CN115204495A - 一种电网沿线站点预测气象数据的修正方法及装置 - Google Patents
一种电网沿线站点预测气象数据的修正方法及装置 Download PDFInfo
- Publication number
- CN115204495A CN115204495A CN202210841186.8A CN202210841186A CN115204495A CN 115204495 A CN115204495 A CN 115204495A CN 202210841186 A CN202210841186 A CN 202210841186A CN 115204495 A CN115204495 A CN 115204495A
- Authority
- CN
- China
- Prior art keywords
- meteorological
- data
- forecast
- target
- determining
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000012937 correction Methods 0.000 title claims description 26
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 53
- 238000012549 training Methods 0.000 claims description 15
- 238000013507 mapping Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 7
- 238000001556 precipitation Methods 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 12
- 230000005540 biological transmission Effects 0.000 description 4
- 238000010276 construction Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供了一种电网沿线站点预测气象数据的修正方法及装置，针对目标电网沿线上的每个气象站点，获取该气象站点的第一历史预测气象数据、与该气象站点对应的每个第一格点的预测气象数据、以及每个第一格点对应的网格分辨率；从第一格点中选取一个目标格点，并基于目标格点的网格分辨率，确定目标插值算法；采用目标插值算法，确定该气象站点的候选预测气象数据；基于第一历史预测气象数据，从多个预报偏差确定模型中确定出目标预报偏差确定模型，并根据目标预报偏差确定模型，确定预测偏差；基于预测偏差对气象数据进行修正，确定目标预测气象数据。这样，通过选择合适的插值算法和预报偏差模型，有效的提高电网沿线站点气象预报的准确性。
Description
技术领域
本申请涉及气象预测技术领域，尤其是涉及一种电网沿线站点预测气象数据的修正方法及装置。
背景技术
输电线路气象灾害严重威胁着电网的安全稳定运行。近年来，极端天气频频发生，给输电线路运输设施带来极大压力，输电线路故障容易给经济造成了巨大的损失，因此就需要对电网输电线路周围的气象信息进行及时准确的预报。
在现有技术中，电网的沿线站点气象预报技术通常使用临近点插值将区域高分辨率数值预报格点预报数据插值到站点经纬度坐标上得到相应的要素预报结果。但是使用该模式直接插值的站点预报结果无法避免由数值模式本身自带的系统偏差以及插值换算方法所引起的数值平滑偏差，这两者的叠加往往会引起站点预报的实际结果劣化，降低预报的准确性。
发明内容
有鉴于此，本申请的目的在于提供一种电网沿线站点预测气象数据的修正方法及装置，通过选择合适的插值算法和预报偏差模型，有效的提高电网沿线站点气象预报的准确性。
本申请实施例提供了一种电网沿线站点预测气象数据的修正方法，所述修正方法包括：
针对目标电网沿线上的每个气象站点，获取该气象站点的第一历史预测气象数据、与该气象站点对应的每个第一格点的预测气象数据、以及每个第一格点对应的网格分辨率；所述第一格点是与该气象站点实际距离小于预设距离阈值的格点；
从所述第一格点中选取一个与该气象站点距离最近的格点作为目标格点；
根据预先设置的分辨率与插值方法之间的映射关系，基于所述目标格点对应的网格分辨率，确定计算该气象站点的候选预测气象数据所使用的目标插值算法；
基于该气象站点对应的每个第一格点的预测气象数据，采用确定出的该气象站点对应的目标插值算法，确定该气象站点的候选预测气象数据；
使用该气象站点的第一历史预测气象数据分别输入预先训练好的每个预报偏差确定模型中，将输出偏差最小的预报偏差确定模型确定为目标预报偏差确定模型；
将该气象站点的候选预测气象数据输入中所述目标预报偏差确定模型中，确定该候选预测气象数据的预测偏差；
