CN114444020A - 一种针对电网杆塔点的气温预报订正系统 - Google Patents

一种针对电网杆塔点的气温预报订正系统 Download PDF

Info

Publication number
CN114444020A
CN114444020A CN202111320346.6A CN202111320346A CN114444020A CN 114444020 A CN114444020 A CN 114444020A CN 202111320346 A CN202111320346 A CN 202111320346A CN 114444020 A CN114444020 A CN 114444020A
Authority
CN
China
Prior art keywords
point
tower
module
grid
points
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.)
Pending
Application number
CN202111320346.6A
Other languages
English (en)
Inventor
韩乐琼
闫春江
谭磊
张永山
赵留学
全利红
齐伟强
张晓鑫
曹倩
吕瑞
赵东
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.)
Beijing Jiutian Jiutian Meteorological Technology Co ltd
State Grid Beijing Electric Power Co Ltd
Original Assignee
Beijing Jiutian Jiutian Meteorological Technology Co ltd
State Grid Beijing 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 Beijing Jiutian Jiutian Meteorological Technology Co ltd, State Grid Beijing Electric Power Co Ltd filed Critical Beijing Jiutian Jiutian Meteorological Technology Co ltd
Priority to CN202111320346.6A priority Critical patent/CN114444020A/zh
Publication of CN114444020A publication Critical patent/CN114444020A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/10—Devices for predicting weather conditions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Mathematical Optimization (AREA)
  • Health & Medical Sciences (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Environmental & Geological Engineering (AREA)
  • Computational Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Primary Health Care (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • General Business, Economics & Management (AREA)
  • Atmospheric Sciences (AREA)
  • Marketing (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Water Supply & Treatment (AREA)
  • Tourism & Hospitality (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Environmental Sciences (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Public Health (AREA)
  • Algebra (AREA)
  • Ecology (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Biology (AREA)

Abstract

本申请公开一种针对电网杆塔点的气温预报订正系统。所述系统包括格点优选装置用于计算最优格点序号并发送至订正模型装置；数据整理与质检装置用于采集历史气温观测记录并进行数据质控整合；站点重构装置，用于取得更好的站点匹配结果，结合历史气温观测记录的数据整合结果得到杆塔点的重构结果并发送至订正模型装置；订正模型装置，用于将站点重构的杆塔点实况与经过地形复杂度筛选出的格点预报值做分析，计算低温判据，建立常态回归模型和低温回归模型，将低温判据、订正系数和订正格点号运用到对应的模型预报结果中，得到考虑低温事件，考虑站点稀疏、海拔变化较大地区的杆塔点气温订正模型。采用本申请技术方案，能够提高气温预报的准确度。

