WO2020103677A1 - 数值天气预报的气象要素数据处理方法及装置 - Google Patents

数值天气预报的气象要素数据处理方法及装置

Info

Publication number
WO2020103677A1
WO2020103677A1 PCT/CN2019/115125 CN2019115125W WO2020103677A1 WO 2020103677 A1 WO2020103677 A1 WO 2020103677A1 CN 2019115125 W CN2019115125 W CN 2019115125W WO 2020103677 A1 WO2020103677 A1 WO 2020103677A1
Authority
WO
WIPO (PCT)
Prior art keywords
element data
meteorological element
meteorological
time
error correction
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.)
Ceased
Application number
PCT/CN2019/115125
Other languages
English (en)
French (fr)
Inventor
丁宇宇
董天仁
王蔚青
丁明月
郭树锋
张宇
马文珍
耿琴兰
隆文喜
苟晓侃
杨凡
李国栋
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.)
State Grid Qinghai Electric Power Co Ltd
Information and Telecommunication Branch of State Grid Qinghai Electric Power Co Ltd
Beijing Goldwind Smart Energy Service Co Ltd
State Grid Corp of China SGCC
Original Assignee
State Grid Qinghai Electric Power Co Ltd
Information and Telecommunication Branch of State Grid Qinghai Electric Power Co Ltd
Beijing Goldwind Smart Energy Service Co Ltd
State Grid Corp of China SGCC
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 State Grid Qinghai Electric Power Co Ltd, Information and Telecommunication Branch of State Grid Qinghai Electric Power Co Ltd, Beijing Goldwind Smart Energy Service Co Ltd, State Grid Corp of China SGCC filed Critical State Grid Qinghai Electric Power Co Ltd
Publication of WO2020103677A1 publication Critical patent/WO2020103677A1/zh
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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 OR CALCULATING; 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
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/10—Numerical modelling
    • 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

