CN113917566B - 考虑效率-资源最优平衡的微地形气象预测方法及系统 - Google Patents
考虑效率-资源最优平衡的微地形气象预测方法及系统 Download PDFInfo
- Publication number
- CN113917566B CN113917566B CN202111157725.8A CN202111157725A CN113917566B CN 113917566 B CN113917566 B CN 113917566B CN 202111157725 A CN202111157725 A CN 202111157725A CN 113917566 B CN113917566 B CN 113917566B
- Authority
- CN
- China
- Prior art keywords
- prediction
- nesting
- micro
- resources
- layer
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/02—Instruments for indicating weather conditions by measuring two or more variables, e.g. humidity, pressure, temperature, cloud cover or wind speed
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
-
- 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)
- Physics & Mathematics (AREA)
- Environmental & Geological Engineering (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Ecology (AREA)
- Atmospheric Sciences (AREA)
- Computational Mathematics (AREA)
- Environmental Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Algebra (AREA)
- Pure & Applied Mathematics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种考虑效率‑资源最优平衡的微地形气象预测方法及系统,该方法包括:确定需要气象预测的区域;根据预测范围需求,将WRF数值预报方式以及LES预报方式嵌套组成多组多层嵌套方案;测算预测运行可用的最大计算资源数,开展不同计算资源使用率条件下,不同的多层嵌套方案下的每预测24小时所需的计算时间;进行多组多层嵌套方案以及同计算资源分配的组合遍历进行天气预测;选择计算耗时与占用资源最优平衡的网格嵌套和计算资源配置方法中精度最高的方案作为最优的气象预测方法。本发明建立预测分辨率、预测计算资源以及预测计算时长最优平衡的WRF‑LES耦合的微地形区域微气象预测业务模型。
Description
技术领域
本发明涉及电网防护技术领域,尤其涉及一种考虑效率-资源最优平衡的微地形气象预测方法及系统。
背景技术
舞动是不均匀覆冰的架空输电线路在垂直风作用下产生的剧烈振动,线路舞动振幅最高达10米以上,严重威胁电网安全运行和输电稳定。统计近些年电网线路舞动故障信息发现,在一些垭口和峡谷区域,受微地形和微气象影响,线路容易出现舞动跳闸。
目前国家电网公司舞动预测预警中心的输电线路舞动数值预报系统,可以开展3km×3km分辨率电网舞动过程预测,但是,微地形区域输电线路舞动往往只发生在1-2个档距件,具有尺度小、舞动幅值大、致灾率高以及预测难度大的特点,微地形区域的微气象特征造成局地覆冰、风场与大尺度差异较大,现有3km×3km的舞动预测难以准确预测微地形区域的舞动。因此需要开展中-小尺度耦合的微地形区域微气象预测研究,实现提升微地形舞动的目的。WRF(Weather Research and Forecasting Model,天气预报)模式是目前最成熟的中尺度数值天气模式之一,一方面可以方便地利用全球预报或再分析资料作为初边值条件,另一方面又同时具备开展小尺度LES(Large Eddy Simulation,大涡模拟法)所需的动力框架及物理方案。WRF模式的以上特性,使利用WRF-LES来运行微地形区域微气象预测成为可能。
WRF-LES耦合的业务系统中,分辨率越高,对微地形区域气象条件的描述越精细,所需要的计算资源和计算时长也越多。
发明内容
本发明提供了一种考虑效率-资源最优平衡的微地形气象预测方法及系统,用以解决现有的中尺度以及小尺度天气预报的效率-资源难以平衡的技术问题。
为解决上述技术问题,本发明提出的技术方案为:
一种考虑效率-资源最优平衡的微地形气象预测方法,包括以下步骤:
确定需要气象预测的区域、需要发布的预测时长t1、以及预测初始场数据来源、数据起报时刻和数据传输下载所需的时间t2;