Description

一种针对电网杆塔点的气温预报订正系统
技术领域
本申请涉及电力生产和气象预测的交叉领域，尤其涉及一种针对电网杆塔点的气温预报订正系统。
背景技术
近年来，随着温室效应加剧，极端天气时间也频发。受低温、冰冻等天气的影响而产生的电线覆冰等灾害影响，导致了电网系统中最关键、但也最易受损坏的架设在杆塔间的输电线路出现线路跳闸、短路等，该类灾害严重影响了区域人民的生活财产安全、且该灾害发生后，由于灾害性低温、冰冻天气的影响，导致了后续的检查、施工、施救等工作的不通畅。因为气温要素是分析会不会产生覆冰、冰冻现象的关键，因此，基于数值预报模式的气温预报分析预判输电线路是否会出现气象灾害的主要参数，也是预判是否会产生覆冰、冰冻现象的关键，同时也成为了新时期电网消灾减排的重中之重。
现阶段，随着数值模式的多次改进，机器学习技术的引入等，数值模式的精度一次次提高，针对某些城市，甚至能达到1公里精度，但是虽然高精度的数值预报模式能将大型的大气环流转化较好的预测出来，比如冷涡南下，台风北上等，但对单要素的局地单点预报上还是有较大的误差，难以针对某些区域的地形特点做出精准的预测，而当地的气象站点也并不是那么密集，无法满足各个杆塔点的气温预报需求。因此，减少数值预报的预报误差，从而得到更精确的气温预报是目前减少模式误差是得到杆塔点精准的气温预报，从而推出两个杆塔点间的输电线路是否会受到影响，精确的判断覆冰、冰冻等灾害天气发生的关键。
目前，减少数值模式预报误差一般采用两类方法：(1)针对模式运行前及运行过程的技术调整：通过改进、发展各类同化技术，提高模式的初始场精确度；优化物理参数化方案，减小因参数化而带来的模式误差；这些方法虽然可以一定程度上减少误差，但针对各地的地形地貌不一致，同一方法不能兼顾。因此第二种模式误差订正方法更为常。(2)其主要基于统计学理论对预报结果采用后处理方法进行订正。该方法中最简单有效的是统计模式误差，再用偏差消除方法做订正，但该方法只适用于特定误差比较一致的地区。常用的统计方法还有滤波法，滤波法非常快捷，但是受限于上一个时次的误差，在业务运用时，如果上一个时次实况未到，则会有相应的问题。相比起来，业务上运用较多的是回归法，即通过学习模式预报结果与周围气象站点的误差特征，掌握周围气象站点的变化规律，建立要素预报模型，得到订正后的要素预报，从而减小模式预报的误差。
现有的多种回归或者基于日误差叠加的订正方法，首先都是选择杆塔点附近的气象站点作为参考点，将杆塔点最近的格点数据插值到该点上，并比较二者的关系，建立回归或者计算误差，并以上述结果构建回归方程或误差加权方程，再反推回格点上，得到订正后的格点(即杆塔点)的结果。
针对上述提到的订正方法，即将格点(杆塔点)拟合到站点位置，并与站点建立回归或误差加权方程，再反推回格点上的方法。对于气象站密集，海拔变化不明显的平原地区，订正效果比较显著。但在站点稀疏的地区或者是海拔高度变化较大的地区，订正效果就有明显的缺陷，格点距离站点较远的情况下，已经不能用单独的站点来作为判断格点预报可靠性的标准，且在海拔变化较大的地区，平原地区的站点与高山位置的格点，二者必定有明显的气温差异，用该类方法只会让订正结果与真实值越发偏离。
其次上述的订正方法，更多的侧重于获取模式和实况长期的误差分布均值，而没有考虑到降温事件或极端低温事件时的实况和模式的误差变化与长年的误差有较大差别这一问题，因此，该类订正方法对降温和极端低温事件预报较差，不利于用来做针对电网服务的气温预报订正。
发明内容
本申请提供了一种针对电网杆塔点的气温预报订正系统，包括：
格点优选装置，用于计算代替单个杆塔点的最优格点序号，并将最优格点序号发送至订正模型装置；
数据整理与质检装置，用于采集历史气温观测记录，对历史气温观测记录进行数据质控整合，将数据整合结果发送至站点重构装置；