Definitions

  • the present application relates to the technical field of data processing, for example, to a method and device for meteorological element data processing of numerical weather forecast.
  • Numerical weather forecast data such as wind speed and wind direction are used as inputs, and the forecasted meteorological elements are converted into wind farm output power prediction and photovoltaic output power prediction through prediction algorithms. Therefore, accurate prediction of numerical weather forecast data can provide important decision support for power dispatching, and is one of the important determinants of the prediction accuracy of new energy generation power.
  • Model post-processing methods for wind speed forecasting include model output statistics, Kalman filtering, Back Propagation (BP) neural network, and adaptive partial least squares. Among them, the most widely used method is Model Output Statistics (MOS).
  • MOS Model Output Statistics
  • the embodiments of the present application provide a meteorological element data processing method and device for numerical weather forecasting, to at least solve that the numerical weather forecasting in related technologies does not use the information of nearby observation data as forecast parameters, resulting in low reliability of the obtained meteorological forecast results The problem.
  • the present application provides a meteorological element data processing method for numerical weather forecasting, including: acquiring first meteorological element data predicted by a numerical weather forecast of a weather station, wherein the first meteorological element data is in Predicted data of the weather station acquired before the first time point of the current day from the second time point of the previous day; obtaining second meteorological element data observed at the meteorological station, wherein the second meteorological element The data is the data observed between the second time point of the previous day and the third time point of the day; the third corresponding to the area where the time interval coincides in the first meteorological element data and the second meteorological element data is selected Meteorological element data, and the first error correction coefficient is obtained according to the third meteorological element data; the second error correction coefficient of the current forecast period is determined by an error conversion model according to the first error correction coefficient, wherein the forecast period is A time period between the time when the first meteorological element data is obtained according to the numerical weather forecast and the time when the first meteorological element data is released; the first meteorological element data according to the second
  • the present application further provides a meteorological element data processing apparatus for numerical weather forecasting, including: a first acquiring unit configured to acquire first meteorological element data predicted by a numerical weather forecast of a weather station, wherein The first meteorological element data is the data predicted by the meteorological station acquired before the first time point of the current day from the second time point of the previous day; the second acquiring unit is set to acquire the observations obtained at the meteorological station The second meteorological element data of, wherein the second meteorological element data is data observed between the second time point of the previous day and the third time point of the day; the third acquisition unit is set to select the The first meteorological element data corresponds to the third meteorological element data corresponding to the region where the time interval coincides in the second meteorological element data, and a first error correction coefficient is obtained according to the third meteorological element data; the first determining unit is set to The first error correction coefficient determines the second error correction coefficient of the current forecast period through an error conversion model, wherein the forecast period is from the time when the first meteorological element data is obtained according to
  • the present application further provides a storage medium, the storage medium includes a stored program, wherein the program executes the above method.
  • the present application further provides a processor, the processor is configured to run a program, and the above method is executed when the program is running.
  • FIG. 1 is a flowchart of a method for processing meteorological element data of numerical weather forecast according to an embodiment of the present application
  • FIG. 2 is a schematic diagram of the relationship between meteorological element data and time according to an embodiment of the present application
  • FIG. 3 is a flowchart of another meteorological element data processing method of numerical weather forecast according to an embodiment of the present application.
  • FIG. 4 is a schematic diagram of a meteorological element data processing device for numerical weather forecast according to an embodiment of the present application.
  • the MOS method generally takes multiple forecast variable values as the forecast factors, and uses the actual weather or meteorological elements at the time of forecast as the forecast amount, and selects different models of sampling from years of historical data, thereby seeking for Statistical relations and laws, and establish corresponding regression equations.
  • the application of MOS technology in conventional weather forecast has been deeply researched and applied in practice.
  • the MOS forecast system has been established to provide a reference for daily short-term element forecasting; the use of MOS for fine wind forecasting has obtained results that are significantly higher than the original model ’s atmospheric mesoscale model (Mesoscale Model Version 5, MM5) model forecast level.
  • the Perfect Prediction (PP) method is to first establish the statistical relationship between the large-scale circulation and local meteorological elements based on the observation data, and then replace the observed large-scale circulation information with the output of the numerical forecast for forecasting. This method assumes that the output value of the model is completely consistent with the measured value, that is, it believes that the numerical prediction is completely correct.
  • Kalman Filter (KF) algorithm uses the state estimation value at the previous time and the observation value at the current time to obtain the optimal estimation of the state variable at the current time of the dynamic system, including the two steps of forecasting and analysis.
  • KF Kalman Filter
  • the predicted value of the current mode state is generated according to the previous mode state.
  • the analysis stage the observation data is introduced, and the mode state is re-analyzed using the minimum variance estimation method.
  • Aggregate forecasting refers to a set of different forecasting results for the same effective forecasting time. Differences between multiple forecasts can provide information about the probability distribution of the forecasted quantity. Multiple forecasts in a set forecast can have different initial conditions, boundary conditions, parameter settings, and can even be generated with completely independent numerical weather forecast models . Aggregate forecasting is a method of starting with some initial values with little correlation and obtaining some forecasted values. This is a classic concept of collective forecasting. In addition to considering the initial value problem, the uncertainty and randomness of many physical processes in the numerical model (such as parameterization schemes, etc.) are also considered, and some predicted values are obtained. This is a new set of predictions.
  • the relevant technology only considers the error of historical observation data and historical forecast results, and does not consider the comparison error of nearby observation data to the forecast results of the day, so it is impossible to use the observation data that is near after each numerical forecast result is released;
  • a method embodiment of a meteorological element data processing method of numerical weather forecast is provided, and the steps shown in the flowchart of the accompanying drawings may be executed in a computer system such as a set of computer-executable instructions, and Although the logical sequence is shown in the flowchart, in some cases, the steps shown or described may be performed in an order different from here.
  • FIG. 1 is a flowchart of a meteorological element data processing method of numerical weather forecast according to an embodiment of the present application. As shown in FIG. 1, the meteorological element data processing method of numerical weather forecast includes: S102 to S110.
  • S102 Obtain first meteorological element data predicted by a numerical weather forecast of a meteorological station, where the first meteorological element data is data predicted by the meteorological station acquired before the first time point of the day from the second time point of the previous day .
  • the data time resolution is 15 minutes.
  • numerical weather forecast refers to the calculation of the equations of hydrodynamics and thermodynamics in the process of weather evolution based on the actual atmospheric conditions and under certain initial and boundary conditions, through large-scale computers for numerical calculations, to predict the atmosphere for a certain period in the future Methods of movement status and weather phenomena.
  • S104 Obtain second meteorological element data observed at a meteorological station, where the second meteorological element data is data observed between the second time point of the previous day and the third time point of the same day.
  • the corresponding meteorological element data obtained in real time from 20:00 to 6:00 of the previous day of the meteorological station is obtained before 7 a.m., and is recorded as Or .
  • the data time resolution is also 15 minutes.
  • S106 Select the third meteorological element data corresponding to the region where the time interval coincides in the first meteorological element data and the second meteorological element data, and obtain the first error correction coefficient according to the third meteorological element data.
  • the area where the time interval of the meteorological element data predicted by the numerical weather forecast coincides with the observed meteorological element data is not less than 10 hours. If it is less than 10 hours, continue to obtain more observed meteorological element data until it coincides The area reaches 10 hours. In this embodiment, 10 hours is just an example, and the predetermined duration may be set according to actual needs.
  • S108 Determine the second error correction coefficient of the current forecast period through the error conversion model according to the first error correction coefficient, where the forecast period is from the time when the first meteorological element data is obtained according to the numerical weather forecast to the time when the first meteorological element data is released The time period between.
  • the first meteorological element data predicted by the numerical weather forecast of the meteorological station can be obtained, where the first meteorological element data is the meteorological station acquired before the first time point of the day at the second time point of the previous day Forecast data; at the same time obtain the second meteorological element data observed at the meteorological station, where the second meteorological element data is the data observed between the second time point of the previous day and the third time point of the day; And select the third meteorological element data corresponding to the area where the time interval coincides in the first meteorological element data and the second meteorological element data, and obtain the first error correction coefficient according to the third meteorological element data; through the error conversion model according to the first error correction coefficient Determine the second error correction coefficient for the forecast period of the day, where the forecast period is the period between the time when the first meteorological element data is obtained according to the numerical weather forecast and the time when the first meteorological element data is released; and the second error correction The coefficient revises the first meteorological element data to obtain the revised first meteorological element data.
  • the meteorological element data processing method of numerical weather forecast can realize the purpose of using the observation data reported from the time of the forecast of the numerical weather forecast to the release period to correct the subsequent forecast results of the forecast, so as to fully utilize the nearby observation data ( That is, the information of the second meteorological element data) improves the technical effect of the accuracy of the revised forecast, and thus solves the problem that the numerical weather forecast in the related technology does not use the information of the nearby observation data as the forecast parameter, resulting in the low reliability of the weather forecast problem.
  • selecting the third meteorological element data corresponding to the overlapping area of the first meteorological element data and the second meteorological element data may include: determining whether the overlapping area of the first meteorological element data and the second meteorological element data meets the time interval A predetermined condition is obtained, and the judgment result is obtained, wherein the predetermined condition is that the total duration corresponding to the overlapping area of the first meteorological element data and the second meteorological element data is greater than the predetermined duration; when the judgment result is the first meteorological element data and the second meteorological element When the time interval overlapping area in the data satisfies the predetermined condition, the weather element data corresponding to the time interval overlapping area is used as the third weather element data.
  • the first meteorological element data and the second meteorological element data are selected to coincide in the time interval
  • the third meteorological element data corresponding to the area includes: determining the time difference of the acquisition time of the second meteorological element data relative to the third time point; continuing to acquire the second meteorological element data based on the time difference until the time difference is zero.
  • obtaining the first error correction coefficient according to the third meteorological element data may include: one-to-one correspondence between the first meteorological element data and the second meteorological element data in the third meteorological element data corresponding to the time interval coincidence area according to time
  • the sequence determines the first error correction coefficient through the first formula, including: determining the error
  • the weather can intercept the first data element of numerical weather day time and the data F r O r overlapped portion of the second time meteorological elements day observation obtained, i.e., the day before the day of 6:00 to 20:00, and forecasts
  • the method may further include: determining an error conversion model; wherein, determining the error conversion model includes: Obtain the historical forecast meteorological element data and historical observation meteorological element data in the historical time period; determine the first historical error revision coefficient in the predetermined time interval and the second historical error revision coefficient in the historical forecast time period ; Train the first historical error revision coefficient and the second historical error revision coefficient to obtain the error conversion model.