基于所述预测偏差对所述候选预测气象数据进行修正，确定该气象站点的目标预测气象数据。
可选的，通过以下步骤确定该气象站点对应的每个第一格点：
获取所述目标电网所在区域上的每个第二格点的位置信息、以及该气象站点的位置信息；
基于每个第二格点的位置信息以及该气象站点的位置信息，计算该气象站点与每个第二格点之间的实际距离；
将实际距离小于预设距离阈值的第二格点确定为该气象站点对应的第一格点。
可选的，所述根据预先设置的分辨率与插值方法之间的映射关系，基于所述目标格点对应的网格分辨率，确定计算该气象站点的候选预测气象数据所使用的目标插值算法，包括：
当所述目标格点对应的网格分辨率为预设分辨率时，确定计算该气象站点的候选预测气象数据所使用的目标插值算法为二维三次样条插值算法；
当所述目标格点对应的网格分辨率不为预设分辨率时，确定计算该气象站点的候选预测气象数据所使用的目标插值算法为cressman邻域插值算法。
可选的，通过以下步骤构建预报偏差确定模型：
当需进行模型构建时，获取该气象站点当前时刻之前预设时间间隔内的历史气象数据；其中所述历史气象数据中包括历史真实气象数据和第二历史预测气象数据；
基于所述历史气象数据中包括的历史真实气象数据和第二历史预测气象数据，确定气象偏差数据；
将所述历史气象数据中的第二历史预测气象数据作为初始模型的输入特征，将所述气象偏差数据作为所述初始模型的输出特征，对所述初始模型进行迭代训练，当所述初始模型收敛时，停止训练，得到预报偏差确定模型。
可选的，所述预测气象数据中包括多种气象要素的预测气象数据；所述多种气象要素包括温度、湿度、风速、降水量和气压。
可选的，所述基于所述预测偏差对所述候选预测气象数据进行修正，确定该气象站点的目标预测气象数据，包括：
将使用所述预测偏差与所述候选预测气象数据叠加后生成的数据，确定为该气象站点的目标预测气象数据。
本申请实施例还提供了一种电网沿线站点预测气象数据的修正装置，所述修正装置包括：
获取模块，用于针对目标电网沿线上的每个气象站点，获取该气象站点的第一历史预测气象数据、与该气象站点对应的每个第一格点的预测气象数据、以及每个第一格点对应的网格分辨率；所述第一格点是与该气象站点实际距离小于预设距离阈值的格点；
选取模块，用于从所述第一格点中选取一个与该气象站点距离最近的格点作为目标格点；
第一确定模块，用于根据预先设置的分辨率与插值方法之间的映射关系，基于所述目标格点对应的网格分辨率，确定计算该气象站点的候选预测气象数据所使用的目标插值算法；
第二确定模块，用于基于该气象站点对应的每个第一格点的预测气象数据，采用确定出的该气象站点对应的目标插值算法，确定该气象站点的候选预测气象数据；
第三确定模块，用于使用该气象站点的第一历史预测气象数据分别输入预先训练好的每个预报偏差确定模型中，将输出偏差最小的预报偏差确定模型确定为目标预报偏差确定模型；
第四确定模块，用于将该气象站点的候选预测气象数据输入中所述目标预报偏差确定模型中，确定该候选预测气象数据的预测偏差；
修正模块，用于基于所述预测偏差对所述候选预测气象数据进行修正，确定该气象站点的目标预测气象数据。
可选的，所述修正转置还包括第五确定模块，所述第五确定模块用于：
获取所述目标电网所在区域上的每个第二格点的位置信息、以及该气象站点的位置信息；
基于每个第二格点的位置信息以及该气象站点的位置信息，计算该气象站点与每个第二格点之间的实际距离；
将实际距离小于预设距离阈值的第二格点确定为该气象站点对应的第一格点。
可选的，所述第一确定模块在用于根据预先设置的分辨率与插值方法之间的映射关系，基于所述目标格点对应的网格分辨率，确定计算该气象站点的候选预测气象数据所使用的目标插值算法时，所述第一确定模块用于：
当所述目标格点对应的网格分辨率为预设分辨率时，确定计算该气象站点的候选预测气象数据所使用的目标插值算法为二维三次样条插值算法；
当所述目标格点对应的网格分辨率不为预设分辨率时，确定计算该气象站点的候选预测气象数据所使用的目标插值算法为cressman邻域插值算法。
可选的，所述修正装置还包括模型构建模块，所述模型构建模块用于：
当需进行模型构建时，获取该气象站点当前时刻之前预设时间间隔内的历史气象数据；其中所述历史气象数据中包括历史真实气象数据和第二历史预测气象数据；
基于所述历史气象数据中包括的历史真实气象数据和第二历史预测气象数据，确定气象偏差数据；
将所述历史气象数据中的第二历史预测气象数据作为初始模型的输入特征，将所述气象偏差数据作为所述初始模型的输出特征，对所述初始模型进行迭代训练，当所述初始模型收敛时，停止训练，得到预报偏差确定模型。
可选的，所述预测气象数据中包括多种气象要素的预测气象数据；所述多种气象要素包括温度、湿度、风速、降水量和气压。
可选的，所述修正模块在用于基于所述预测偏差对所述候选预测气象数据进行修正，确定该气象站点的目标预测气象数据时，所述修正模块用于：
将使用所述预测偏差与所述候选预测气象数据叠加后生成的数据，确定为该气象站点的目标预测气象数据。