站点重构装置，用于通过杆塔点附近的站点考虑地形等条件的筛选和优选，取得更好的站点匹配结果，结合历史气温观测记录的数据整合结果得到杆塔点的重构结果，将杆塔点的重构结果发送至订正模型装置；
订正模型装置，用于将站点重构的杆塔点实况与经过地形复杂度筛选出的格点预报值做分析，计算低温判据，建立常态回归模型和低温回归模型，将低温判据、订正系数和订正格点号运用到对应的模型预报结果中，得到考虑低温事件，考虑站点稀疏、海拔变化较大地区的杆塔点气温订正模型。
如上所述的气温预报订正系统，其中，格点优选装置具体包括距离权重系数模块、高度权重系数模块和综合复杂度模块；
距离权重系数模块，具体用于根据杆塔点的经纬度与周围最近的n个格点，计算反距离权重系数，得到其距离权重系数，并发送至综合地形复杂度模块；
高度权重系数模块，具体用于根据杆塔点的海拔高度，以及各个格点的海拔高度，计算杆塔点附近的n个格点的高度权重系数，并发送至综合地形复杂度模块；
综合地形复杂度模块，具体用于根据距离权重系数模块发送的距离权重系数、以及高度权重系数模块发送的高度权重系数计算综合相似度。
如上所述的气温预报订正系统，其中，在距离权重系数模块中，以每个杆塔点的经纬度和周围的格点计算距离，计算距离的公式如下：
Figure BDA0003344941480000041
其中，loni为格点i的经度，lati为格点i的纬度，glon和glat分别是杆塔点的经度和纬度，di为杆塔点和格点的距离；
然后选择和杆塔点距离最小的n个格点计算的各个格点的距离权重系数计算公式如下：
Figure BDA0003344941480000042
其中，n为选取的距离杆塔点最近的格点数目，Zi为第i点的距离权重系数，di为第i个格点到杆塔点的距离。
如上所述的气温预报订正系统，其中，在高度权重模块中，每个杆塔点周围n个最近格点的高度权重系数计算公式如下：
Figure BDA0003344941480000043
其中，n为选取的距离杆塔点最近的格点数目，Hi为第i点的高度权重系数，hg为杆塔点的海拔高度，hi为第i个格点的海拔高度。
如上所述的气温预报订正系统，其中，在综合地形复杂度模块中，区域内的格点从西往东，从南往北做循环递增排序，即第一行第一列的格点序号为1，第一行第二列的格点序号为2，以此类推至最后一行最后一列的格点序号为M；
其中，综合相似度公式如下：
Ei＝Zi+Hi
其中，Ei表示格点综合相似度，Zi为距离权重系数，Hi为高度权重系数。
如上所述的气温预报订正系统，其中，数据整理与质检装置具体包括数据采集模块和数据质控整合模块，数据采集模块用于采集历史气温观测记录，数据质控整合模块用于对历史气温观测记录进行数据质控整合，将数据整合结果发送至站点重构装置。
如上所述的气温预报订正系统，其中，站点重构装置具体用于，对于站点稀疏的地区和海拔高度变化较大的地区，通过杆塔点附近的站点考虑地形等条件进行筛选和优选，取得更好的站点和格点匹配结果，为杆塔点选取周围的M个站点，随后结合历史气温观测记录，得到杆塔点的重构结果，即站点重构的杆塔点实况。
如上所述的气温预报订正系统，其中，站点重构装置具体包括站点优选模块和站点重构模块，站点优选模块用于通过杆塔点附近的站点考虑地形等条件的筛选和优选，取得更好的站点匹配结果；站点重构模块用于结合历史气温观测记录的数据整合结果和站点匹配结果得到杆塔点的重构结果，将杆塔点的重构结果发送至订正模型装置。
如上所述的气温预报订正系统，其中，订正模型装置包括低温判据模块和订正模型构建模块；其中，低温判据模块用于根据站点重构的杆塔点实况与经过地形复杂度筛选出的格点的预报值计算得到低温判据，然后将低温判据发送至订正模型构建模块；订正模型构建模块根据低温判据对预报进行分类，大于等于低温判据的杆塔点实况和格点预报值生成订正系数建立线性回归方程，从而构建常态回归模型，小于低温判据的杆塔点实况和格点预报值生成订正系数建立线性回归方程，从而构建低温回归模型。
