CN111814345B - 利用多种中尺度风速数据插补观测缺失风速数据的方法 - Google Patents

利用多种中尺度风速数据插补观测缺失风速数据的方法 Download PDF

Info

Publication number
CN111814345B
CN111814345B CN202010694152.1A CN202010694152A CN111814345B CN 111814345 B CN111814345 B CN 111814345B CN 202010694152 A CN202010694152 A CN 202010694152A CN 111814345 B CN111814345 B CN 111814345B
Authority
CN
China
Prior art keywords
wind speed
speed data
data
mesoscale
observed
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
CN202010694152.1A
Other languages
English (en)
Other versions
CN111814345A (zh
Inventor
李星雨
罗勇
杨凤志
刘静
徐赖琳
田强
曹鹏
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.)
CSIC Haizhuang Windpower Co Ltd
Original Assignee
CSIC Haizhuang Windpower 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 CSIC Haizhuang Windpower Co Ltd filed Critical CSIC Haizhuang Windpower Co Ltd
Priority to CN202010694152.1A priority Critical patent/CN111814345B/zh
Publication of CN111814345A publication Critical patent/CN111814345A/zh
Application granted granted Critical
Publication of CN111814345B publication Critical patent/CN111814345B/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
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/06—Wind turbines or wind farms
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Complex Calculations (AREA)

Abstract

本发明提供一种利用多种中尺度风速数据插补观测缺失风速数据的方法，包括以下步骤：按时间序列收集多种中尺度风速数据；对观测风速数据、中尺度风速数据进行预处理，得到观测风速平均数据、可用中尺度风速数据；合并观测风速平均数据和可用中尺度风速数据，得到第一列表；设定阈值，通过筛选对第一列表进行迭代；将迭代后的第一列表内的可用中尺度风速数据代入最终风速数据插补模型，得到最终拟合风速数据；将最终拟合风速数据和观测风速数据按时间点进行拼接。本发明可以解决现有技术中存在的仅在一种中尺度风速数据和观测风速数据之间建立插补方程，无法同时考虑不同中尺度风速数据，插补后得到的测风数据准确度不够的技术问题。