根据预测范围需求,将WRF数值预报方式以及LES预报方式嵌套组成多组多层嵌套方案;
测算预测运行可用的最大计算资源数,开展不同计算资源使用率条件下,不同的多层嵌套方案下的每预测24小时所需的计算时间t3;测算数据预测计算结束后,数据展示和发布的所需的时间t4;
进行多组多层嵌套方案以及同计算资源分配的组合遍历进行天气预测;选出计算耗时与占用资源最优平衡的网格嵌套和计算资源配置方法,针对典型位置进行模拟预测;
根据模拟预测和实际天气的对比,选择计算耗时与占用资源最优平衡的网格嵌套和计算资源配置方法中精度最高的方案作为最优的气象预测方法。
优选地,每个多层嵌套方案,满足:相邻两层网格的分辨率比是外层:内层为3:1-5:1。
优选地,每个多层嵌套方案中每层网格的时间分辨率满足:c·Δt≤Δx,其中,c为波速度,Δt为时间步长,Δx为网格距。
优选地,进行多组多层嵌套方案以及同计算资源分配的组合遍历进行天气预测时,满足t1+t2+n×t3+t4≤n×24的条件。
优选地,典型位置满足:属于微地形区域,有精细的气象观测数据。
本发明还提供一种计算机系统,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,处理器执行计算机程序时实现上述任一方法的步骤。
本发明具有以下有益效果:
本发明的考虑效率-资源最优平衡的微地形气象预测方法及系统。是一种考虑效率-资源最优平衡的微地形气象预测计算网格划分方法,建立预测分辨率、预测计算资源、预测计算时长和计算资源最优平衡的WRF-LES耦合的微地形区域微气象预测业务模型,支撑微地形舞动预测业务。
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是本发明优选实施例的考虑效率-资源最优平衡的微地形气象预测方法的流程示意图;
图2是本发明优选实施例的WRF-LES多层嵌套网格示意图;
图3是本发明优选实施例2的不同分辨率网格2米温度和10米风速模拟结果的流程图。
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。
本发明实施例的考虑效率-资源最优平衡的微地形气象预测方法,包括以下步骤:
实施例1:
参见图1,本实施例的考虑效率-资源最优平衡的微地形气象预测方法,包括以下步骤:
(1)模式业务运行需求分析。
首先开展WRF-LES耦合模式业务运行需求分析,包括:
1)确定需要预测的区域;
2)确定需要发布的预测时长t1;
3)确定预测初始场数据来源、数据起报时刻和数据传输下载所需的时间t2。
(2)模式嵌套方案制定。
WRF数值模式属于中尺度数值模式,WRF的初始预测分辨率为10-30km,通过多层嵌套模型,最高可达到约1km,由于中尺度WRF模式参数化过程无法描述一些次网格过程,当分辨率超过1km以后,预报结果误差无意义,此时只能采用小尺度LES数值模式。
根据预测范围需求,预先设计几种多层嵌套方法,设计每层网格的空间分辨率时,为保证嵌套稳定,相邻两层网格的分辨率比一般是3:1-5:1(外层:内层);设计每层网格的时间分辨率,根据线性稳定性判据,波速度(c),时间步长(Δt),网格距(Δx)需要满足c·Δt≤Δx。
为了找出最优的网格划分嵌套方法,嵌套方法尽可能的多。
(3)不同计算资源下模式运行时间测试。
测算业务运行可用的最大计算资源数,开展不同计算资源使用率条件下,不同嵌套方案下的模式每预测24小时所需的计算时间t3。测算数据预测计算结束后,数据展示、发布的所需的时间t4。
要实现模式业务运行,需要满足:t1+t2+n×t3+t4≤n×24。
其中t1表示需要发布的预测时长,t2表示初始场数据传输下载所需的时间,n表示需要预测计算n个24小时,t3表示每预测24小时所需的计算时间,t4表示数据展示发布的所需的时间。
为了达到预测效率和计算资源的最优配置,使用不同计算资源的分类尽可能多。
(4)模式预测效果分析。
通过步骤(3)的测试,选出前三种最优的网格嵌套和计算资源配置方法,针对典型位置进行模拟计算,根据预测和实际对比,选择最优平衡的网格嵌套和计算资源配置。最优为计算耗时与占用资源最优平衡的网格嵌套和计算资源配置方法。
为了使模式预测效果验证的更加准确,选择的典型位置需要满足:属于微地形区域,有精细的气象观测数据。
根据模拟预测和实际天气的对比,选择计算耗时与占用资源最优平衡的网格嵌套和计算资源配置方法中精度最高的方案作为最优的气象预测方法。
(5)模式业务化运行。
根据优选的网格划分和计算资源配置,开展WRF-LES耦合的微地形区域微气象业务预测。
实施例2:
本实施例的考虑效率-资源最优平衡的微地形气象预测方法,包括以下步骤:
(1)模式业务运行需求分析。
首先开展WRF-LES耦合模式业务运行需求分析。
需要开展预测的位置为江汉地区西部,东经111-113°,北纬30.3-31.5°,该区域处于江汉平原和鄂西山脉过渡的区域,多丘陵,容易发生微地形舞动。
需要发布的预测时长为2天,即48小时。
预测模式初始场数据来源于GFS初始场数据,数据起报时刻为北京时间20时。
初始场数据下载传输到本地计算平台所需的时间为3小时。