本申请实施例还提供一种电子设备，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行如上述的修正方法的步骤。
本申请实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如上述的修正方法的步骤。
本申请实施例提供的一种电网沿线站点预测气象数据的修正方法及装置，所述修正方法包括：针对目标电网沿线上的每个气象站点，获取该气象站点的第一历史预测气象数据、与该气象站点对应的每个第一格点的预测气象数据、以及每个第一格点对应的网格分辨率；所述第一格点是与该气象站点实际距离小于预设距离阈值的格点；从所述第一格点中选取一个与该气象站点距离最近的格点作为目标格点；根据预先设置的分辨率与插值方法之间的映射关系，基于所述目标格点对应的网格分辨率，确定计算该气象站点的候选预测气象数据所使用的目标插值算法；基于该气象站点对应的每个第一格点的预测气象数据，采用确定出的该气象站点对应的目标插值算法，确定该气象站点的候选预测气象数据；使用该气象站点的第一历史预测气象数据分别输入预先训练好的每个预报偏差确定模型中，将输出偏差最小的预报偏差确定模型确定为目标预报偏差确定模型；将该气象站点的候选预测气象数据输入中所述目标预报偏差确定模型中，确定该候选预测气象数据的预测偏差；基于所述预测偏差对所述候选预测气象数据进行修正，确定该气象站点的目标预测气象数据。
这样，通过选择合理的插值方案保证格点的预测气象数据插值到站点的准确性前提下，通过站点的历史预测气象选择合适的目标预报偏差确定模型，可以进一步确定预测气象数据的预测偏差，并通过预测偏差对预测气象数据进行纠正，从而进一步的提高电网沿线站点的气象预报的准确性。
为使本申请的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本申请实施例所提供的一种电网沿线站点预测气象数据的修正方法的流程图；
图2为本申请所提供的预测气象数据的数据样例示意图；
图3为本申请所提供的温度预报的误差曲线示意图；
图4为本申请所提供的风速预报的误差曲线示意图；
图5为本申请实施例所提供的一种电网沿线站点预测气象数据的修正装置的结构示意图之一；
图6为本申请实施例所提供的一种电网沿线站点预测气象数据的修正装置的结构示意图之二；
图7为本申请实施例所提供的一种电子设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的每个其他实施例，都属于本申请保护的范围。
在现有技术中，电网的沿线站点气象预报技术通常使用临近点插值将区域高分辨率数值预报格点预报数据插值到站点经纬度坐标上得到相应的要素预报结果。但是使用该模式直接插值的站点预报结果无法避免由数值模式本身自带的系统偏差以及插值换算方法所引起的数值平滑偏差，这两者的叠加往往会引起站点预报的实际结果劣化，降低预报的准确性。
基于此，本申请实施例提供了一种电网沿线站点预测气象数据的修正方法，通过选择合适的插值算法和预报偏差模型，有效的提高电网沿线站点气象预报的准确性。
请参阅图1，图1为本申请实施例所提供的一种电网沿线站点预测气象数据的修正方法的流程图。如图1中所示，本申请实施例提供的修正方法，包括：
S101、针对目标电网沿线上的每个气象站点，获取该气象站点的第一历史预测气象数据、与该气象站点对应的每个第一格点的预测气象数据、以及每个第一格点对应的网格分辨率。
这里，所述目标电网所铺设的沿线上，存在至少一个气象站点，所述气象站点用于实时获取周围的气象信息。
所述第一历史预测气象数据为该气象站点过去一段时间内每个数据记录时刻所对应的预测气象数据。示例的，所述第一历史预测气象数据可以为从当前时刻开始过去1个月内每小时的历史预测气象数据。所述第一历史预测气象数据中包括多个气象数据。
该气象站点对应的第一格点的数量为至少一个，第一格点的预测气象数据为预测未来某个时间的气象数据。示例的，第一格点的预测气象数据可以为未来48h的气象数据。所述第一格点是与该气象站点实际距离小于预设距离阈值的格点。
所述气象站点对应的第一格点各自对应的网格分辨率可能相同也可能不同。其中，第一格点对应的网格分辨率可以为1km、3km或9km的网格分辨率，其中，网格分辨率是根据数值天气模式格点之间设定的距离确定的。
在本申请提供的一种实施方式中，通过以下步骤确定该气象站点对应的每个第一格点：获取所述目标电网所在区域上的每个第二格点的位置信息、以及该气象站点的位置信息；基于每个第二格点的位置信息以及该气象站点的位置信息，计算该气象站点与每个第二格点之间的实际距离；将实际距离小于预设距离阈值的第二格点确定为该气象站点对应的第一格点。
这里，获取的第二格点的位置信息可以为该第二格点的经纬度信息，获取的该气象站点的位置信息可以为该气象站点的经纬度信息。
计算气象站点与第二格点之间的实际距离时，可通过欧式距离计算公式进行计算。预设距离阈值可适应性选择，示例的，所述预设距离阈值可以为15km。