  • FIG. 2 is a schematic diagram of the relationship between meteorological element data and time according to an embodiment of the present application.
  • the real-time meteorological element data includes: real-time predicted meteorological element data (ie, first meteorological element data) obtained by numerical weather forecast, Observed real-time observation meteorological element data (ie, second meteorological element data).
  • the first error correction coefficients ( ar , br ) are determined according to the real-time forecasting meteorological element data and real-time observation meteorological element data; Use the historical forecast meteorological element data and historical observation meteorological element data in the historical time period to train to obtain an error conversion model, and obtain (a ri , b ri ), (a fi , b fi ) according to the error conversion model, and obtain the minimum error time Coefficient (c, d).
  • F a is the corrected forecast meteorological element data
  • F f is the forecasted meteorological element data before the correction
  • F h and O h are the time series corresponding to the predicted meteorological element data and the observed meteorological element data in the historical time period.
  • determining the second error correction coefficient of the current forecast period through the error conversion model according to the first error correction coefficient may include: determining the error revision coefficient under the minimum error condition through the error conversion model; according to the minimum error condition The error correction coefficient and the first error correction coefficient determine the second error correction coefficient.
  • FIG. 3 is a flowchart of another meteorological element data processing method for numerical weather forecast according to an embodiment of the present application.
  • meteorological element data ie, second meteorological element data
  • values obtained from real-time observation are obtained.
  • the meteorological element data that is, the first meteorological element data
  • the method provided by the embodiment of the present application can use the numerical weather forecast results of the day and the observation results of the same period, and can be corrected based on the latest meteorological element data, which improves the correction effect of the forecast results of the numerical weather forecast, taking into account each time
  • a numerical weather forecasting meteorological element data processing apparatus is also provided.
  • the numerical weather forecasting meteorological element data processing apparatus of the present embodiment may be configured to execute the method provided by the present embodiment.
  • the meteorological element data processing device for numerical weather forecast provided by the embodiment of the present application will be described below.
  • FIG. 4 is a schematic diagram of a meteorological element data processing apparatus for numerical weather forecast according to an embodiment of the present application. As shown in FIG. 4, the apparatus includes: a first acquiring unit 41, a second acquiring unit 43, and a third acquiring unit 45, The first determination unit 47 and the fourth acquisition unit 49. The device will be described below.
  • the first acquiring unit 41 is configured to acquire the first meteorological element data predicted by the numerical weather forecast of the meteorological station, wherein the first meteorological element data is the second meteorological station acquired before the first time point of the current day. Predicted data from time.
  • the second obtaining unit 43 is configured to obtain the second meteorological element data observed at the weather station, wherein the second meteorological element data is observed between the second time point of the previous day and the third time point of the same day data.
  • the third obtaining unit 45 is configured to select the third meteorological element data corresponding to the region where the time interval coincides between the first meteorological element data and the second meteorological element data, and obtain the first error correction coefficient according to the third meteorological element data.
  • the first determining unit 47 is configured to determine the second error correction coefficient of the current forecast period based on the first error correction coefficient through the error conversion model, where the forecast period is from the time when the first meteorological element data is obtained according to the numerical weather forecast to the first The time period between the time when the meteorological element data is released.
  • the fourth obtaining unit 49 is configured to revise the first meteorological element data according to the second error correction coefficient to obtain the revised first meteorological element data.
  • the first acquiring unit 41 in this embodiment may be configured to execute S102 in the embodiment of the present application
  • the second acquiring unit 43 in this embodiment may be configured to execute S104 in the embodiment of the present application
  • the third acquiring unit 45 may be configured to execute S106 in the embodiment of the present application
  • the first determining unit 47 in the embodiment may be configured to execute S108 in the embodiment of the present application
  • the fourth acquiring unit 49 in the embodiment may be configured To execute S110 in the embodiment of the present application.
  • the above modules are the same as the examples and application scenarios implemented by the corresponding steps, but are not limited to the contents disclosed in the above embodiments.
  • the first meteorological element data predicted by the numerical weather forecast of the meteorological station may be acquired by the first acquiring unit, where the first meteorological element data is the meteorological station acquired before the first time point of the day.
  • the third acquiring unit includes: a determination subunit configured to determine whether the overlapping region of the first meteorological element data and the second meteorological element data satisfies a predetermined condition to obtain a determination result, wherein the predetermined condition is the first meteorological condition
  • the total duration corresponding to the overlapping area of the time interval between the element data and the second meteorological element data is greater than the predetermined duration
  • the first determining subunit is set to determine that the overlapping area of the time interval in the first meteorological element data and the second meteorological element data satisfies the judgment result
  • the meteorological element data corresponding to the overlapping time zone is used as the third meteorological element data.
  • the third acquiring unit further includes: a second determining subunit, configured to determine the second when the judgment result is that the overlapping region of the time interval in the first meteorological element data and the second meteorological element data does not satisfy the predetermined condition
  • the acquisition time of the meteorological element data is relative to the time difference at the third time point; the first acquisition subunit is set to continue to acquire the second meteorological element data based on the time difference until the time difference is zero.
  • the meteorological element data processing device of the numerical weather forecast further includes: a second determining unit, which is set to determine before determining the second error correction coefficient of the current forecast period through the error conversion model according to the first error correction coefficient Error conversion model; wherein, the second determination unit includes: a third acquisition subunit, which is set to acquire historical predicted meteorological element data and historical observation meteorological element data within the historical period; a fourth determination subunit, which is set to determine the historical period The first historical error revision coefficient within a predetermined time interval within each day, and the second historical error revision coefficient within the historical forecast period; the fourth acquisition subunit is set to revise the first historical error revision coefficient and the second historical error revision The coefficients are trained to obtain the error conversion model.
  • the second determination unit includes: a third acquisition subunit, which is set to acquire historical predicted meteorological element data and historical observation meteorological element data within the historical period; a fourth determination subunit, which is set to determine the historical period The first historical error revision coefficient within a predetermined time interval within each day, and the second historical error revision coefficient
  • the first determining unit includes: a fifth determining subunit, which is set to determine the error correction coefficient in the case of the smallest error through the error conversion model; and a sixth determining subunit, which is set according to the case in which the error is the smallest The error correction coefficient and the first error correction coefficient determine the second error correction coefficient.
  • the above-mentioned device includes a processor and a memory, and the above-mentioned first acquisition unit 41, second acquisition unit 43, third acquisition unit 45, first determination unit 47, fourth acquisition unit 49, etc. are all stored in the memory as program units, which are processed by The device executes the above-mentioned program units stored in the memory to realize the corresponding functions.
  • the above processor contains a core, and the core retrieves the corresponding program unit from the memory.
  • One or more kernels may be set, and the first meteorological element data may be revised according to the second error correction coefficient by adjusting the kernel parameters to obtain revised first meteorological element data.
  • the above memory may include non-permanent memory, random access memory (RAM) and / or non-volatile memory in computer-readable media, such as read-only memory (ROM) or Flash memory (flash RAM), the memory includes at least one memory chip.
  • RAM random access memory
  • ROM read-only memory
  • flash RAM Flash memory
  • a storage medium includes a stored program, where the program executes the above method.
  • a processor is further provided, and the processor is configured to run a program, wherein the above method is executed when the program is running.
  • An embodiment of the present application also provides a device, which includes a processor, a memory, and a program stored on the memory and executable on the processor.
  • the processor executes the program, the following steps are implemented: acquiring the weather value of the weather station
  • the first meteorological element data for forecasting and forecasting where the first meteorological element data is the data predicted by the meteorological station obtained before the first time point of the day from the second time point of the previous day;
  • the second meteorological element data where the second meteorological element data is data observed between the second time point of the previous day and the third time point of the day; the first meteorological element data and the second meteorological element data are selected
  • the third meteorological element data corresponding to the area where the time interval coincides, and the first error correction coefficient is obtained according to the third meteorological element data;
  • the second error correction coefficient of the current forecast period is determined by the error conversion model according to the first error correction coefficient, where the forecast
  • the time period is the time period between the time when the first meteorological element data is obtained according to the numerical weather
  • a computer program product is also provided in an embodiment of the present application.
  • it When executed on a data processing device, it is suitable for executing a program initialized with the following method steps: acquiring first meteorological element data predicted by a numerical weather forecast of a weather station, Among them, the first meteorological element data is the data predicted by the meteorological station obtained before the first time point of the day from the second time point of the previous day; the second meteorological element data obtained by observation at the meteorological station is obtained.
  • the second meteorological element data is the data observed between the second time point of the previous day and the third time point of the day; the third meteorological element corresponding to the area where the time interval coincides between the first meteorological element data and the second meteorological element data is selected Element data, and the first error correction coefficient is obtained according to the third meteorological element data; the second error correction coefficient of the current forecast period is determined by the error conversion model according to the first error correction coefficient, where the forecast period is based on the numerical weather forecast A time period between the time of the first meteorological element data and the time when the first meteorological element data is released; the first meteorological element data is revised according to the second error correction coefficient to obtain the revised first meteorological element data.
  • the disclosed technical content may be implemented in other ways.
  • the device embodiments described above are only schematic.
  • the division of the unit may be a logical function division.
  • there may be another division manner for example, multiple units or components may be combined or Integration into another system, or some features can be ignored, or not implemented.
  • the displayed or discussed mutual coupling or direct coupling or communication connection may be indirect coupling or communication connection through some interfaces, units or modules, and may be in electrical or other forms.
  • the units described as separate components may or may not be physically separated, and the components displayed as units may or may not be physical units, that is, may be located in one place, or may be distributed on multiple units. Some or all of the units may be selected according to actual needs to achieve the purpose of the solution of this embodiment.
  • multiple functional units in multiple embodiments of the present application may be integrated into one processing unit, or each unit may exist alone physically, or two or more units may be integrated into one unit.
  • the above integrated unit may be implemented in the form of hardware or software functional unit.
  • the integrated unit is implemented in the form of a software functional unit and sold or used as an independent product, it may be stored in a computer-readable storage medium. All or part of the technical solution of the present application can be embodied in the form of a software product, which is stored in a storage medium and includes multiple instructions to make a computer device (which can be a personal computer, server, or network device) Etc.) to perform all or part of the steps of the methods described in various embodiments of the present application.
  • the foregoing storage media include: Universal Serial Bus flash disk (Universal Serial Bus flash disk, U disk), ROM, RAM, mobile hard disk, magnetic disk or optical disk and other media that can store program code.