本申请实现的有益效果如下：采用本申请技术方案，能够获取到最接近真是的杆塔点气温预报信息，并建立误差订正模型有效提高气温预报的准确度。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。
图1是本申请实施例一提供的一种针对电网杆塔点的气温预报订正系统示意图；
图2是北京范围内气象站站2016年11月21日12-2016年11月24日11时的降温过程检验结果示意图；
图3是单站低温日的检验结果示意图。
具体实施方式
下面结和本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
实施例一
考虑到由于现有的数值模式气温预报对气象站点稀疏或者海拔变化较大地区预报较差，且对降温和极端低温事件预报能力较差，导致电网冰冻、覆冰灾害等不能及时有效的提前预报，本申请实施例一提供一种针对电网杆塔点的气温预报订正系统，重点解决站点稀疏地区和极端低温事件的气温预报订正。
如图1所示，所述气温预报订正系统具体包括格点优选装置、数据整理与质检装置、站点重构装置和订正模型装置；
(一)格点优选装置，用于计算代替单个杆塔点的最优格点序号，并将最优格点序号发送至订正模型装置；
具体地，格点优选装置具体包括距离权重模块、高度权重模块和综合地形复杂度模块；
①距离权重模块，具体用于根据杆塔点的经纬度与周围最近的n个格点，计算反距离权重系数，得到其距离权重系数，并发送至综合地形复杂度模块；
其中，在距离权重系数模块中，以每个杆塔点的经纬度和周围的格点计算距离，计算距离的公式如下：
Figure BDA0003344941480000071
式(1)中，loni为格点i的经度，lati为格点i的纬度，glon和glat分别是杆塔点的经度和纬度，di为杆塔点和格点的距离；
然后选择和杆塔点距离最小的n个格点计算的各个格点的距离权重系数计算公式如下：
Figure BDA0003344941480000072
式(2)中，n为选取的距离杆塔点最近的格点数目，Zi为第i点的距离权重系数，di为第i个格点到杆塔点的距离。距离权重系数的取值范围从0到1；当某点与杆塔点经纬度完全重合时，该点权重系数为1。
②高度权重系数模块，具体用于根据杆塔点的海拔高度，以及各个格点的海拔高度，计算杆塔点附近的n个格点的高度权重系数，并发送至综合地形复杂度模块；
其中，在高度权重模块中，每个杆塔点周围n个最近格点的高度权重系数计算公式如下：
Figure BDA0003344941480000073
式(3)中，n为选取的距离杆塔点最近的格点数目，Hi为第i点的高度权重系数，hg为杆塔点的海拔高度，hi为第i个格点的海拔高度；高度权重系数的取值范围从0到1，当某点与杆塔点下海拔高度相同时，该点的高度权重系数为1。
③综合地形复杂度模块，具体用于根据距离权重系数模块发送的距离权重系数、以及高度权重系数模块发送的高度权重系数计算综合相似度；
在综合地形复杂度模块中，区域内的格点从西往东，从南往北做循环递增排序，即第一行第一列的格点序号为1，第一行第二列的格点序号为2，以此类推至最后一行最后一列的格点序号为M；
其中，综合相似度公式如下：
Ei＝Zi+Hi (4)
式(4)中，Ei表示格点综合相似度，Zi为距离权重系数，Hi为高度权重系数；
本申请实施例中，优选通过地形复杂度最接近法计算杆塔点最优格点序号，地形复杂度最接近算法为计算n个格点的综合相似度，综合相似度越大，该点越与杆塔点的地形复杂度越接近，因此选取综合相似度最大的格点来代表杆塔点，该格点序号即为杆塔点的最优格点序号。
(二)数据整理与质检装置，用于采集历史气温观测记录，对气温观测记录进行数据质控整合，将数据整合结果发送至站点重构装置；
具体地，数据整理与质检装置具体包括数据采集模块和数据质控整合模块，数据采集模块用于采集历史气温观测记录，数据质控整合模块用于对历史气温观测记录进行数据质控整合，将数据整合结果发送至站点重构装置。