其中，获取的第二格点的位置信息，获取的是每种网格分辨率下的第二格点的位置信息。
在本申请提供的另一种实施方式中，所述预测气象数据中包括多种气象要素的预测气象数据；所述多种气象要素包括温度、湿度、风速、降水量和气压。
示例的，请参阅图2，图2为本申请所提供的预测气象数据的数据样例示意图。如图2所示，预测气象数据共包括12列数据，其中每列数据的含义如下表所示。
S102、从所述第一格点中选取一个与该气象站点距离最近的格点作为目标格。
这里，确定该气象站点对应的第一格点时，同时也确定了该气象站点每个第一格点之间的欧式距离，然后就可以将与该气象站点距离最近的第一格点确定为目标格点。
其中，当与气象站点存在多个距离相同且都为距离最近的第一格点时，可以选取任意一个距离最近的第一格点作为目标格点。
S103、根据预先设置的分辨率与插值方法之间的映射关系，基于所述目标格点对应的网格分辨率，确定计算该气象站点的候选预测气象数据所使用的目标插值算法。
在本申请提供的一种实施方式中，所述预先设置的分辨率与插值方法之间的映射关系，基于所述目标格点对应的网格分辨率，确定计算该气象站点的候选预测气象数据所使用的目标插值算法，包括：当所述目标格点对应的网格分辨率为预设分辨率时，确定计算该气象站点的候选预测气象数据所使用的目标插值算法为二维三次样条插值算法；当所述目标格点对应的网格分辨率不为预设分辨率时，确定计算该气象站点的候选预测气象数据所使用的目标插值算法为cressman邻域插值算法。
这里，所选用的目标插值算法共包括两种，分别为二维三次样条插值算法和cressman邻域插值算法，具体选择哪种插值算法作为目标插值算法是由目标格点对应的网格分别率所决定的。
其中，预设分辨率是预设网格分辨率，所述预设分别率可根据实际情况进行适用性选择。示例的，所述预设分辨率可以选择1km的网格分辨率。
S104、基于该气象站点对应的每个第一格点的预测气象数据，采用确定出的该气象站点对应的目标插值算法，确定该气象站点的候选预测气象数据。
这里，确定出气象站点周围的每个第一格点的预测气象数据以及对应的目标插值算法后，根据目标插值算法的插值方式，基于每个第一格点的预测气象数据，确定出一个最终的预设气象数据，将确定出的数据作为气象站点的候选预测气象数据。
S105、使用该气象站点的第一历史预测气象数据分别输入预先训练好的每个预报偏差确定模型中，将输出偏差最小的预报偏差确定模型确定为目标预报偏差确定模型。
这里，每个气象站点对应有多个预报偏差确定模型，每个预报偏差确定模型是基于不同时间段的气象数据训练成的，预报偏差确定模型用于确定输入的预测气象数据的预报偏差。
其中，在确定目标预报偏差确定模型时，将该气象站点的第一历史预测气象数据分别输入预先训练好的每个预报偏差确定模型中，每个预报偏差确定模型都能输出一组预报偏差，并分别将输出的每组预报偏差进行相加，确定出每个模型的预报偏差，从而将预报偏差数值最小的模型确定为目标预报偏差确定模型。
在本申请提供的一种实施方式中，通过以下步骤构建预报偏差确定模型：当需进行模型构建时，获取该气象站点当前时刻之前预设时间间隔内的历史气象数据；其中所述历史气象数据中包括历史真实气象数据和第二历史预测气象数据；基于所述历史气象数据中包括的历史真实气象数据和第二历史预测气象数据，确定气象偏差数据；将所述历史气象数据中的第二历史预测气象数据作为初始模型的输入特征，将所述气象偏差数据作为所述初始模型的输出特征，对所述初始模型进行迭代训练，当所述初始模型收敛时，停止训练，得到预报偏差确定模型。
这里，预报偏差确定模型可间隔一定预设间隔时长一进行训练。示例的，预设间隔时长可为1天或一周或一个月等。其中，训练每个预报偏差确定模型所使用的训练样本的采集时长相同。例如，都使用过去一个月逐个小时的气象数据。
其中，确定气象偏差数据时，通常是使用相同时刻该气象站点的第二历史预测气象数据减去历史真实气象数据，确定出该气象站点的气象偏差数据。这样，可确定出多个气象偏差数据。
示例的，通过以下具体实施方式对预报偏差确定模型的构建过程进行示例性说明。假设模型构建的预设间隔时间为1周，当2022年7月1号，需要构建预报偏差确定模型时，所使用的历史气象数据的时间为2022年6月1号至2022年6月30号之间的气象数据。然后基于获取的历史气象数据确定初始模型的输入特征和输出特征，这样，通过训练可得到该时刻对应的预报偏差确定模型。此外，在该模型之前的一个模型获取的时刻为2022年6月24日，所使用的历史气象数据的时间为2022年5月24号至2022年6月23号之间的气象数据。以此类型，可得到多个预报偏差确定模型。
S106、将该气象站点的候选预测气象数据输入中所述目标预报偏差确定模型中，确定该候选预测气象数据的预测偏差。
这里，预报偏差确定模型用于确定预测气象数据的预报偏差，这样，将该气象站点的候选预测气象数据输入中所述目标预报偏差确定模型中，即可得到一个输出数据，该输出数据即为该气象站点的该候选预测气象数据的预测偏差。