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

一种数值天气预报的气象要素数据处理方法及装置。其中，该方法包括：获取气象站点的数值天气预报预测的第一气象要素数据（S102）；获取在气象站点观测得到的第二气象要素数据（S104）；选取第一气象要素数据与第二气象要素数据中时间区间重合区域对应的第三气象要素数据，并根据第三气象要素数据得到第一误差订正系数（S106）；根据第一误差订正系数通过误差转换模型确定当日预报时段的第二误差订正系数（S108）；根据第二误差订正系数对第一气象要素数据进行修订，得到修订后的第一气象要素数据（S110）。

Description

数值天气预报的气象要素数据处理方法及装置
本申请要求在2018年11月21日提交中国专利局、申请号为201811394322.3的中国专利申请的优先权，该申请的全部内容通过引用结合在本申请中。
技术领域
本申请涉及数据处理技术领域，例如涉及一种数值天气预报的气象要素数据处理方法及装置。
背景技术
数值天气预报的风速、风向等数据作为输入量，通过预测算法将预报的气象要素转换为风电场的输出功率预测和光伏的输出功率预测。因此，对数值天气预报数据的准确预报，可以为电力调度提供重要的决策支持，是新能源发电功率预测精度的重要决定因素之一。
对于风速预报的模式统计后处理方法，包括模式输出统计、卡尔曼滤波、反向传播(Back Propagation，BP)神经网络以及自适应偏最小二乘法等。其中，使用最广泛的是模式输出统计(Model Output Statistics，MOS)方法。
针对相关技术中数值天气预报未将临近观察数据的信息作为预报参数，导致的得到气象预测结果可靠性较低的问题，尚未提出有效的解决方案。
发明内容
本申请实施例提供了一种数值天气预报的气象要素数据处理方法及装置，以至少解决相关技术中数值天气预报未将临近观察数据的信息作为预报参数，导致的得到气象预测结果可靠性较低的问题。
在一实施例中，本申请提供了一种数值天气预报的气象要素数据处理方法，包括：获取气象站点的数值天气预报预测的第一气象要素数据，其中，所述第一气象要素数据是在当日的第一时间点之前获取到的所述气象站点于前一日第二时间点起预测的数据；获取在所述气象站点观测得到的第二气象要素数据，其中，所述第二气象要素数据是在前一日的第二时间点到当日的第三时间点之间观测得到的数据；选取所述第一气象要素数据与所述第二气象要素数据中时间区间重合区域对应的第三气象要素数据，并根据所述第三气象要素数据得到第一误差订正系数；根据所述第一误差订正系数通过误差转换模型确定当日预报时段的第二误差订正系数，其中，所述预报时段为根据所述数值天气预报预 测得到所述第一气象要素数据的时间到所述第一气象要素数据发布的时间之间的时间段；根据所述第二误差订正系数对所述第一气象要素数据进行修订，得到修订后的第一气象要素数据。
在一实施例中，本申请还提供了一种数值天气预报的气象要素数据处理装置，包括：第一获取单元，设置为获取气象站点的数值天气预报预测的第一气象要素数据，其中，所述第一气象要素数据是在当日的第一时间点之前获取到的所述气象站点于前一日第二时间点起预测的数据；第二获取单元，设置为获取在所述气象站点观测得到的第二气象要素数据，其中，所述第二气象要素数据是在前一日的第二时间点到当日的第三时间点之间观测得到的数据；第三获取单元，设置为选取所述第一气象要素数据与所述第二气象要素数据中时间区间重合区域对应的第三气象要素数据，并根据所述第三气象要素数据得到第一误差订正系数；第一确定单元，设置为根据所述第一误差订正系数通过误差转换模型确定当日预报时段的第二误差订正系数，其中，所述预报时段为根据所述数值天气预报预测得到所述第一气象要素数据的时间到所述第一气象要素数据发布的时间之间的时间段；第四获取单元，设置为根据所述第二误差订正系数对所述第一气象要素数据进行修订，得到修订后的第一气象要素数据。
在一实施例中，本申请还提供了一种存储介质，所述存储介质包括存储的程序，其中，所述程序执行上述方法。
在一实施例中，本申请还提供了一种处理器，所述处理器设置为运行程序，其中，所述程序运行时执行上述方法。
附图说明
图1是根据本申请实施例的一种数值天气预报的气象要素数据处理方法的流程图；
图2是根据本申请实施例的气象要素数据与时间的关系的示意图；
图3是根据本申请实施例的另一种数值天气预报的气象要素数据处理方法的流程图；
图4是根据本法申请实施例的数值天气预报的气象要素数据处理装置的示意图。
具体实施方式
下面将结合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描述，所描述的实施例仅仅是本申请一部分的实施例，而不是全部的实施例。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的多种变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
在一实施例中，MOS方法一般取多个预报变量值作为预报因子，而以预报时的实际天气或气象要素作为预报量，并从多年历史资料中选出不同模式的抽样，由此寻求其间的统计关系和规律，建立相应的回归方程。对MOS技术在常规天气预报中的应用已有深入研究并已应用于实际。例如，建立了MOS预报系统，为日常的短期要素预报提供参考；利用MOS进行风的精细化预报，得到结果比原模型的大气中尺度模式(Mesoscale Model Version 5，MM5)模式预报水平有显著提高；利用MOS技术提供风场预报；也有将MOS技术应用于风电预报领域，用模式输出的多层风速、气温及多个湍流参数与风电场风速建立多元线性回归，改善模式预报结果。
完全预报(Perfect Prediction，PP)方法是先根据观测资料建立大尺度环流和局地气象要素间的统计关系，再以数值预报的输出结果取代观测的大尺度环流信息，进行预报。这个方法是假定模式输出值与实测值是完全一致的，即它认为数值预报是完全对的。
卡尔曼滤波(Kalman Filter，KF)算法的基本思想是利用前一时刻的状态估计值和当前时刻的观测值来获得动态系统当前时刻状态变量的最优估计，包括预报和分析两个步骤。在预报阶段，根据前一时刻的模式状态生成当前时刻模式状态的预报值。在分析阶段，引入观测数据，利用最小方差估计方法对模式状态进行重新分析。随着模式状态预报的持续进行和新的观测数据的陆续输入，这个过程不断向前推进，即模式随着时间向前积分进行状态预报，当出现观测数据时，根据模式预报误差的协方差矩阵(已知)和观测误差的协方差矩阵(已知)之间的相对大小导出状态的最小方差估计。
集合预报指对同一有效预报时间的一组不同的预报结果。多个预报间的差异可提供有关被预报量的概率分布的信息，在集合预报中的多个预报可具有不同的初始条件、边界条件、参数设定，甚至可用完全独立的数值天气预报模式生成。集合预报是用一些相关性不大的初值出发而得到一些预报值的方法，这是经典的集合预报的概念。除了考虑初值问题，还考虑数值模式中许多物理过 程(如参数化方案等)的不确定性和随机性，得到一些预报值，这是全新意义的预报集合。
而上述相关技术中一般会存在以下缺陷：
1.相关技术只考虑了历史观测资料与历史预报结果的误差，没有考虑临近观测资料对当天预报结果的对比误差，因此无法利用到每次数值预报结果发布后临近的观测资料；
2.每次数值预报结果的误差特征不同，用同样的模型参数来订正误差，只能减小多次预报之间共有的误差，而无法减小单次预报自身的误差。
实施例一
根据本申请实施例，提供了一种数值天气预报的气象要素数据处理方法的方法实施例，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本申请实施例的数值天气预报的气象要素数据处理方法的流程图，如图1所示，该数值天气预报的气象要素数据处理方法包括：S102至S110。
S102，获取气象站点的数值天气预报预测的第一气象要素数据，其中，第一气象要素数据是在当日的第一时间点之前获取到的气象站点于前一日第二时间点起预测的数据。
例如，对于气象站点A，每天上午7点前，获取得到该气象站点前一日20:00起报的数值的天气预报，对某一气象要素数据S的预报结果，记为F r，在一实施例中，数据时间分辨率为15min。
其中，数值天气预报：是指根据大气实际情况，在一定的初值和边值条件下，通过大型计算机作数值计算，求解天气演变过程的流体力学和热力学的方程组，预测未来一定时段的大气运动状态和天气现象的方法。
S104，获取在气象站点观测得到的第二气象要素数据，其中，第二气象要素数据是在前一日的第二时间点到当日的第三时间点之间观测得到的数据。
同样地，例如，对于气象站点A，每天上午7点前获得该气象站点前一日20:00到6:00的实时观测到的对应气象要素数据，记为O r，在一实施例中，数据时间分辨率同样为15min。
S106，选取第一气象要素数据与第二气象要素数据中时间区间重合区域对应的第三气象要素数据，并根据第三气象要素数据得到第一误差订正系数。
例如，可以判断数值天气预报预测得到的气象要素数据与观测得到的气象 要素数据的时间区间重合区域是否不小于10小时，如果小于10小时，则继续获取更多观测得到的气象要素数据，直到重合区域达到10小时。在该实施例中，10小时只是一个举例，可以根据实际需求设定该预定时长。
S108，根据第一误差订正系数通过误差转换模型确定当日预报时段的第二误差订正系数，其中，预报时段为根据数值天气预报预测得到第一气象要素数据的时间到第一气象要素数据发布的时间之间的时间段。
S110，根据第二误差订正系数对第一气象要素数据进行修订，得到修订后的第一气象要素数据。