(三)站点重构装置，用于通过杆塔点附近的站点考虑地形等条件的筛选和优选，取得更好的站点匹配结果，结合历史气温观测记录的数据整合结果得到杆塔点的重构结果，将杆塔点的重构结果发送至订正模型装置；
对于站点稀疏的地区和海拔高度变化较大的地区，通过杆塔点附近的站点考虑地形等条件进行筛选和优选，取得更好的站点和格点匹配结果，为杆塔点选取周围的M个站点，随后结合历史气温观测记录，得到杆塔点的重构结果，即站点重构的杆塔点实况；
具体地，站点重构装置具体包括站点优选模块和站点重构模块，站点优选模块用于通过杆塔点附近的站点考虑地形等条件的筛选和优选，取得更好的站点匹配结果；站点重构模块用于结合历史气温观测记录的数据整合结果和站点匹配结果得到杆塔点的重构结果，将杆塔点的重构结果发送至订正模型装置。
(四)订正模型装置，用于将站点重构的杆塔点实况与经过地形复杂度筛选出的格点预报值做分析，计算低温判据，建立常态回归模型和低温回归模型，将低温判据、订正系数和订正格点号运用到对应的模型预报结果中，得到考虑低温事件，考虑站点稀疏、海拔变化较大地区的杆塔点气温订正模型。
具体地，订正模型装置包括低温判据模块和订正模型构建模块；其中，低温判据模块用于根据站点重构的杆塔点实况与经过地形复杂度筛选出的格点的预报值计算得到低温判据，然后将低温判据发送至订正模型构建模块；订正模型构建模块根据低温判据对预报进行分类，大于等于低温判据的杆塔点实况和格点预报值生成订正系数建立线性回归方程，从而构建常态回归模型，小于低温判据的杆塔点实况和格点预报值生成订正系数建立线性回归方程，从而构建低温回归模型；
将低温判据和订正系数、订正格点号运用到每次回归模型的预报结果中，得到考虑低温事件，考虑站点稀疏、海拔变化较大地区的杆塔点气温订正模型。
以下结合图1所示的针对电网杆塔点的气温预报订正系统对北京区域内的电网杆塔点的气温预报进行订正的具体案例为例来说明本申请技术方案的实际应用：
本申请经过对GDFS模式预报的未来73小时2016年11月1日至2017年1月31日的冬季北京区域的气温订正。取得了较好的效果，经过订正后整个预报时段的均值更接近实况均值(表1)，且误差也有明显的减小(表2)。此外，对降温日的预报检验中(图2)，也发现在降温事件中表现出更好的预报能力，其在低温时段，订正后的气温预报降幅更明显，更接近实况；同时，对于单站(北京站、门头沟站、密云站、汤河口站)也能更好的预报其最低温的数值(图3)，使误差减小；在后续的用低温来判别是否会发生覆冰等灾害性天气的过程中非常重要；
表1.观测均值、模式均值和订正均值在预报时效内的比较
时序 观测均值(℃) 模式均值(℃) 订正均值(℃)
1-72h 2.52 2.32 2.6
1-24h 2.62 2.36 2.71
25-48h 2.54 2.42 2.54
49-72h 2.4 2.2 2.3
表2模式绝对误差和订正绝对误差
Figure BDA0003344941480000101
采用本申请的技术方案能够达到如下技术效果：
(1)对于站点稀疏的诸如西藏、新疆等地区，可以通过该方法，使各个格点都能学习到站点变化的规律。
(2)对于山区，基于格点优选装置，能够使格点能更好的代表杆塔点的值，从而使其订正预报更具有可靠性。
(3)针对低温，为低温制定了判据和对应的低温订正模型，可以更好的预报低温及其波动情况，从而能预报出覆冰、冰冻等电网线路非常关注的天气灾害，防患于未然。
以上所述实施例，仅为本申请的具体实施方式，用以说明本申请的技术方案，而非对其限制，本申请的保护范围并不局限于此，尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围。都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应所述以权利要求的保护范围为准。