S107、基于所述预测偏差对所述候选预测气象数据进行修正，确定该气象站点的目标预测气象数据。
在本申请提供的一种实施方式中，所述基于所述预测偏差对所述候选预测气象数据进行修正，确定该气象站点的目标预测气象数据，包括：将使用所述预测偏差与所述候选预测气象数据叠加后生成的数据，确定为该气象站点的目标预测气象数据。
这里，在对预测气象数据进行修正时，使用所述预测偏差和所述候选预测气象数据进行叠加，从而确定出该气象站点的目标预测气象数据。可以为将所述预测偏差和所述候选预测气象数据进行相加，从而确定出该气象站点的目标预测气象数据。
示例的，还要说明的是，基于本申请所提供的技术方案通过实验验证，发现本申请所提供的修正方法，可以进一步减少预测气象数据的误差，从而提高电网沿线气象站点的气象预报的准确性。示例的，请参阅图3、图4，图3为本申请所提供的温度预报的误差曲线示意图，图4为本申请所提供的风速预报的误差曲线示意图。如图3所示，在检验时段，两米温度预报的平均RMSE(均方误差)为2.09，绝对误差(AME)为1.8；如图4所示，十米风速的平均RMSE(均方误差)为1.67，绝对误差(AME)为1.42。4个数值均处于合理稳定的偏差区间，故，本申请提供的方法可以有效的提高气象预报的准确性。
本申请实施例提供的一种电网沿线站点预测气象数据的修正方法，所述修正方法包括：针对目标电网沿线上的每个气象站点，获取该气象站点的第一历史预测气象数据、与该气象站点对应的每个第一格点的预测气象数据、以及每个第一格点对应的网格分辨率；所述第一格点是与该气象站点实际距离小于预设距离阈值的格点；从所述第一格点中选取一个与该气象站点距离最近的格点作为目标格点；根据预先设置的分辨率与插值方法之间的映射关系，基于所述目标格点对应的网格分辨率，确定计算该气象站点的候选预测气象数据所使用的目标插值算法；基于该气象站点对应的每个第一格点的预测气象数据，采用确定出的该气象站点对应的目标插值算法，确定该气象站点的候选预测气象数据；使用该气象站点的第一历史预测气象数据分别输入预先训练好的每个预报偏差确定模型中，将输出偏差最小的预报偏差确定模型确定为目标预报偏差确定模型；将该气象站点的候选预测气象数据输入中所述目标预报偏差确定模型中，确定该候选预测气象数据的预测偏差；基于所述预测偏差对所述候选预测气象数据进行修正，确定该气象站点的目标预测气象数据。
这样，通过选择合理的插值方案保证格点的预测气象数据插值到站点的准确性前提下，通过站点的历史预测气象选择合适的目标预报偏差确定模型，可以进一步确定预测气象数据的预测偏差，并通过预测偏差对预测气象数据进行纠正，从而进一步的提高电网沿线站点的气象预报的准确性。
请参阅图5、图6，图5为本申请实施例所提供的一种电网沿线站点预测气象数据的修正装置的结构示意图之一，图6为本申请实施例所提供的一种电网沿线站点预测气象数据的修正装置的结构示意图之二。如图5中所示，所述修正装置500包括：
获取模块510，用于针对目标电网沿线上的每个气象站点，获取该气象站点的第一历史预测气象数据、与该气象站点对应的每个第一格点的预测气象数据、以及每个第一格点对应的网格分辨率；所述第一格点是与该气象站点实际距离小于预设距离阈值的格点；
选取模块520，用于从所述第一格点中选取一个与该气象站点距离最近的格点作为目标格点；
第一确定模块530，用于根据预先设置的分辨率与插值方法之间的映射关系，基于所述目标格点对应的网格分辨率，确定计算该气象站点的候选预测气象数据所使用的目标插值算法；
第二确定模块540，用于基于该气象站点对应的每个第一格点的预测气象数据，采用确定出的该气象站点对应的目标插值算法，确定该气象站点的候选预测气象数据；
第三确定模块550，用于使用该气象站点的第一历史预测气象数据分别输入预先训练好的每个预报偏差确定模型中，将输出偏差最小的预报偏差确定模型确定为目标预报偏差确定模型；
第四确定模块560，用于将该气象站点的候选预测气象数据输入中所述目标预报偏差确定模型中，确定该候选预测气象数据的预测偏差；
修正模块570，用于基于所述预测偏差对所述候选预测气象数据进行修正，确定该气象站点的目标预测气象数据。
可选的，如图6所示，所述修正转置500还包括第五确定模块580，所述第五确定模块580用于：
获取所述目标电网所在区域上的每个第二格点的位置信息、以及该气象站点的位置信息；
基于每个第二格点的位置信息以及该气象站点的位置信息，计算该气象站点与每个第二格点之间的实际距离；
将实际距离小于预设距离阈值的第二格点确定为该气象站点对应的第一格点。
可选的，所述第一确定模块530在用于根据预先设置的分辨率与插值方法之间的映射关系，基于所述目标格点对应的网格分辨率，确定计算该气象站点的候选预测气象数据所使用的目标插值算法时，所述第一确定模块530用于：
当所述目标格点对应的网格分辨率为预设分辨率时，确定计算该气象站点的候选预测气象数据所使用的目标插值算法为二维三次样条插值算法；