通过该实施例，可以获取气象站点的数值天气预报预测的第一气象要素数据，其中，第一气象要素数据是在当日的第一时间点之前获取到的气象站点于前一日第二时间点起预测的数据；同时获取在气象站点观测得到的第二气象要素数据，其中，第二气象要素数据是在前一日的第二时间点到当日的第三时间点之间观测得到的数据；并选取第一气象要素数据与第二气象要素数据中时间区间重合区域对应的第三气象要素数据，并根据第三气象要素数据得到第一误差订正系数；根据第一误差订正系数通过误差转换模型确定当日预报时段的第二误差订正系数，其中，预报时段为根据数值天气预报预测得到第一气象要素数据的时间到第一气象要素数据的时间发布之间的时间段；以及根据第二误差订正系数对第一气象要素数据进行修订，得到修订后的第一气象要素数据。相对于相关技术中只考虑了历史观测资料与历史预报结果的误差，没有考虑临近观测资料对当天预报结果的对比误差，因此无法利用到每次数值预报结果发布后临近的观测资料；以及每次数值预报结果的误差特征不同，用同样的模型参数来订正误差，只能减小多次预报之间共有的误差，而无法减小单次预报自身的误差的弊端，通过本申请实施例提供的数值天气预报的气象要素数据处理方法可以实现利用每次根据数值天气预报的预测结果的起报到发布时段的观测数据，来修正该次预报的后续预报结果的目的，达到了充分利用临近观测数据(即第二气象要素数据)的信息提高订正预报的准确性的技术效果，进而解决了相关技术中数值天气预报未将临近观察数据的信息作为预报参数，导致的得到气象预测结果可靠性较低的问题。
在S106中，选取第一气象要素数据与第二气象要素数据中时间区间重合区域对应的第三气象要素数据可以包括：判断第一气象要素数据和第二气象要素数据中时间区间重合区域是否满足预定条件，得到判断结果，其中，预定条件为第一气象要素数据和第二气象要素数据的时间区间重合区域对应的总时长大于预定时长；在判断结果为第一气象要素数据和第二气象要素数据中时间区间重合区域满足预定条件的情况下，将时间区间重合区域对应的气象要素数据作 为第三气象要素数据。
在一实施例中，在判断结果为第一气象要素数据和第二气象要素数据中时间区间重合区域不满足预定条件的情况下，选取第一气象要素数据与第二气象要素数据中时间区间重合区域对应的第三气象要素数据，包括：确定第二气象要素数据的获取时长相对于第三时间点的时间差；以时间差为基础继续获取第二气象要素数据，直到时间差为零。
在S106中，根据第三气象要素数据得到第一误差订正系数可以包括：将时间区间重合区域对应的第三气象要素数据中的第一气象要素数据和第二气象要素数据分别按照时间一一对应，得到第三气象要素数据序列；基于第三气象要素数据序列通过第一公式确定第一误差订正系数，其中，第一公式为：e(t)＝O r(t)-(a·F r(t)+b)，t表示预报时间段的第t个时间点，e表示在第t个时间点第一气象要素数据和第二气象要素数据之间的误差，a和b表示第一误差订正系数，F r(t)表示在第t个时间点的第一气象要素数据，O r(t)表示在第t个时间点的第二气象要素数据，；其中，基于第三气象要素数据序列通过第一公式确定第一误差订正系数，包括：通过第一公式确定时间区间重合区域内所有时间点分别对应的所述第一气象要素数据和所述第二气象要素数据之间的误差，在时间区间重合区域内所有的误差之和最小的情况下，确定第一误差订正系数。
在一实施例中，第三气象要素数据中的第一气象要素数据和第二气象要素数据满足以下关系：O r(t)＝a·F r(t)+b。
例如，可以截取当日数值天气预报的第一气象要素数据F r中时间与当日观测得到的第二气象要素数据O r时间重合的部分，即前一天20:00到当日6:00，并将预报得到的气象要素数据与观测得到的气象要素数据按照时间一一对应，记为F r(t)，O r(t)，其中t＝1…N，N为该时间段内的观测数据个数。按照最小二乘法，建立如下方程：O r(t)＝a·F r(t)+b，误差为：e(t)＝O r(t)-(a·F r(t)+b)，当整体误差最小，即∑ te(t) 2最小时，求解第一误差订正系数a和b，记为(a r，b r)。
作为一种可选的实施例，在根据第一误差订正系数通过误差转换模型确定当日预报时段的第二误差订正系数之前，该还可以包括：确定误差转换模型；其中，确定误差转换模型包括：获取历史时间段内的历史预测气象要素数据和历史观测气象要素数据；确定历史时间段内每天在预定时间区间内的第一历史误差修订系数，以及历史预报时间段内的第二历史误差修订系数；对第一历史误差修订系数和第二历史误差修订系数进行训练得到误差转换模型。
例如，可以获取历史时间段内的历史预测气象要素数据和历史观测气象要素数据，比如，可以获取历史M天中每天的预报F h，和观测O h时间序列；按照 上述计算误差订正系数的方法，计算得到历史M天中每天前10小时的误差订正系数(a ri，b ri)，以及预报时段(例如28-52小时)的误差订正系数(a fi，b fi)，其中i代表第i天。利用历史M天的订正系数(a ri，b ri)、(a fi，b fi)，可以训练得到误差转换模型。建立方程：a f(i)＝c·a r(i)，b f(i)＝d·b r(i)，利用最小二乘法，可求解出误差最小时的系数(c，d)。
图2是根据本申请实施例的气象要素数据与时间的关系的示意图，如图2所示，实时气象要素数据包括：数值天气预报得到的实时预测气象要素数据(即第一气象要素数据)，观测得到的实时观测气象要素数据(即第二气象要素数据)。其中，当实时预测气象要素数据和实时观测气象要素数据的时间段达到10个小时，则根据实时预测气象要素数据和实时观测气象要素数据确定得到第一误差订正系数(a r，b r)；利用历史时间段内的历史预测气象要素数据和历史观测气象要素数据训练得到误差转换模型，并根据该误差转换模型得到(a ri，b ri)、(a fi，b fi)，得到误差最小时的系数(c，d)。利用得到误差最小时的系数(c，d)结合第一误差订正系数(a r，b r)得到第二误差订正系数(a f，b f)，F a为订正后的预报气象要素数据，F f为订正前的预报气象要素数据，F h和O h为历史时间段内的预测气象要素数据和观测气象要素数据对应的时间序列。
在S108中，根据第一误差订正系数通过误差转换模型确定当日预报时段的第二误差订正系数可以包括：通过误差转换模型确定在误差最小的情况下的误差修订系数；根据在误差最小的情况下的误差修订系数以及第一误差订正系数确定第二误差订正系数。
例如，可以根据误差转换模型，以及当日的实时误差订正系数(a r，b r)，可以得到当日预报时段的误差订正系数(a f，b f)：a f＝c·a r，b f＝d·b r，其中c,d为S106中计算得到的转换模型系数。根据当日预报时段的误差订正系数(即，第二误差订正系数)(a f，b f)，可以计算得到当日修正后的预报结果：F a(t)＝a f·F f(t)+b f，其中，F a为订正后的预报气象要素数据，F f为订正前的预报气象要素数据，t为预报时间段的第t个时间点。
在上述S110中，根据第二误差订正系数对第一气象要素数据进行修订，得到修订后的第一气象要素数据包括：通过第二公式确定修订后的第一气象要素数据，其中，第二公式为：F a(t)＝a f·F f(t)+b f，F a为修订后的第一气象要素数据，F f表示修订前的第一气象要素数据，t表示预报时间段的第t个时间点，a f和b f表示第二误差订正系数。
下面结合附图对本申请实施例中提供的数值天气预报的气象要素数据处理方法进行说明。
图3是根据本申请实施例的另一种数值天气预报的气象要素数据处理方法 的流程图，如图3所示，在获取实时观测得到的气象要素数据(即第二气象要素数据)和数值天气预报预测结果中的气象要素数据(即第一气象要素数据)之后，判断实时观测得到的气象要素数据和数值天气预报结果中的气象要素数据在时间上的重合区域是否大于或等于10小时；在判断结果为是的情况下，计算实时误差订正系数(即第一误差订正系数)，结合误差转换模块对数值天气预报预测得到的气象要素数据进行订正；在判断结果为否的情况下，继续获取实时观测得到的气象要素数据。
通过本申请实施例提供的方法可以使用当天的数值天气预报结果和同时段的观测结果，能够基于最新的气象要素数据进行订正，提升了数值天气预报的预报结果的订正效果，同时考虑了每次数值天气预报前预定时长(例如10小时)误差和预报时间段的误差的关系，利用历史气象要素数据建立误差转换模型，提升了订正算法的准确性；对于气象要素数据的类型没有限制，可应用于风速、温度、辐照度等多种气象要素的订正，适用性较好。
实施例二
根据本申请实施例还提供了一种数值天气预报的气象要素数据处理装置，本申请实施例的数值天气预报的气象要素数据处理装置可以设置为执行本申请实施例所提供的方法。以下对本申请实施例提供的数值天气预报的气象要素数据处理装置进行介绍。
图4是根据本法申请实施例的数值天气预报的气象要素数据处理装置的示意图，如图4所示，该装置包括：第一获取单元41，第二获取单元43，第三获取单元45，第一确定单元47以及第四获取单元49。下面对该装置进行说明。
第一获取单元41，设置为获取气象站点的数值天气预报预测的第一气象要素数据，其中，第一气象要素数据是在当日的第一时间点之前获取到的气象站点于前一日第二时间点起预测的数据。
第二获取单元43，设置为获取在气象站点观测得到的第二气象要素数据，其中，第二气象要素数据是在前一日的第二时间点到当日的第三时间点之间观测得到的数据。
第三获取单元45，设置为选取第一气象要素数据与第二气象要素数据中时间区间重合区域对应的第三气象要素数据，并根据第三气象要素数据得到第一误差订正系数。
第一确定单元47，设置为根据第一误差订正系数通过误差转换模型确定当日预报时段的第二误差订正系数，其中，预报时段为根据数值天气预报预测得到第一气象要素数据的时间到第一气象要素数据发布的时间之间的时间段。
第四获取单元49，设置为根据第二误差订正系数对第一气象要素数据进行修订，得到修订后的第一气象要素数据。