Claims (9)

1.一种针对电网杆塔点的气温预报订正系统，其特征在于，包括：
格点优选装置，用于计算代替单个杆塔点的最优格点序号，并将最优格点序号发送至订正模型装置；
数据整理与质检装置，用于采集历史气温观测记录，对历史气温观测记录进行数据质控整合，将数据整合结果发送至站点重构装置；
站点重构装置，用于通过杆塔点附近的站点考虑地形条件的筛选和优选，取得更好的站点匹配结果，结合历史气温观测记录的数据整合结果得到杆塔点的重构结果，将杆塔点的重构结果发送至订正模型装置；
订正模型装置，用于将站点重构的杆塔点实况与经过地形复杂度筛选出的格点预报值做分析，计算低温判据，建立常态回归模型和低温回归模型，将低温判据、订正系数和订正格点号运用到对应的模型预报结果中，得到考虑低温事件，考虑站点稀疏、海拔变化较大地区的杆塔点气温订正模型。
2.如权利要求1所述的针对电网杆塔点的气温预报订正系统，其特征在于，格点优选装置具体包括距离权重系数模块、高度权重系数模块和综合复杂度模块；
距离权重系数模块，具体用于根据杆塔点的经纬度与周围最近的n个格点，计算反距离权重系数，得到其距离权重系数，并发送至综合地形复杂度模块；
高度权重系数模块，具体用于根据杆塔点的海拔高度，以及各个格点的海拔高度，计算杆塔点附近的n个格点的高度权重系数，并发送至综合地形复杂度模块；
综合地形复杂度模块，具体用于根据距离权重系数模块发送的距离权重系数、以及高度权重系数模块发送的高度权重系数计算综合相似度。
3.如权利要求2所述的针对电网杆塔点的风速预报订正系统，其特征在于，在距离权重系数模块中，以每个杆塔点的经纬度和周围的格点计算距离，计算距离的公式如下：
Figure FDA0003344941470000021
其中，loni为格点i的经度，lati为格点i的纬度，glon和glat分别是杆塔点的经度和纬度，di为杆塔点和格点的距离；
然后选择和杆塔点距离最小的n个格点计算的各个格点的距离权重系数计算公式如下：
Figure FDA0003344941470000022
其中，n为选取的距离杆塔点最近的格点数目，Zi为第i点的距离权重系数，di为第i个格点到杆塔点的距离。
4.如权利要求2所述的针对电网杆塔点的风速预报订正系统，其特征在于，在高度权重模块中，每个杆塔点周围n个最近格点的高度权重系数计算公式如下：
Figure FDA0003344941470000023
其中，n为选取的距离杆塔点最近的格点数目，Hi为第i点的高度权重系数，hg为杆塔点的海拔高度，hi为第i个格点的海拔高度。
5.如权利要求2所述的针对电网杆塔点的风速预报订正系统，其特征在于，在综合地形复杂度模块中，区域内的格点从西往东，从南往北做循环递增排序，即第一行第一列的格点序号为1，第一行第二列的格点序号为2，以此类推至最后一行最后一列的格点序号为M；
其中，综合相似度公式如下：
Ei＝Zi+Hi
其中，Ei表示格点综合相似度，Zi为距离权重系数，Hi为高度权重系数。
6.如权利要求1所述的针对电网杆塔点的风速预报订正系统，其特征在于，数据整理与质检装置具体包括数据采集模块和数据质控整合模块，数据采集模块用于采集历史气温观测记录，数据质控整合模块用于对历史气温观测记录进行数据质控整合，将数据整合结果发送至站点重构装置。
7.如权利要求1所述的针对电网杆塔点的风速预报订正系统，其特征在于，站点重构装置具体用于，对于站点稀疏的地区和海拔高度变化较大的地区，通过杆塔点附近的站点考虑地形等条件进行筛选和优选，取得更好的站点和格点匹配结果，为杆塔点选取周围的M个站点，随后结合历史气温观测记录，得到杆塔点的重构结果，即站点重构的杆塔点实况。
8.如权利要求7所述的针对电网杆塔点的风速预报订正系统，其特征在于，站点重构装置具体包括站点优选模块和站点重构模块，站点优选模块用于通过杆塔点附近的站点考虑地形等条件的筛选和优选，取得更好的站点匹配结果；站点重构模块用于结合历史气温观测记录的数据整合结果和站点匹配结果得到杆塔点的重构结果，将杆塔点的重构结果发送至订正模型装置。
9.如权利要求1所述的针对电网杆塔点的风速预报订正系统，其特征在于，订正模型装置包括低温判据模块和订正模型构建模块；其中，低温判据模块用于根据站点重构的杆塔点实况与经过地形复杂度筛选出的格点的预报值计算得到低温判据，然后将低温判据发送至订正模型构建模块；订正模型构建模块根据低温判据对预报进行分类，大于等于低温判据的杆塔点实况和格点预报值生成订正系数建立线性回归方程，从而构建常态回归模型，小于低温判据的杆塔点实况和格点预报值生成订正系数建立线性回归方程，从而构建低温回归模型。
CN202111320346.6A 2021-11-09 2021-11-09 一种针对电网杆塔点的气温预报订正系统 Pending CN114444020A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111320346.6A CN114444020A (zh) 2021-11-09 2021-11-09 一种针对电网杆塔点的气温预报订正系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111320346.6A CN114444020A (zh) 2021-11-09 2021-11-09 一种针对电网杆塔点的气温预报订正系统