Description

利用多种中尺度风速数据插补观测缺失风速数据的方法
技术领域
本发明涉及风力发电技术领域，具体涉及一种利用多种中尺度风速数据插补观测缺失风速数据的方法。
背景技术
测风数据处理是风电场前期开发的关键过程，是评估风资源状况必不可少的一环。行业内主要以国家标准《GB/T 18710-2002风电场风能资源评估方法》为指导，进行测风数据处理。此国家标准明确指出用于评估场区风资源的有效数据完整率应达到90％以上。而测风塔在测量的过程中若受极端天气、设备运行故障等因素影响，会产生大量的问题数据，这使得清洗后的测风塔风速数据无法满足国家标准对有效数据完整率的要求。
在实际项目中，针对周边无参考测风塔的项目，常利用中尺度风速数据进行风速插补。根据空间尺度和时间尺度的大小，可将天气系统分为行星尺度天气系统、大气尺度天气系统、天气尺度天气系统、中尺度天气系统和小尺度天气系统；中尺度风速属于中尺度天气系统范畴。具体的风速插补方法，一般采用国家标准《GB/T 37523-2019风电场气象观测资料审核、插补与订正技术规范》中的方法。此方法仅在一种中尺度风速数据和观测风速数据之间建立插补方程，无法同时考虑不同中尺度风速数据各自的优势，插补数据的准确度不够。
发明内容
针对现有技术中的缺陷，本发明提供一种利用多种中尺度风速数据插补观测缺失风速数据的方法，以解决现有技术中存在的仅在一种中尺度风速数据和观测风速数据之间建立插补方程，无法同时考虑不同中尺度风速数据，插补后得到的测风数据准确度不够的技术问题。
本发明采用的技术方案是，一种利用多种中尺度风速数据插补观测缺失风速数据的方法。
在第一种可实现方式中，包括以下步骤：
S1.按时间序列收集多种中尺度风速数据；
S2.对观测风速数据、中尺度风速数据进行预处理，得到观测风速平均数据、可用中尺度风速数据；
S3.合并观测风速平均数据和可用中尺度风速数据，得到第一列表；
S4.设定阈值，通过筛选对第一列表进行迭代；
S5.将迭代后的第一列表内的可用中尺度风速数据代入最终风速数据插补模型，得到最终拟合风速数据；
S6.将最终拟合风速数据和观测风速数据按时间点进行拼接。
结合第一种可实现方式，在第二种可实现方式中，多种中尺度风速数据在时间序列上能够完全覆盖观测风速的时段，无缺失数据；且中尺度数据的覆盖时长不小于一个时间周期。
结合第二种可实现方式，在第三种可实现方式中，一个时间周期为1年。
结合第一种可实现方式，在第四种可实现方式中，对观测风速数据进行预处理，具体为采用加权平均法对观测风速数据进行小时平均处理。
结合第一种可实现方式，在第五种可实现方式中，对中尺度风速数据进行预处理，具体为通过计算观测风速平均数据与中尺度风速数据的皮尔逊相关系数，得到观测风速平均数据与中尺度风速数据的相关性；剔除与观测风速平均数据相关性低于设定值的中尺度风速数据。
结合第一种可实现方式，在第六种可实现方式中，最终风速数据插补模型按以下步骤建立：
Ⅰ.消除第一列表中每一行的空值，得到第二列表；
Ⅱ.使用最小线性二乘法，建立第二列表中观测风速平均数据和可用中尺度风速数据的线性方程，计算出拟合曲线，得到风速数据插补模型；
Ⅲ.筛选并删除在线性方程中贡献不满足阈值要求的可用中尺度风速数据；
Ⅳ.循环步骤Ⅱ和步骤Ⅲ，直到除A0外的所有模型常数系数的值都大于阈值，得到最终风速数据插补模型。
结合第六种可实现方式，在第七种可实现方式中，线性方程满足以下公式：
Y＝A0+A1×X1+A2×X2+A3×X3……+An×Xn
在上式中，Y为观测风速平均数据序列，X1～Xn为可用中尺度风速数据序列，A0～An为模型常数系数。
结合第一种可实现方式，在第八种可实现方式中，步骤S6中按时间点进行拼接，包括：
有实际观测风速数据的时间点使用实测数据；
实际观测风速数据缺失的时间点使用最终拟合数据。
结合第一种可实现方式，在第九种可实现方式中，在对观测缺失风速数据进行插补前，对观测风速数据进行数据清洗，根据观测风速数据的有效性，计算观测风速数据的完整率；当有效观测风速数据完整率小于90％时，进行插补。
由上述技术方案可知，本发明的有益技术效果如下：
1、使用多种中尺度风速数据作为输入数据，可以在对观测风速数据进行插补的过程中，集成不同中尺度数据的优点，得到效果较好的风速插补数据，提供插补数据的准确度，降低后续风资源评估的不确定性。
2、使用的多种中尺度风速数据在时间序列上能够完全覆盖观测风速的时段，无缺失数据；且中尺度数据的覆盖时长不小于1年，可以得到更为准确的插补效果。
3、使用最小线性二乘法建立第二列表中观测风速平均数据和可用中尺度风速数据的线性方程，计算出拟合曲线，得到风速数据插补模型，计算简便。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。在所有附图中，类似的元件或部分一般由类似的附图标记标识。附图中，各元件或部分并不一定按照实际的比例绘制。
图1为本发明实施例的方法流程图。
图2为本发明的风速数据插补模型建模流程图。
具体实施方式
下面将结合附图对本发明技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本发明的技术方案，因此只作为示例，而不能以此来限制本发明的保护范围。