该实施例中的第一获取单元41可以设置为执行本申请实施例中的S102，该实施例中的第二获取单元43可以设置为执行本申请实施例中的S104，该实施例中的第三获取单元45可以设置为执行本申请实施例中的S106，该实施例中的第一确定单元47可以设置为执行本申请实施例中的S108，该实施例中的第四获取单元49可以设置为执行本申请实施例中的S110。上述模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例所公开的内容。
在该实施例中，可以利用第一获取单元获取气象站点的数值天气预报预测的第一气象要素数据，其中，第一气象要素数据是在当日的第一时间点之前获取到的气象站点于前一日第二时间点起预测的数据；同时利用第二获取单元获取在气象站点观测得到的第二气象要素数据，其中，第二气象要素数据是在前一日的第二时间点到当日的第三时间点观测得到的数据；利用第三获取单元选取第一气象要素数据与第二气象要素数据中时间区间重合区域对应的第三气象要素数据，并根据第三气象要素数据得到第一误差订正系数；使用第一确定单元根据第一误差订正系数通过误差转换模型确定当日预报时段的第二误差订正系数，其中，预报时段为根据数值天气预报预测得到第一气象要素数据的时间到第一气象要素数据发布的时间之间的时间段；并利用第四获取单元，设置为根据第二误差订正系数对第一气象要素数据进行修订，得到修订后的第一气象要素数据。
可选地，第三获取单元包括：判断子单元，设置为判断第一气象要素数据和第二气象要素数据中时间区间重合区域是否满足预定条件，得到判断结果，其中，预定条件为第一气象要素数据和第二气象要素数据的时间区间重合区域对应的总时长大于预定时长；第一确定子单元，设置为在判断结果为第一气象要素数据和第二气象要素数据中时间区间重合区域满足预定条件的情况下，将时间区间重合区域对应的气象要素数据作为第三气象要素数据。
可选地，第三获取单元还包括：第二确定子单元，设置为在判断结果为第一气象要素数据和第二气象要素数据中时间区间重合区域不满足预定条件的情况下，确定第二气象要素数据的获取时长相对于第三时间点的时间差；第一获取子单元，设置为以时间差为基础继续获取第二气象要素数据，直到时间差为零。
可选地，第三获取单元包括：第二获取子单元，设置为将时间区间重合区域对应的第三气象要素数据中的第一气象要素数据和第二气象要素数据分别按照时间一一对应，得到第三气象要素数据序列；第三确定子单元，设置为基于 第三气象要素数据序列通过第一公式确定第一误差订正系数，其中，第一公式为：e(t)＝O r(t)-(a·F r(t)+b)，t表示预报时间段的第t个时间点，e表示在第t个时间点第一气象要素数据和第二气象要素数据的误差，a和b表示第一误差订正系数，F r(t)表示在第t个时间点第一气象要素数据，O r(t)表示在第t个时间点第二气象要素数据；其中，第三确定子单元包括：确定模块，设置为通过第一公式确定时间区间重合区域内所有时间点分别对应的所述第一气象要素数据和所述第二气象要素数据之间的误差，在时间区间重合区域内所有的误差之和最小的情况下，确定第一误差订正系数。
可选地，第三气象要素数据中的第一气象要素数据和第二气象要素数据满足以下关系：O r(t)＝a·F r(t)+b。
可选地，该数值天气预报的气象要素数据处理装置还包括：第二确定单元，设置为在根据第一误差订正系数通过误差转换模型确定当日预报时段的第二误差订正系数之前，设置为确定误差转换模型；其中，第二确定单元包括：第三获取子单元，设置为获取历史时间段内的历史预测气象要素数据和历史观测气象要素数据；第四确定子单元，设置为确定历史时间段内每天在预定时间区间内的第一历史误差修订系数，以及历史预报时间段内的第二历史误差修订系数；第四获取子单元，设置为对第一历史误差修订系数和第二历史误差修订系数进行训练得到误差转换模型。
可选地，第一确定单元包括：第五确定子单元，设置为通过误差转换模型确定在误差最小的情况下的误差修订系数；第六确定子单元，设置为根据在误差最小的情况下的误差修订系数以及第一误差订正系数确定第二误差订正系数。
可选地，第四获取单元包括：第七确定子单元，设置为通过第二公式确定修订后的第一气象要素数据，其中，第二公式为：F a(t)＝a f·F f(t)+b f，F a为修订后的第一气象要素数据，F f表示修订前的第一气象要素数据，t表示预报时间段的第t个时间点，a f和b f表示第二误差订正系数。
上述装置包括处理器和存储器，上述第一获取单元41，第二获取单元43，第三获取单元45，第一确定单元47以及第四获取单元49等均作为程序单元存储在存储器中，由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
上述处理器中包含内核，由内核去存储器中调取相应的程序单元。内核可以设置一个或一个以上，通过调整内核参数根据第二误差订正系数对第一气象要素数据进行修订，得到修订后的第一气象要素数据。
上述存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(Random Access Memory，RAM)和/或非易失性内存等形式，如只读存储器(Read-Only Memory，ROM)或闪存(flash RAM)，存储器包括至少一个存储芯片。
在一实施例中，还提供了一种存储介质，存储介质包括存储的程序，其中，程序执行上述方法。
在一实施例中，还提供了一种处理器，处理器设置为运行程序，其中，程序运行时执行上述方法。
在本申请实施例中还提供了一种设备，该设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序，处理器执行程序时实现以下步骤：获取气象站点的数值天气预报预测的第一气象要素数据，其中，第一气象要素数据是在当日的第一时间点之前获取到的气象站点于前一日第二时间点起预测的数据；获取在气象站点观测得到的第二气象要素数据，其中，第二气象要素数据是在前一日的第二时间点到当日的第三时间点之间观测得到的数据；选取第一气象要素数据与第二气象要素数据中时间区间重合区域对应的第三气象要素数据，并根据第三气象要素数据得到第一误差订正系数；根据第一误差订正系数通过误差转换模型确定当日预报时段的第二误差订正系数，其中，预报时段为根据数值天气预报预测得到第一气象要素数据的时间到第一气象要素数据发布的时间之间的时间段；根据第二误差订正系数对第一气象要素数据进行修订，得到修订后的第一气象要素数据。
在本申请实施例中还提供了一种计算机程序产品，当在数据处理设备上执行时，适于执行初始化有如下方法步骤的程序：获取气象站点的数值天气预报预测的第一气象要素数据，其中，第一气象要素数据是在当日的第一时间点之前获取到的气象站点于前一日第二时间点起预测的数据；获取在气象站点观测得到的第二气象要素数据，其中，第二气象要素数据是在前一日的第二时间点到当日的第三时间点之间观测得到的数据；选取第一气象要素数据与第二气象要素数据中时间区间重合区域对应的第三气象要素数据，并根据第三气象要素数据得到第一误差订正系数；根据第一误差订正系数通过误差转换模型确定当日预报时段的第二误差订正系数，其中，预报时段为根据数值天气预报预测得到第一气象要素数据的时间到第一气象要素数据发布的时间之间的时间段；根据第二误差订正系数对第一气象要素数据进行修订，得到修订后的第一气象要素数据。
上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。
在本申请的上述实施例中，对多个实施例的描述分别有侧重，某个实施例中没有描述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，所揭露的技术内容，可通过其它的方式实现。其中，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，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，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。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接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
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单元上。可以根据实际的需求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，在本申请多个实施例中的多个功能单元可以集成在一个处理单元中，也可以是每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。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元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，可以存储在一个计算机可读取存储介质中。本申请的技术方案的全部或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，包括多个指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请多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：通用串行总线闪存盘(Universal Serial Bus flash disk，U盘)、ROM、RAM、移动硬盘、磁碟或者光盘等多种可以存储程序代码的介质。