当所述目标格点对应的网格分辨率不为预设分辨率时，确定计算该气象站点的候选预测气象数据所使用的目标插值算法为cressman邻域插值算法。
可选的，所述修正装置500还包括模型构建模块590，所述模型构建模块590用于：
当需进行模型构建时，获取该气象站点当前时刻之前预设时间间隔内的历史气象数据；其中所述历史气象数据中包括历史真实气象数据和第二历史预测气象数据；
基于所述历史气象数据中包括的历史真实气象数据和第二历史预测气象数据，确定气象偏差数据；
将所述历史气象数据中的第二历史预测气象数据作为初始模型的输入特征，将所述气象偏差数据作为所述初始模型的输出特征，对所述初始模型进行迭代训练，当所述初始模型收敛时，停止训练，得到预报偏差确定模型。
可选的，所述预测气象数据中包括多种气象要素的预测气象数据；所述多种气象要素包括温度、湿度、风速、降水量和气压。
可选的，所述修正模块570在用于基于所述预测偏差对所述候选预测气象数据进行修正，确定该气象站点的目标预测气象数据时，所述修正模块570用于：
将使用所述预测偏差与所述候选预测气象数据叠加后生成的数据，确定为该气象站点的目标预测气象数据。
请参阅图7，图7为本申请实施例所提供的一种电子设备的结构示意图。如图7中所示，所述电子设备700包括处理器710、存储器720和总线730。
所述存储器720存储有所述处理器710可执行的机器可读指令，当电子设备700运行时，所述处理器710与所述存储器720之间通过总线730通信，所述机器可读指令被所述处理器710执行时，可以执行如上述图1至图4所示方法实施例中的步骤，具体实现方式可参见方法实施例，在此不再赘述。
本申请实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时可以执行如上述图1至图4所示方法实施例中的步骤，具体实现方式可参见方法实施例，在此不再赘述。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-OnlyMemory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：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以权利要求的保护范围为准。
Claims (10)
1.一种电网沿线站点预测气象数据的修正方法，其特征在于，所述修正方法包括：
针对目标电网沿线上的每个气象站点，获取该气象站点的第一历史预测气象数据、与该气象站点对应的每个第一格点的预测气象数据、以及每个第一格点对应的网格分辨率；所述第一格点是与该气象站点实际距离小于预设距离阈值的格点；
从所述第一格点中选取一个与该气象站点距离最近的格点作为目标格点；
根据预先设置的分辨率与插值方法之间的映射关系，基于所述目标格点对应的网格分辨率，确定计算该气象站点的候选预测气象数据所使用的目标插值算法；
基于该气象站点对应的每个第一格点的预测气象数据，采用确定出的该气象站点对应的目标插值算法，确定该气象站点的候选预测气象数据；
使用该气象站点的第一历史预测气象数据分别输入预先训练好的每个预报偏差确定模型中，将输出偏差最小的预报偏差确定模型确定为目标预报偏差确定模型；
将该气象站点的候选预测气象数据输入中所述目标预报偏差确定模型中，确定该候选预测气象数据的预测偏差；
基于所述预测偏差对所述候选预测气象数据进行修正，确定该气象站点的目标预测气象数据。
2.根据权利要求1所述的修正方法，其特征在于，通过以下步骤确定该气象站点对应的每个第一格点：
获取所述目标电网所在区域上的每个第二格点的位置信息、以及该气象站点的位置信息；
基于每个第二格点的位置信息以及该气象站点的位置信息，计算该气象站点与每个第二格点之间的实际距离；
将实际距离小于预设距离阈值的第二格点确定为该气象站点对应的第一格点。
3.根据权利要求1所述的修正方法，其特征在于，所述根据预先设置的分辨率与插值方法之间的映射关系，基于所述目标格点对应的网格分辨率，确定计算该气象站点的候选预测气象数据所使用的目标插值算法，包括：
当所述目标格点对应的网格分辨率为预设分辨率时，确定计算该气象站点的候选预测气象数据所使用的目标插值算法为二维三次样条插值算法；
当所述目标格点对应的网格分辨率不为预设分辨率时，确定计算该气象站点的候选预测气象数据所使用的目标插值算法为cressman邻域插值算法。
4.根据权利要求1所述的修正方法，其特征在于，通过以下步骤构建预报偏差确定模型：
当需进行模型构建时，获取该气象站点当前时刻之前预设时间间隔内的历史气象数据；其中所述历史气象数据中包括历史真实气象数据和第二历史预测气象数据；
基于所述历史气象数据中包括的历史真实气象数据和第二历史预测气象数据，确定气象偏差数据；
将所述历史气象数据中的第二历史预测气象数据作为初始模型的输入特征，将所述气象偏差数据作为所述初始模型的输出特征，对所述初始模型进行迭代训练，当所述初始模型收敛时，停止训练，得到预报偏差确定模型。