需要注意的是，除非另有说明，本申请使用的技术术语或者科学术语应当为本发明所属领域技术人员所理解的通常意义。
实施例
如图1所示，本发明提供一种利用多种中尺度风速数据插补观测缺失风速数据的方法，包括以下步骤：
S1.按时间序列收集多种中尺度风速数据；
S2.对观测风速数据、中尺度风速数据进行预处理，得到观测风速平均数据、可用中尺度风速数据；
S3.合并观测风速平均数据和可用中尺度风速数据，得到第一列表；
S4.设定阈值，通过筛选对第一列表进行迭代；
S5.将迭代后的第一列表内的可用中尺度风速数据代入最终风速数据插补模型，得到最终拟合风速数据；
S6.将最终拟合风速数据和观测风速数据按时间点进行拼接。
以下对实施例工作原理进行详细说明：
在对观测缺失风速数据进行插补前，需要对观测风速数据进行数据清洗后，根据观测风速数据的有效性，计算观测风速数据的完整率。如果有效观测风速数据完整率大于或等于90％，则可以直接使用该有效观测风速数据进行后续的风资源分析。如果有效观测风速数据完整率小于90％，则表明不满足国家标准要求，需要对观测风速数据进行插补。具体的插补方法按如下步骤进行：
1.收集多种中尺度风速数据
按时间序列收集多种中尺度风速数据，这些中尺度数据在时间序列上能够完全覆盖观测风速的时段，无缺失数据，且中尺度数据的覆盖时长不小于一个时间周期。在本实施例中，为达到较好的插补效果，时间周期优选设为1年及以上。中尺度风速数据的种类不作限定，在本实施例中举例说明，包括MERRA2、ERA5、MERRA、CFSR、NNRP、ERAI等类型。
2.对观测风速数据进行预处理
(1)对观测风速数据进行小时平均处理。观测风速数据的采样频率一般设为10分钟，而常规中尺度数据的采样频率一般为1小时，需要对观测风速数据进行小时平均处理，得到与常规中尺度数据采样频率一致的数据，便于后续建模。在本实施例中，采用加权平均法对观测风速数据进行小时平均处理，得到观测风速平均数据。
(2)计算观测风速平均数据与多种中尺度风速数据的相关性，并剔除与观测风速平均数据相关性低于设定值的中尺度风速数据，得到可用中尺度风速数据。在本实施例中，观测风速是一个时间序列，中尺度风速也是一个时间序列，通过计算两者的皮尔逊相关系数R，就可以得到两者的相关性，相关性为R2。设定值为0.2，即中尺度风速数据与观测风速平均数据的相关性低于0.2时，剔除掉该中尺度风速数据。
(3)把观测风速平均数据和n种(n>1)可用中尺度风速数据按照时间戳进行对齐，并整合到一个列表中，命名为第一列表。第一列表的第一列为日期/时间序列、第二列为观测风速平均数据序列，第三列到第n+2列为可用中尺度风速数据序列。
3.建立风速数据插补模型
建模步骤如图2所示，具体如下：
(1)消除第一列表中每行的风速空值，即若某一行只要存在一个空值，则消除此行。消除每行的风速空值后，得到每行都包含观测风速平均数据和可用中尺度风速数据的列表，命名为第二列表。
(2)使用最小线性二乘法，建立第二列表中观测风速平均数据和可用中尺度风速数据的线性方程，计算出拟合曲线，得到风速数据插补模型
设第二列表的第二列数据为Y，第三列到第n+2列数据分别为X1、X2……Xn，并通过最小线性二乘法建立X1～Xn和Y的线性方程，得到最佳拟合曲线。拟合曲线满足以下公式：
Y＝A0+A1×X1+A2×X2+A3×X3……+An×Xn
在上式中，Y为观测风速平均数据序列，X1～Xn为可用中尺度风速数据序列，A0～An为模型常数系数。
通过本步骤，可以得到风速数据插补模型，此模型为风速数据插补初始模型，使用最小线性二乘法计算简便。
(3)筛选并删除在线性方程中贡献不满足阈值要求的可用中尺度风速数据
设定阈值，筛选出A1～An值中的最小值Amin，若Amin小于等于阈值，则表面其对应列的Xmin中的可用中尺度风速数据在线性方程中的贡献较小，在第一列表和第二列表中删除此列的可用中尺度风速数据，得到迭代后的第一列表、迭代后的第二列表。在本实施例中，阈值设为0.01。
(4)迭代风速数据插补初始模型
循环执行步骤(2)和步骤(3)，直到所有模型常数系数(A0除外)的值都大于阈值，则可得到最终风速数据插补模型。在本实施例中，阈值设为0.01。
4.使用风速数据插补模型对观测缺失风速数据进行插补
把迭代后得到的第一列表中的可用中尺度风速数据(第三列至最后列)带入到最终风速数据插补模型中，求出模型中的Y即可得到最终拟合风速数据，此数据的时长将大于等于1年。
然后再把最终拟合风速数据和实际观测风速数据进行拼接，有实际观测风速数据的时间点使用实测数据，实际观测风速数据缺失的时间点使用最终拟合数据。这样就完成了对观测缺失风速数据的插补。
通过采用本实施例中的技术方案，使用多种中尺度风速数据作为输入数据，可以在对观测风速数据进行插补的过程中，集成不同中尺度数据的优点，得到效果较好的风速插补数据，提供插补数据的准确度，降低后续风资源评估的不确定性。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围，其均应涵盖在本发明的权利要求和说明书的范围当中。

