 | 机场气象要素预报方法、装置、设备和存储介质 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109543295A (zh) * | 2018-11-21 | 2019-03-29 | 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 |
| CN110542936A (zh) * | 2019-08-30 | 2019-12-06 | 国网湖南省电力有限公司 | 基于主导环流的电网暴雨灾害预报偏差的预报方法和系统 |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3457631B2 (ja) * | 2000-06-12 | 2003-10-20 | 三菱電線工業株式会社 | 気象予測システムにおける補正方法 |
| CN104021424B (zh) * | 2013-02-28 | 2018-12-07 | 乌托巴斯洞察公司 | 用于预测风场中的风机的输出功率的方法和装置 |
| JP2016057193A (ja) * | 2014-09-10 | 2016-04-21 | 株式会社東芝 | 気象予測装置及び気象予測方法 |
| CN106682831B (zh) * | 2016-12-27 | 2018-06-29 | 国网湖南省电力公司 | 电网舞动区域预测预警方法及系统 |
| US10330655B2 (en) * | 2017-01-11 | 2019-06-25 | International Business Machines Corporation | Air quality forecasting based on dynamic blending |
| CN107765348B (zh) * | 2017-10-23 | 2020-06-02 | 成都信息工程大学 | 降水量气象报文数据误差修正方法、雨凇景观预测方法 |
| CN109447260B (zh) * | 2018-10-08 | 2022-11-18 | 中国人民解放军空军研究院战场环境研究所 | 一种基于深度学习的局地数值天气预报产品订正方法 |
-
2019
- 2019-12-11 CN CN201911262851.2A patent/CN110908014B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109543295A (zh) * | 2018-11-21 | 2019-03-29 | 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 |
| CN110542936A (zh) * | 2019-08-30 | 2019-12-06 | 国网湖南省电力有限公司 | 基于主导环流的电网暴雨灾害预报偏差的预报方法和系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110908014A (zh) | 2020-03-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110908014B (zh) | 舞动精细化订正预报方法及系统 | |
| EP3396571A1 (en) | Method and device for calculating power generation capacity of wind farm | |
| CN103837769B (zh) | 一种输电线路雷害预警方法及其系统 | |
| CN104463700B (zh) | 一种基于数据挖掘技术的输电线路杆塔雷击风险评估方法 | |
| US11105958B2 (en) | Systems and methods for distributed-solar power forecasting using parameter regularization | |
| CN107169645B (zh) | 一种计及暴雨灾害影响的输电线路故障概率在线评估方法 | |
| CN112598883B (zh) | 基于贝叶斯网络的输电线路落雷概率预警方法及预警系统 | |
| CN115219810B (zh) | 一种基于雷电定位系统的线路跳闸预测方法 | |
| CN112182822A (zh) | 输电线路覆冰厚度预测校正预报方法及系统 | |
| CN114386674A (zh) | 一种输电线路树木倒伏动态风险预警方法和系统 | |
| CN116050599A (zh) | 一种线路覆冰故障预测方法、系统、存储介质及设备 | |
| CN113806949A (zh) | 一种输电线模型确定方法、装置、计算机设备及存储介质 | |
| CN113537846B (zh) | 基于气象灾害的输配电线路杆塔的风险分析方法及系统 | |
| CN113821895B (zh) | 输电线路覆冰厚度预测模型的构建方法、装置及存储介质 | |
| CN103093044A (zh) | 输电线路覆冰舞动分布图测绘方法 | |
| CN106682776A (zh) | 架空输电线路舞动精细化预测预警方法及系统 | |
| CN107316109B (zh) | 架空线路冬季近地面风速预测方法、系统及装置 | |
| CN117291418A (zh) | 一种基于分布式监测数据的线路雷害风险评估方法及装置 | |
| CN112257329A (zh) | 一种判定台风对线路影响的方法 | |
| CN115047544B (zh) | 一种覆冰预警方法及系统 | |
| CN116415495A (zh) | 面向复杂地形与气象环境的雷击跳闸率获取方法及设备 | |
| Albizu et al. | Overhead line rating forecasting for the integration of wind power in electricity markets | |
| CN110705796A (zh) | 电网暴雨数值预报的量级频率订正集合预报方法及系统 | |
| CN112949920B (zh) | 一种基于观冰代表站数据的区域覆冰预测及预警方法 | |
| CN112231979B (zh) | 基于计算流体力学和机器学习的山区瞬时风况预报方法 |
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 |