5.根据权利要求1所述的修正方法，其特征在于，所述预测气象数据中包括多种气象要素的预测气象数据；所述多种气象要素包括温度、湿度、风速、降水量和气压。
6.根据权利要求1所述的修正方法，其特征在于，所述基于所述预测偏差对所述候选预测气象数据进行修正，确定该气象站点的目标预测气象数据，包括：
将使用所述预测偏差与所述候选预测气象数据叠加后生成的数据，确定为该气象站点的目标预测气象数据。
7.一种电网沿线站点预测气象数据的修正装置，其特征在于，所述修正装置包括：
获取模块，用于针对目标电网沿线上的每个气象站点，获取该气象站点的第一历史预测气象数据、与该气象站点对应的每个第一格点的预测气象数据、以及每个第一格点对应的网格分辨率；所述第一格点是与该气象站点实际距离小于预设距离阈值的格点；
选取模块，用于从所述第一格点中选取一个与该气象站点距离最近的格点作为目标格点；
第一确定模块，用于根据预先设置的分辨率与插值方法之间的映射关系，基于所述目标格点对应的网格分辨率，确定计算该气象站点的候选预测气象数据所使用的目标插值算法；
第二确定模块，用于基于该气象站点对应的每个第一格点的预测气象数据，采用确定出的该气象站点对应的目标插值算法，确定该气象站点的候选预测气象数据；
第三确定模块，用于使用该气象站点的第一历史预测气象数据分别输入预先训练好的每个预报偏差确定模型中，将输出偏差最小的预报偏差确定模型确定为目标预报偏差确定模型；
第四确定模块，用于将该气象站点的候选预测气象数据输入中所述目标预报偏差确定模型中，确定该候选预测气象数据的预测偏差；
修正模块，用于基于所述预测偏差对所述候选预测气象数据进行修正，确定该气象站点的目标预测气象数据。
8.根据权利要求7所述的修正装置，其特征在于，所述修正装置还包括模型构建模块，所述模型构建模块用于：
当需进行模型构建时，获取该气象站点当前时刻之前预设时间间隔内的历史气象数据；其中所述历史气象数据中包括历史真实气象数据和第二历史预测气象数据；
基于所述历史气象数据中包括的历史真实气象数据和第二历史预测气象数据，确定气象偏差数据；
将所述历史气象数据中的第二历史预测气象数据作为初始模型的输入特征，将所述气象偏差数据作为所述初始模型的输出特征，对所述初始模型进行迭代训练，当所述初始模型收敛时，停止训练，得到预报偏差确定模型。
9.一种电子设备，其特征在于，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过所述总线进行通信，所述机器可读指令被所述处理器运行时执行如权利要求1至6任一所述的修正方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行如权利要求1至6任一所述的修正方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210841186.8A CN115204495A (zh) | 2022-07-18 | 2022-07-18 | 一种电网沿线站点预测气象数据的修正方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210841186.8A CN115204495A (zh) | 2022-07-18 | 2022-07-18 | 一种电网沿线站点预测气象数据的修正方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115204495A true CN115204495A (zh) | 2022-10-18 |
Family
ID=83582326
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210841186.8A Pending CN115204495A (zh) | 2022-07-18 | 2022-07-18 | 一种电网沿线站点预测气象数据的修正方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115204495A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115687805A (zh) * | 2022-12-30 | 2023-02-03 | 江西省气象信息中心(江西省气象培训中心、江西省农村经济信息中心) | 一种基于位置的气象数据查询方法及系统 |
| CN115952253A (zh) * | 2023-03-15 | 2023-04-11 | 中国空气动力研究与发展中心计算空气动力研究所 | 用于复杂地形空间数据库的空投轨迹预测方法及装置 |
| CN116578825A (zh) * | 2022-12-28 | 2023-08-11 | 上海勘测设计研究院有限公司 | 气象预测误差修正方法、装置、介质及电子设备 |