Claims (7)

1.一种利用多种中尺度风速数据插补观测缺失风速数据的方法，其特征在于，包括以下步骤：
S1.按时间序列收集多种中尺度风速数据；
S2.对观测风速数据、中尺度风速数据进行预处理，得到观测风速平均数据、可用中尺度风速数据；
S3.合并所述观测风速平均数据和可用中尺度风速数据，得到第一列表；
S4.设定阈值，消除所述第一列表中每一行的空值，得到第二列表；
S5.使用最小线性二乘法，建立第二列表中观测风速平均数据和可用中尺度风速数据的线性方程，计算出拟合曲线，得到初始风速数据插补模型；所述线性方程满足以下公式：Y＝A0+A1×X1+A2×X2+A3×X3……+An×Xn，在上式中，Y为观测风速平均数据序列，X1～Xn为可用中尺度风速数据序列，A0～An为模型常数系数；
S6.筛选并删除在线性方程中贡献不满足阈值要求的可用中尺度风速数据；
S7.循环步骤S5和步骤S6，直到除A0外的所有模型常数系数的值都大于阈值，得到最终风速数据插补模型；
S8.将经过步骤S4-S7得到的可用中尺度风速数据代入最终风速数据插补模型，得到最终拟合风速数据；
S9.将最终拟合风速数据和观测风速数据按时间点进行拼接。
2.根据权利要求1所述一种利用多种中尺度风速数据插补观测缺失风速数据的方法，其特征在于：所述中尺度风速数据在时间序列上能够完全覆盖观测风速的时段，无缺失数据；且中尺度数据的覆盖时长不小于一个时间周期。
3.根据权利要求2所述一种利用多种中尺度风速数据插补观测缺失风速数据的方法，其特征在于：所述一个时间周期为1年。
4.根据权利要求1所述一种利用多种中尺度风速数据插补观测缺失风速数据的方法，其特征在于：对观测风速数据进行预处理，具体为采用加权平均法对观测风速数据进行小时平均处理。
5.根据权利要求1所述一种利用多种中尺度风速数据插补观测缺失风速数据的方法，其特征在于：对中尺度风速数据进行预处理，具体为通过计算观测风速平均数据与中尺度风速数据的皮尔逊相关系数，得到观测风速平均数据与中尺度风速数据的相关性；剔除与观测风速平均数据相关性低于设定值的中尺度风速数据。
6.根据权利要求1所述一种利用多种中尺度风速数据插补观测缺失风速数据的方法，其特征在于，步骤S9中所述按时间点进行拼接，包括：
有实际观测风速数据的时间点使用实测数据；
实际观测风速数据缺失的时间点使用最终拟合数据。
7.根据权利要求1所述一种利用多种中尺度风速数据插补观测缺失风速数据的方法，其特征在于：在对观测缺失风速数据进行插补前，对观测风速数据进行数据清洗，根据观测风速数据的有效性，计算观测风速数据的完整率；当有效观测风速数据完整率小于90％时，进行插补。
CN202010694152.1A 2020-07-17 2020-07-17 利用多种中尺度风速数据插补观测缺失风速数据的方法 Active CN111814345B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010694152.1A CN111814345B (zh) 2020-07-17 2020-07-17 利用多种中尺度风速数据插补观测缺失风速数据的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010694152.1A CN111814345B (zh) 2020-07-17 2020-07-17 利用多种中尺度风速数据插补观测缺失风速数据的方法

Publications (2)

Publication Number Publication Date
CN111814345A CN111814345A (zh) 2020-10-23
CN111814345B true CN111814345B (zh) 2022-08-02

Family

ID=72866567

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010694152.1A Active CN111814345B (zh) 2020-07-17 2020-07-17 利用多种中尺度风速数据插补观测缺失风速数据的方法

Country Status (1)

Country Link
CN (1) CN111814345B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113434495B (zh) * 2021-07-09 2022-05-31 中国船舶重工集团海装风电股份有限公司 一种基于ArcGIS的中尺度风速数据订正方法及系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107679361A (zh) * 2017-09-14 2018-02-09 内蒙古久和能源装备有限公司 一种测风数据处理方法
CN108564484A (zh) * 2018-04-11 2018-09-21 中国电建集团成都勘测设计研究院有限公司 风电场测风代表年滑动选取方法
CN108665102A (zh) * 2018-05-11 2018-10-16 中国船舶重工集团海装风电股份有限公司 基于中尺度数据预测风电场实时发电量的方法
CN109583096A (zh) * 2018-12-03 2019-04-05 华润电力技术研究院有限公司 一种基于中尺度模型和微尺度模型结合的风资源计算方法
CN110070223A (zh) * 2019-04-19 2019-07-30 中能电力科技开发有限公司 一种应用于新建风电场的短期功率预测方法
CN110187363A (zh) * 2019-06-13 2019-08-30 上海电气风电集团有限公司 适用于大型风电基地的测风方法、系统、设备和存储介质
CN110427357A (zh) * 2018-04-28 2019-11-08 新疆金风科技股份有限公司 测风塔数据处理方法及装置