(2)模式嵌套方案制定。
WRF-LES多层嵌套网格分为外层WRF模式和内层LES模式,WRF模式设计三层嵌套,参见图2,分辨率分别为7290米,2430米和810米;LES模式设计三层嵌套,分辨率分别为270米,90米和30米。
根据线性稳定性判据,计算出不同分辨率网格时间分辨率,参见表1。
表1不同网格空间分辨率对应时间分辨率
根据网格嵌套情况,一共组合了五种嵌套方式。
表2五种嵌套方式说明
嵌套方式 | WRF分辨率 | Les分辨率 |
2层嵌套 | 7290、2430 | / |
3层嵌套 | 7290、2430、810 | / |
4层嵌套 | 7290、2430、810 | 270 |
5层嵌套 | 7290、2430、810 | 270、90 |
6层嵌套 | 7290、2430、810 | 270、90、30 |
(3)不同计算资源下模式运行时间测试。
根据测算,目前业务运行可用的最大计算资源数为1288个CPU,运行中可能出现故障率5%,业务运行可用1224个CPU。开展不同计算资源使用率条件下,不同嵌套方案下的模式每预测24小时所需的计算时间。由于计算速度受计算机器的型号、节点数、机器老化等影响,不同计算资源下模式运行时间测试需根据实际机器情况开展实际测算。
测算数据预测计算结束后,数据展示、发布的所需的时间约0.5小时。
要实现模式业务运行,要从起报时间计算未来48小时预测结果,其中24-48小时的预测数据为可用预测数据。从起报时间计算未来96小时预测结果,其中48-96小时的预测数据为可用预测数据。
表3不同嵌套方式、不同计算资源下技术时长说明
(4)模式预测效果分析。
通过步骤(3)的测试,30米分辨率网格嵌套由于预测计算时间过长,无法用于预测,只能开展历史过程诊断模拟。
根据当地一座测风塔所在位置近地面风速、温度预测和实况对比,发现90米网格可以较好反映局地地形对微气象的影响。图3为不同分辨率网格的2米温度和10米风速模拟结果。图中(a)为810米;(b)为270米;(c)90米;(d)30米;箭头为研究点。
(5)模式业务化运行。
根据优选的网格划分和计算资源配置,提出多层逐步嵌套WRF-LES网格设置方法,实现了分辨率达90米的业务化系统,开展WRF-LES耦合的微地形区域微气象业务预测。
综上可知,本发明通过寻找一种考虑效率-资源最优平衡的计算网格划分方法,进行微地形气象预测,建立预测分辨率、预测计算资源、预测计算时长最优平衡的WRF-LES耦合的微地形区域微气象预测业务模型,支撑微地形舞动预测业务。
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 (6)
1.一种考虑效率-资源最优平衡的微地形气象预测方法,其特征在于,包括以下步骤:
确定需要气象预测的区域、需要发布的预测时长t1、以及预测初始场数据来源、数据起报时刻和数据传输下载所需的时间t2;
根据预测范围需求,将WRF数值预报方式以及LES预报方式嵌套组成多组多层嵌套方案;
测算预测运行可用的最大计算资源数,开展不同计算资源使用率条件下,不同的多层嵌套方案下的每预测24小时所需的计算时间t3;测算数据预测计算结束后,数据展示和发布的所需的时间t4;
进行多组多层嵌套方案以及同计算资源分配的组合遍历进行天气预测;选出计算耗时与占用资源最优平衡的网格嵌套和计算资源配置方法,针对典型位置进行模拟预测;
根据模拟预测和实际天气的对比,选择计算耗时与占用资源最优平衡的网格嵌套和计算资源配置方法中精度最高的方案作为最优的气象预测方法。
2.根据权利要求1所述的考虑效率-资源最优平衡的微地形气象预测方法,其特征在于,每个多层嵌套方案,满足:相邻两层网格的分辨率比是外层:内层为3:1-5:1。
3.根据权利要求1所述的考虑效率-资源最优平衡的微地形气象预测方法,其特征在于,每个多层嵌套方案中每层网格的时间分辨率满足:c·Δt≤Δx,其中,c为波速度,Δt为时间步长,Δx为网格距。
4.根据权利要求2所述的考虑效率-资源最优平衡的微地形气象预测方法,其特征在于,进行多组多层嵌套方案以及同计算资源分配的组合遍历进行天气预测时,满足t1+t2+n×t3+t4≤n×24的条件。
5.根据权利要求2所述的考虑效率-资源最优平衡的微地形气象预测方法,其特征在于,所述典型位置满足:属于微地形区域,有精细的气象观测数据。
6.一种计算机系统,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至5任一所述方法的步骤。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111157725.8A CN113917566B (zh) | 2021-09-28 | 2021-09-28 | 考虑效率-资源最优平衡的微地形气象预测方法及系统 |
PCT/CN2022/121688 WO2023051519A1 (zh) | 2021-09-28 | 2022-09-27 | 电网微地形覆冰数值预测方法及系统 |