| CN117910658A (zh) * | 2024-03-15 | 2024-04-19 | 北京和利时系统工程有限公司 | 一种降水量预测方法、模型的训练与修正方法及装置 |
-
2022
- 2022-07-18 CN CN202210841186.8A patent/CN115204495A/zh active Pending
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116578825A (zh) * | 2022-12-28 | 2023-08-11 | 上海勘测设计研究院有限公司 | 气象预测误差修正方法、装置、介质及电子设备 |
| CN115687805A (zh) * | 2022-12-30 | 2023-02-03 | 江西省气象信息中心(江西省气象培训中心、江西省农村经济信息中心) | 一种基于位置的气象数据查询方法及系统 |
| CN115952253A (zh) * | 2023-03-15 | 2023-04-11 | 中国空气动力研究与发展中心计算空气动力研究所 | 用于复杂地形空间数据库的空投轨迹预测方法及装置 |
| CN115952253B (zh) * | 2023-03-15 | 2023-05-26 | 中国空气动力研究与发展中心计算空气动力研究所 | 用于复杂地形空间数据库的空投轨迹预测方法及装置 |
| CN117910658A (zh) * | 2024-03-15 | 2024-04-19 | 北京和利时系统工程有限公司 | 一种降水量预测方法、模型的训练与修正方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115204495A (zh) | 一种电网沿线站点预测气象数据的修正方法及装置 | |
| JP5020106B2 (ja) | 風力発電量予測システム、方法及びプログラム | |
| JP6884318B2 (ja) | 気象予測システム、気象予測方法、気象予測プログラム | |
| US20140067270A1 (en) | Weather information system | |
| US9945980B2 (en) | System, method and program product for providing infrastructure centric weather forecasts | |
| CN113393519B (zh) | 激光点云数据处理方法、装置及设备 | |
| CN116739191B (zh) | 热点网格识别方法、装置、存储介质及电子设备 | |
| CN113887143A (zh) | 多源异构空气污染物的空间插值方法、装置及计算机设备 | |
| CN116205541B (zh) | 评估本地污染源对环境空气质量影响的方法及装置 | |
| JP2006092058A (ja) | 流量予測装置 | |
| CN111126684A (zh) | 气候预测方法、装置、计算机可读存储介质和服务器 | |
| CN109241212B (zh) | 基于中尺度数值大气模式与高分辨率历史降雨反演方法 | |
| CN105868443B (zh) | 一种微地形微气象要素场的构建方法 | |
| CN118313566B (zh) | 识别高贡献量的网格的方法、装置与存储介质 | |
| CN116071651A (zh) | 一种均压场识别方法、装置、存储介质及终端 | |
| CN114841437A (zh) | 预评估排放源对空气质量贡献的方法、装置和电子设备 | |
| CN115457408A (zh) | 一种土地监测方法、装置、电子设备及介质 | |
| CN113593006A (zh) | 一种基于深度学习的气象数据空间插值精细化方法及系统 | |
| CN112001074B (zh) | 一种基于植被覆盖率的污染物治理方法、装置、存储介质 | |
| CN115239027B (zh) | 空气质量格点化集合预报的方法及装置 | |
| JP2006268784A (ja) | 配電線災害予測システム | |
| CN115905997B (zh) | 基于预测偏差优化的风电机组气象灾害预警方法及系统 | |
| CN110795519A (zh) | 基于Markov模型和概率统计的位置预测方法及可读存储介质 | |
| CN115657166A (zh) | 跨多气候区域的天气预报数值确定方法和装置 | |
| US10288547B2 (en) | Facility state analysis device, analysis method for facility state, storage medium, and facility management system |
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 |