Publications (1)

Publication Number Publication Date
CN114444020A true CN114444020A (zh) 2022-05-06

Family

ID=81363549

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111320346.6A Pending CN114444020A (zh) 2021-11-09 2021-11-09 一种针对电网杆塔点的气温预报订正系统

Country Status (1)

Country Link
CN (1) CN114444020A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115685387A (zh) * 2022-10-17 2023-02-03 中国气象局上海台风研究所(上海市气象科学研究所) 一种检验台风路径预报一致性和相似程度的方法及装置
CN116167509A (zh) * 2022-07-20 2023-05-26 中科三清科技有限公司 气温预测方法、装置、存储介质及电子设备

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112684520A (zh) * 2020-12-30 2021-04-20 北京墨迹风云科技股份有限公司 一种气象预报的订正方法、装置、计算机设备及存储介质
CN113159714A (zh) * 2021-04-01 2021-07-23 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
CN113176420A (zh) * 2021-02-08 2021-07-27 国网北京市电力公司 一种针对电网杆塔点的风速预报订正系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112684520A (zh) * 2020-12-30 2021-04-20 北京墨迹风云科技股份有限公司 一种气象预报的订正方法、装置、计算机设备及存储介质
CN113176420A (zh) * 2021-02-08 2021-07-27 国网北京市电力公司 一种针对电网杆塔点的风速预报订正系统
CN113159714A (zh) * 2021-04-01 2021-07-23 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

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116167509A (zh) * 2022-07-20 2023-05-26 中科三清科技有限公司 气温预测方法、装置、存储介质及电子设备
CN116167509B (zh) * 2022-07-20 2023-09-29 中科三清科技有限公司 气温预测方法、装置、存储介质及电子设备
CN115685387A (zh) * 2022-10-17 2023-02-03 中国气象局上海台风研究所(上海市气象科学研究所) 一种检验台风路径预报一致性和相似程度的方法及装置

Similar Documents

Publication Publication Date Title
CN108227041B (zh) 基于站点实测数据和模式结果的水平能见度预报方法
CN113919231B (zh) 基于时空图神经网络的pm2.5浓度时空变化预测方法及系统
CN109726867B (zh) 一种基于多模式集合的高分辨率电力气象预报方法
US20150039228A1 (en) Ultra-short-term forecasting method including real-time monitoring of the effect of upper and lower courses
CN114444020A (zh) 一种针对电网杆塔点的气温预报订正系统
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
CN113176420B (zh) 一种针对电网杆塔点的风速预报订正系统
CN108983324B (zh) 一种基于卡尔曼滤波的气温预报方法及系统
CN112114384B (zh) 一种输电线覆冰发生概率预报方法
CN104182594A (zh) 一种电力系统风区图的绘制方法
Zhu et al. Predictability and skill of convection-permitting ensemble forecast systems in predicting the record-breaking “21· 7” extreme rainfall event in Henan Province, China
CN114609698A (zh) 一种基于配料法思想和二分法的短时强降水概率预报方法
CN115808727A (zh) 百米级阵风客观预报方法及装置
CN105095670A (zh) 基于连续雨凇日数的输电线路覆冰厚度增长率分布图绘制方法
CN112561125A (zh) 一种风速预报多资料融合修正方法
CN107765348A (zh) 降水量气象报文数据误差修正方法、雨凇景观预测方法
CN109101659B (zh) 一种小水电数据采集系统中功率数据异常的方法
CN114819264A (zh) 一种基于时空依赖的光伏电站辐照度超短期预测方法及存储介质
CN107944466A (zh) 一种基于分段思想的降雨偏差纠正方法
CN117113828A (zh) 一种基于船基走航式观测的数值预报订正方法
CN115936238B (zh) 一种全域风电中长期出力预测方法、系统、设备及介质
CN106134464B (zh) 一种电离层参数短期预报的方法及装置
CN115600142A (zh) 一种基于不同方法的大风融合集成预报方法
CN114330478B (zh) 针对电网风速预报的风速分类订正方法
CN112561140A (zh) 基于东亚副热带急流和极锋急流协同变化的中国四季降水预测方法

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