CA3185295A CA3185295A1 (en) | 2021-09-28 | 2022-09-27 | Micro-landform icing prediction method for power grid, and system |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111157725.8A CN113917566B (zh) | 2021-09-28 | 2021-09-28 | 考虑效率-资源最优平衡的微地形气象预测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113917566A CN113917566A (zh) | 2022-01-11 |
CN113917566B true CN113917566B (zh) | 2023-06-27 |
Family
ID=79237522
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111157725.8A Active CN113917566B (zh) | 2021-09-28 | 2021-09-28 | 考虑效率-资源最优平衡的微地形气象预测方法及系统 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN113917566B (zh) |
WO (1) | WO2023051519A1 (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113917566B (zh) * | 2021-09-28 | 2023-06-27 | 国网湖南省电力有限公司 | 考虑效率-资源最优平衡的微地形气象预测方法及系统 |
CN117852231A (zh) * | 2022-09-30 | 2024-04-09 | 北京金风科创风电设备有限公司 | 风力发电机组的异常预测方法和装置、存储介质 |
CN116306893B (zh) * | 2023-05-24 | 2023-07-28 | 华东交通大学 | 一种接触网覆冰预警方法 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003098271A (ja) * | 2001-09-27 | 2003-04-03 | Fujitsu Ltd | 気象予測結果選定方法及び低気圧移動ベクトル計算方法 |
KR20180099347A (ko) * | 2017-02-28 | 2018-09-05 | 부산대학교 산학협력단 | 기상과 식생 탄소 모델 결과를 이용한 지역 규모 이산화탄소 수지 계산 방법 |
CN108509537A (zh) * | 2018-03-14 | 2018-09-07 | 北京玖天气象科技有限公司 | 一种输电线路舞动概率预报系统及方法 |
CN108983320A (zh) * | 2018-04-08 | 2018-12-11 | 浙江大学 | 一种沿海台风极值风速的数值天气预报-人工智能耦合预测方法 |
JP2019095323A (ja) * | 2017-11-24 | 2019-06-20 | 株式会社日立製作所 | 気象予測装置 |
CN110275224A (zh) * | 2019-05-24 | 2019-09-24 | 兰州大学 | 精细化近地层气象要素预报系统及其预报方法 |
CN110286424A (zh) * | 2019-04-15 | 2019-09-27 | 南京大学 | 基于数值统计的客观天气分型方法 |
CN110618473A (zh) * | 2019-10-09 | 2019-12-27 | 北京北科融智云计算科技有限公司 | 一种即时气象情报保障方法 |
CN111062488A (zh) * | 2019-12-09 | 2020-04-24 | 北京国网富达科技发展有限责任公司 | 舞动轨迹预警方法及系统 |
CN112711919A (zh) * | 2020-12-17 | 2021-04-27 | 国网湖南省电力有限公司 | 基于中小尺度模式耦合的导线覆冰预报方法及系统 |
CN112862274A (zh) * | 2021-01-26 | 2021-05-28 | 平衡机器科技(深圳)有限公司 | 一种基于WRF-LES和DeepAR相结合的风功率预测方法 |
CN113240172A (zh) * | 2021-05-11 | 2021-08-10 | 国网湖南省电力有限公司 | 微地形覆冰数值预测方法及系统 |
CN113325488A (zh) * | 2021-06-01 | 2021-08-31 | 国网河南省电力公司电力科学研究院 | 一种强对流天气下阵风发生范围的预测方法及系统 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7736687B2 (en) * | 2006-01-31 | 2010-06-15 | Advance Bio Prosthetic Surfaces, Ltd. | Methods of making medical devices |