Claims (10)

  1. 一种数值天气预报的气象要素数据处理方法，包括：
    获取气象站点的数值天气预报预测的第一气象要素数据，其中，所述第一气象要素数据是在当日的第一时间点之前获取到的所述气象站点于前一日第二时间点起预测的数据；
    获取在所述气象站点观测得到的第二气象要素数据，其中，所述第二气象要素数据是在所述前一日的所述第二时间点到所述当日的第三时间点之间观测得到的数据；
    选取所述第一气象要素数据与所述第二气象要素数据中时间区间重合区域对应的第三气象要素数据，并根据所述第三气象要素数据得到第一误差订正系数；
    根据所述第一误差订正系数通过误差转换模型确定所述当日预报时段的第二误差订正系数，其中，所述预报时段为根据所述数值天气预报预测得到所述第一气象要素数据的时间到所述第一气象要素数据发布的时间之间的时间段；
    根据所述第二误差订正系数对所述第一气象要素数据进行修订，得到修订后的第一气象要素数据。
  2. 根据权利要求1所述的方法，其中，所述选取所述第一气象要素数据与所述第二气象要素数据中时间区间重合区域对应的第三气象要素数据，包括：
    判断所述第一气象要素数据和所述第二气象要素数据中时间区间重合区域是否满足预定条件，得到判断结果，其中，所述预定条件为所述第一气象要素数据和所述第二气象要素数据的时间区间重合区域对应的总时长大于预定时长；
    在所述判断结果为所述第一气象要素数据和所述第二气象要素数据中时间区间重合区域满足所述预定条件的情况下，将所述时间区间重合区域对应的气象要素数据作为所述第三气象要素数据。
  3. 根据权利要求2所述的方法，在所述得到判断结果之后，还包括：在所述判断结果为所述第一气象要素数据和所述第二气象要素数据中时间区间重合区域不满足所述预定条件的情况下，所述选取所述第一气象要素数据与所述第二气象要素数据中时间区间重合区域对应的第三气象要素数据，包括：
    确定所述第二气象要素数据的获取时长相对于所述第三时间点的时间差；
    以所述时间差为基础继续获取所述第二气象要素数据，直到所述时间差为零。
  4. 根据权利要求1所述的方法，其中，所述根据所述第三气象要素数据得到 第一误差订正系数，包括：
    将所述时间区间重合区域对应的第三气象要素数据中的第一气象要素数据和第二气象要素数据分别按照时间一一对应，得到第三气象要素数据序列；
    基于所述第三气象要素数据序列通过第一公式确定所述第一误差订正系数，其中，所述第一公式为：e(t)＝O r(t)-(a·F r(t)+b)，所述t表示预报时间段的第t个时间点，e表示在所述第t个时间点所述第一气象要素数据和所述第二气象要素数据之间的误差，所述a和所述b表示所述第一误差订正系数，所述F r(t)表示在所述第t个时间点的第一气象要素数据，O r(t)表示在所述第t个时间点的第二气象要素数据；
    其中，所述基于所述第三气象要素数据序列通过第一公式确定所述第一误差订正系数，包括：
    通过所述第一公式确定所述时间区间重合区域内所有时间点分别对应的所述第一气象要素数据和所述第二气象要素数据之间的误差，在所述时间区间重合区域内所有的误差之和最小的情况下，确定所述第一误差订正系数。
  5. 根据权利要求4所述的方法，其中，所述第三气象要素数据中的第一气象要素数据和第二气象要素数据满足以下关系：O r(t)＝a·F r(t)+b。
  6. 根据权利要求5所述的方法，在所述根据所述第一误差订正系数通过误差转换模型确定所述当日预报时段的第二误差订正系数之前，还包括：确定所述误差转换模型；
    其中，所述确定所述误差转换模型，包括：
    获取历史时间段内的历史预测气象要素数据和历史观测气象要素数据；
    确定所述历史时间段内每天在预定时间区间内的第一历史误差修订系数，以及历史预报时间段内的第二历史误差修订系数；
    对所述第一历史误差修订系数和所述第二历史误差修订系数进行训练得到所述误差转换模型。
  7. 根据权利要求6所述的方法，其中，所述根据所述第一误差订正系数通过误差转换模型确定所述当日预报时段的第二误差订正系数，包括：
    通过所述误差转换模型确定在误差最小的情况下的误差修订系数；
    根据所述在误差最小的情况下的误差修订系数以及所述第一误差订正系数确定所述第二误差订正系数。
  8. 根据权利要求7所述的方法，其中，根据所述第二误差订正系数对所述第一气象要素数据进行修订，得到修订后的第一气象要素数据，包括：
    通过第二公式确定所述修订后的第一气象要素数据，其中，所述第二公式为：F a(t)＝a f·F f(t)+b f，所述F a为修订后的第一气象要素数据，所述F f表示修订前的第一气象要素数据，所述t表示预报时间段的第t个时间点，所述a f和所述b f表示所述第二误差订正系数。
  9. 一种数值天气预报的气象要素数据处理装置，包括：
    第一获取单元，设置为获取气象站点的数值天气预报预测的第一气象要素数据，其中，所述第一气象要素数据是在当日的第一时间点之前获取到的所述气象站点于前一日第二时间点起预测的数据；
    第二获取单元，设置为获取在所述气象站点观测得到的第二气象要素数据，其中，所述第二气象要素数据是在所述前一日的所述第二时间点到所述当日的第三时间点之间观测得到的数据；
    第三获取单元，设置为选取所述第一气象要素数据与所述第二气象要素数据中时间区间重合区域对应的第三气象要素数据，并根据所述第三气象要素数据得到第一误差订正系数；
    第一确定单元，设置为根据所述第一误差订正系数通过误差转换模型确定所述当日预报时段的第二误差订正系数，其中，所述预报时段为根据所述数值天气预报预测得到所述第一气象要素数据的时间到所述第一气象要素数据发布的时间之间的时间段；
    第四获取单元，设置为根据所述第二误差订正系数对所述第一气象要素数据进行修订，得到修订后的第一气象要素数据。
  10. 根据权利要求9所述的装置，其中，所述第三获取单元包括：
    判断子单元，设置为判断所述第一气象要素数据和所述第二气象要素数据中时间区间重合区域是否满足预定条件，得到判断结果，其中，所述预定条件为所述第一气象要素数据和所述第二气象要素数据的时间区间重合区域对应的总时长大于预定时长；
    第一确定子单元，设置为在所述判断结果为所述第一气象要素数据和所述第二气象要素数据中时间区间重合区域满足所述预定条件的情况下，将所述时间区间重合区域对应的气象要素数据作为所述第三气象要素数据。
PCT/CN2019/115125 2018-11-21 2019-11-01 数值天气预报的气象要素数据处理方法及装置 Ceased WO2020103677A1 (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201811394322.3A CN109543295B (zh) 2018-11-21 2018-11-21 数值天气预报的气象要素数据处理方法及装置
CN201811394322.3 2018-11-21

Publications (1)

Publication Number Publication Date
WO2020103677A1 true WO2020103677A1 (zh) 2020-05-28

Family

ID=65849326

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2019/115125 Ceased WO2020103677A1 (zh) 2018-11-21 2019-11-01 数值天气预报的气象要素数据处理方法及装置

Country Status (2)

Country Link
CN (1) CN109543295B (zh)
WO (1) WO2020103677A1 (zh)