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8930299B2 (en) * 2010-12-15 2015-01-06 Vaisala, Inc. Systems and methods for wind forecasting and grid management
CN110298115B (zh) * 2019-07-02 2022-05-17 中国气象局上海台风研究所 一种基于简化地形气动参数的风场动力降尺度方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107679361A (zh) * 2017-09-14 2018-02-09 内蒙古久和能源装备有限公司 一种测风数据处理方法
CN108564484A (zh) * 2018-04-11 2018-09-21 中国电建集团成都勘测设计研究院有限公司 风电场测风代表年滑动选取方法
CN110427357A (zh) * 2018-04-28 2019-11-08 新疆金风科技股份有限公司 测风塔数据处理方法及装置
CN108665102A (zh) * 2018-05-11 2018-10-16 中国船舶重工集团海装风电股份有限公司 基于中尺度数据预测风电场实时发电量的方法
CN109583096A (zh) * 2018-12-03 2019-04-05 华润电力技术研究院有限公司 一种基于中尺度模型和微尺度模型结合的风资源计算方法
CN110070223A (zh) * 2019-04-19 2019-07-30 中能电力科技开发有限公司 一种应用于新建风电场的短期功率预测方法
CN110187363A (zh) * 2019-06-13 2019-08-30 上海电气风电集团有限公司 适用于大型风电基地的测风方法、系统、设备和存储介质

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
"Datasets on hub-height wind speed comparisons for wind farms in California ";Meina Wang 等;《Data in Brief》;20180518(第19期);第214–221页 *
"中尺度 COAMPS 模型在风资源评估中的应用研究";胡超 等;《人民长江》;20150430;第46卷(第7期);第88-91页 *
"基于再分析数据的测风数据插补方法";刘霄 等;《华中科技大学学报（自然科学版）》;20170531;第45卷(第7期);第78-83页 *

Also Published As

Publication number Publication date
CN111814345A (zh) 2020-10-23

Similar Documents

Publication Publication Date Title
Zhang et al. Carbon emissions, energy consumption and economic growth: Evidence from the agricultural sector of China's main grain-producing areas
Polo et al. Benchmarking on improvement and site-adaptation techniques for modeled solar radiation datasets
CN111027175B (zh) 基于耦合模型集成模拟的洪水对社会经济影响的评估方法
Iyengar et al. Intrinsic mode functions and a strategy for forecasting Indian monsoon rainfall
CN104573876A (zh) 基于时序长记忆模型的风电场短期风速预测方法
CN111624682B (zh) 一种基于多源数据融合的定量降水估测方法
CN111814345B (zh) 利用多种中尺度风速数据插补观测缺失风速数据的方法
CN113128758B (zh) 基于近海浮标海浪观测数据构建的最大浪高预报系统
CN112116149A (zh) 一种考虑预报不确定性关联演化特征的多站中长期径流滚动概率预测方法
Soukissian et al. Effects of parameter estimation method and sample size in metocean design conditions
CN115239105A (zh) 一种在役风电场的风资源的评估方法以及装置
CN114330120A (zh) 一种基于深度神经网络预测24小时pm2.5浓度的方法
Kaplan et al. The analysis of wind speed potential and energy density in Ankara
CN116527135B (zh) 站址可用度确定方法、系统、装置、电子设备及存储介质
CN114564697A (zh) 一种利用观测风速数据校正中尺度模拟风速数据的方法及系统
Alessandrini et al. An application of ensemble/multi model approach for wind power production forecasting
CN115577854A (zh) 一种基于eemd-rbf组合的分位数回归风速区间预测方法
CN112131779B (zh) 一种基于多参考站的海上测风塔数据代表年订正方法
CN114330478A (zh) 针对电网风速预报的风速分类订正方法
Mocanu-Vargancsik et al. Study of temperature evolution’s trend on the Black Sea shore, at Constanta
CN117091802B (zh) 基于实测数据的风速湍流模型的标定方法
CN112070319B (zh) 一种基于时序动态回归的超短期光伏发电功率预测方法
CN114935788B (zh) 变电站一次设备多点位雷电联合预警方法与系统
Patil et al. Impact of climate change on productivity of soybean in Akola district of Maharashtra
Navale et al. Estimation of deterministic component of monthly rainfall time series: A case study for Pantnagar

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