GB0118853D0 (en) * | 2001-08-02 | 2001-09-26 | Univ Birmingham | Road weather prediction system and method |
JP4202890B2 (ja) * | 2003-10-30 | 2008-12-24 | 株式会社東芝 | 気象予測システム及び電力需要予測システムと気象予測方法及び電力需要予測方法 |
WO2013181463A1 (en) * | 2012-05-30 | 2013-12-05 | Saint Louis University | Apparatus and method for provoding environmental predictive indicators to emergency response managers |
JPWO2015182142A1 (ja) * | 2014-05-28 | 2017-06-15 | メトロウェザー株式会社 | 気象予報システム |
CN105184407B (zh) * | 2015-09-11 | 2017-03-01 | 国家电网公司 | 基于大气数值模式的输电线路覆冰增长预测方法 |
PL3343249T3 (pl) * | 2017-01-03 | 2020-05-18 | UBIMET GmbH | Sposób zwiększenia przestrzennej rozdzielczości prognozy pogody |
CN110210002A (zh) * | 2019-05-21 | 2019-09-06 | 国网湖北省电力有限公司 | 一种输电线覆冰预警算法 |
CN112630836B (zh) * | 2020-12-11 | 2022-12-06 | 国网湖南省电力有限公司 | 基于电网微地形覆冰威胁路径延伸分析的监测布点方法及系统 |
CN113917566B (zh) * | 2021-09-28 | 2023-06-27 | 国网湖南省电力有限公司 | 考虑效率-资源最优平衡的微地形气象预测方法及系统 |
-
2021
- 2021-09-28 CN CN202111157725.8A patent/CN113917566B/zh active Active
-
2022
- 2022-09-27 WO PCT/CN2022/121688 patent/WO2023051519A1/zh unknown
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003098271A (ja) * | 2001-09-27 | 2003-04-03 | Fujitsu Ltd | 気象予測結果選定方法及び低気圧移動ベクトル計算方法 |
KR20180099347A (ko) * | 2017-02-28 | 2018-09-05 | 부산대학교 산학협력단 | 기상과 식생 탄소 모델 결과를 이용한 지역 규모 이산화탄소 수지 계산 방법 |
JP2019095323A (ja) * | 2017-11-24 | 2019-06-20 | 株式会社日立製作所 | 気象予測装置 |
CN108509537A (zh) * | 2018-03-14 | 2018-09-07 | 北京玖天气象科技有限公司 | 一种输电线路舞动概率预报系统及方法 |
CN108983320A (zh) * | 2018-04-08 | 2018-12-11 | 浙江大学 | 一种沿海台风极值风速的数值天气预报-人工智能耦合预测方法 |
CN110286424A (zh) * | 2019-04-15 | 2019-09-27 | 南京大学 | 基于数值统计的客观天气分型方法 |
CN110275224A (zh) * | 2019-05-24 | 2019-09-24 | 兰州大学 | 精细化近地层气象要素预报系统及其预报方法 |
CN110618473A (zh) * | 2019-10-09 | 2019-12-27 | 北京北科融智云计算科技有限公司 | 一种即时气象情报保障方法 |
CN111062488A (zh) * | 2019-12-09 | 2020-04-24 | 北京国网富达科技发展有限责任公司 | 舞动轨迹预警方法及系统 |
CN112711919A (zh) * | 2020-12-17 | 2021-04-27 | 国网湖南省电力有限公司 | 基于中小尺度模式耦合的导线覆冰预报方法及系统 |
CN112862274A (zh) * | 2021-01-26 | 2021-05-28 | 平衡机器科技(深圳)有限公司 | 一种基于WRF-LES和DeepAR相结合的风功率预测方法 |
CN113240172A (zh) * | 2021-05-11 | 2021-08-10 | 国网湖南省电力有限公司 | 微地形覆冰数值预测方法及系统 |
CN113325488A (zh) * | 2021-06-01 | 2021-08-31 | 国网河南省电力公司电力科学研究院 | 一种强对流天气下阵风发生范围的预测方法及系统 |
Non-Patent Citations (2)
Title |
---|
《Numerical Simulation of Near-Surface Wind during a Severe Wind Event in a Complex Terrain by Multisource Data Assimilation and Dynamic Downscaling》;De Zhang;《Advances in Meteorology》;1-14 * |
《基于微气象的输电线路覆冰预测技术研究》;高亭;《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》;1-47 * |
Also Published As
Publication number | Publication date |
---|---|
WO2023051519A1 (zh) | 2023-04-06 |
CN113917566A (zh) | 2022-01-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113917566B (zh) | 考虑效率-资源最优平衡的微地形气象预测方法及系统 | |
Karray et al. | Earnpipe: A testbed for smart water pipeline monitoring using wireless sensor network | |
Shiri et al. | Global cross-station assessment of neuro-fuzzy models for estimating daily reference evapotranspiration | |
CN104699936B (zh) | 基于计算流体力学短期风速预测的风电场扇区管理方法 | |
CN106443833B (zh) | 一种基于云计算的数值天气预报方法 | |
Brown et al. | The influence of lifting condensation level on low-level outflow and rotation in simulated supercell thunderstorms | |
CN103268572A (zh) | 一种千万千瓦级大型风电基地测风网络的微观选址方法 | |
CN101853290A (zh) | 基于地理信息系统的气象服务效益评估方法 | |
CN110363333A (zh) | 一种基于渐进梯度回归树的天气影响下空中通行能力的预测方法 | |
CN107784165A (zh) | 基于光伏电站的地表温度场多尺度资料同化方法 | |
CN112541654B (zh) | 一种区域风能资源精细化评估方法 | |
CN108629056A (zh) | 一种风电功率预测方法及系统 | |
CN112612617B (zh) | 卫星遥测数据处理方法、系统及星座状态监控平台 | |
CN105095659B (zh) | 基于云计算的省地协调分布式状态估计方法 | |
Li et al. | Passenger flow analysis of Beijing urban rail transit network using fractal approach | |
Yang et al. | Hourly wind data for aeolian vibration analysis of overhead transmission line conductors | |
Zhu et al. | Roles of TAO/TRITON and Argo in Tropical Pacific Observing Systems: An OSSE Study for Multiple Time Scale Variability | |
CN110210057A (zh) | 一种计算风荷载的方法及其系统 | |
CN106056312B (zh) | 一种样本风机动态选取方法 | |
CN110019167A (zh) | 一种中长期新能源资源资料库构建方法及系统 | |
CA3185295A1 (en) | Micro-landform icing prediction method for power grid, and system | |
CN109977346A (zh) | 用于对区域风场进行风速预报的方法和装置 | |
JP2021103186A (ja) | 気象予測データ作成プログラム、気象予測データ作成方法、及び、移動体 | |
CN113887839A (zh) | 一种基于聚类的风电场超短期风功率预测方法及系统 | |
CN104008305A (zh) | 用于千万千瓦风电基地的可发电风资源分布估计方法 |
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 |