Cited By (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109946765A (zh) * 2019-04-02 2019-06-28 上海电气风电集团有限公司 风电场的流场的预测方法和系统
CN111737876A (zh) * 2020-06-29 2020-10-02 杭州电子科技大学 一种具有时空分布特征的茶叶开采期及采摘时长预测方法
CN114066057A (zh) * 2021-11-16 2022-02-18 五凌电力有限公司 气象数据预测方法、装置、设备、存储介质及程序产品
CN114330641A (zh) * 2021-11-09 2022-04-12 国网山东省电力公司应急管理中心 基于复杂地形的深度学习的短期风速订正模型的建立方法
CN114547485A (zh) * 2022-01-19 2022-05-27 北京百度网讯科技有限公司 天气数据的处理方法、装置、电子设备及存储介质
CN114675349A (zh) * 2022-03-04 2022-06-28 国家气象中心(中央气象台) 数值模式产品分段式订正预报方法及系统
CN114784795A (zh) * 2022-04-15 2022-07-22 清华大学 风电功率预测方法、装置、电子设备及存储介质
CN115291302A (zh) * 2022-07-15 2022-11-04 南京信大气象科学技术研究院有限公司 基于频率与百分位匹配的逐小时降水订正预报方法及设备
CN115524538A (zh) * 2022-11-02 2022-12-27 国网湖南省电力有限公司 一种配电网络雷电预报订正方法、系统及存储介质
CN116108646A (zh) * 2022-12-30 2023-05-12 盛东如东海上风力发电有限责任公司 大气再分析数据的订正方法及其装置
CN116205138A (zh) * 2023-01-16 2023-06-02 中国气象局广州热带海洋气象研究所（广东省气象科学研究所） 风速预报订正方法及装置
CN117452527A (zh) * 2023-12-26 2024-01-26 贵州省气象台(贵州省气象决策服务中心) 一种数字气象智能服务方法及系统
CN117950088A (zh) * 2024-03-26 2024-04-30 南京满星数据科技有限公司 基于多模式的降水预报数据融合订正方法
CN119045090A (zh) * 2024-11-01 2024-11-29 兰州大学 一种数值天气预报产品气候态自适应订正方法
CN119416171A (zh) * 2024-10-18 2025-02-11 重庆市气象台 一种多算法融合多模式集成的气温预测方法及相关装置
CN120494281A (zh) * 2024-07-31 2025-08-15 中国科学院大气物理研究所 一种基于河网汇流演算的数值天气预报方法及系统
CN121029769A (zh) * 2025-01-09 2025-11-28 北京城市气象研究院 智能化排放源订正方法、装置及系统

Families Citing this family (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109543295B (zh) * 2018-11-21 2023-08-25 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
CN112580845A (zh) * 2019-09-30 2021-03-30 北京金风慧能技术有限公司 气象数据处理方法、装置、设备及计算机可读存储介质
CN112580844A (zh) * 2019-09-30 2021-03-30 北京金风慧能技术有限公司 气象数据处理方法、装置、设备及计算机可读存储介质
CN110908014B (zh) * 2019-12-11 2021-11-02 国网湖南省电力有限公司 舞动精细化订正预报方法及系统
CN112612781A (zh) * 2019-12-11 2021-04-06 北京金风慧能技术有限公司 数据修正方法、装置、设备及介质
CN111126684A (zh) * 2019-12-13 2020-05-08 北京心中有数科技有限公司 气候预测方法、装置、计算机可读存储介质和服务器
CN111366990A (zh) * 2020-02-24 2020-07-03 中国电子科技集团公司第二十八研究所 一种基于Gressman空间插值的航路气象预报数据修正方法
CN111401624A (zh) * 2020-03-12 2020-07-10 广西电网有限责任公司 一种风功率预测的方法、装置及计算机可读存储介质
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
CN111831635B (zh) * 2020-07-27 2023-12-22 广西科技师范学院 一种准确提取气象数据的方法及装置
CN113378350A (zh) * 2021-04-28 2021-09-10 中国地震局地质研究所 一种温度变化趋势确定方法、装置及电子设备
CN113534296B (zh) * 2021-07-13 2023-04-07 象辑科技股份有限公司 基于神经网络沙尘天气预报强度误差的测算方法及装置
CN114416713A (zh) * 2022-01-14 2022-04-29 福建省气象信息中心 一种改进数值预报误差的订正方法
CN114563834B (zh) * 2022-04-27 2022-07-26 知一航宇(北京)科技有限公司 一种数值预报产品解释应用方法及系统
CN118504201B (zh) * 2024-04-07 2025-03-07 南京气象科技创新研究院 基于多维偏差的独立区域气象要素预报误差评估方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120095608A1 (en) * 2009-07-14 2012-04-19 Yoshiki Murakami Demand prediction apparatus, and computer readable, non-transitory storage medium
CN102496927A (zh) * 2011-12-16 2012-06-13 中国电力科学研究院 基于误差统计修正的风电场功率预测方法
CN103390202A (zh) * 2013-07-18 2013-11-13 华北电力大学 一种基于相似数据选取的光伏电站输出功率预测方法
CN106371155A (zh) * 2016-08-25 2017-02-01 华南师范大学 基于大数据和分析场的气象预报方法及系统
CN107341134A (zh) * 2017-06-27 2017-11-10 洛阳市气象局 一种对数值预报格点温度预报数据精细化处理的方法
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

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007047996A (ja) * 2005-08-09 2007-02-22 Tokyo Electric Power Co Inc:The 需要予測装置及び方法並びにプログラム
CN104851051A (zh) * 2014-12-08 2015-08-19 国家电网公司 一种结合动态修正的电网区域暴雨量精细化预警方法
CN107092983A (zh) * 2017-04-11 2017-08-25 北京国网富达科技发展有限责任公司 输电导线覆冰厚度预测方法及装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120095608A1 (en) * 2009-07-14 2012-04-19 Yoshiki Murakami Demand prediction apparatus, and computer readable, non-transitory storage medium
CN102496927A (zh) * 2011-12-16 2012-06-13 中国电力科学研究院 基于误差统计修正的风电场功率预测方法
CN103390202A (zh) * 2013-07-18 2013-11-13 华北电力大学 一种基于相似数据选取的光伏电站输出功率预测方法
CN106371155A (zh) * 2016-08-25 2017-02-01 华南师范大学 基于大数据和分析场的气象预报方法及系统
CN107341134A (zh) * 2017-06-27 2017-11-10 洛阳市气象局 一种对数值预报格点温度预报数据精细化处理的方法
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

Cited By (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109946765A (zh) * 2019-04-02 2019-06-28 上海电气风电集团有限公司 风电场的流场的预测方法和系统
CN109946765B (zh) * 2019-04-02 2021-05-07 上海电气风电集团股份有限公司 风电场的流场的预测方法和系统
CN111737876A (zh) * 2020-06-29 2020-10-02 杭州电子科技大学 一种具有时空分布特征的茶叶开采期及采摘时长预测方法
CN114330641A (zh) * 2021-11-09 2022-04-12 国网山东省电力公司应急管理中心 基于复杂地形的深度学习的短期风速订正模型的建立方法
CN114066057A (zh) * 2021-11-16 2022-02-18 五凌电力有限公司 气象数据预测方法、装置、设备、存储介质及程序产品
CN114547485A (zh) * 2022-01-19 2022-05-27 北京百度网讯科技有限公司 天气数据的处理方法、装置、电子设备及存储介质
CN114675349B (zh) * 2022-03-04 2024-04-26 国家气象中心(中央气象台) 数值模式产品分段式订正预报方法及系统
CN114675349A (zh) * 2022-03-04 2022-06-28 国家气象中心(中央气象台) 数值模式产品分段式订正预报方法及系统
CN114784795A (zh) * 2022-04-15 2022-07-22 清华大学 风电功率预测方法、装置、电子设备及存储介质
CN115291302A (zh) * 2022-07-15 2022-11-04 南京信大气象科学技术研究院有限公司 基于频率与百分位匹配的逐小时降水订正预报方法及设备
CN115524538A (zh) * 2022-11-02 2022-12-27 国网湖南省电力有限公司 一种配电网络雷电预报订正方法、系统及存储介质
CN116108646A (zh) * 2022-12-30 2023-05-12 盛东如东海上风力发电有限责任公司 大气再分析数据的订正方法及其装置
CN116205138A (zh) * 2023-01-16 2023-06-02 中国气象局广州热带海洋气象研究所（广东省气象科学研究所） 风速预报订正方法及装置
CN116205138B (zh) * 2023-01-16 2023-11-03 中国气象局广州热带海洋气象研究所（广东省气象科学研究所） 风速预报订正方法及装置
CN117452527A (zh) * 2023-12-26 2024-01-26 贵州省气象台(贵州省气象决策服务中心) 一种数字气象智能服务方法及系统
CN117452527B (zh) * 2023-12-26 2024-03-12 贵州省气象台(贵州省气象决策服务中心) 一种数字气象智能服务方法及系统
CN117950088A (zh) * 2024-03-26 2024-04-30 南京满星数据科技有限公司 基于多模式的降水预报数据融合订正方法
CN117950088B (zh) * 2024-03-26 2024-06-04 南京满星数据科技有限公司 基于多模式的降水预报数据融合订正方法
CN120494281A (zh) * 2024-07-31 2025-08-15 中国科学院大气物理研究所 一种基于河网汇流演算的数值天气预报方法及系统
CN119416171A (zh) * 2024-10-18 2025-02-11 重庆市气象台 一种多算法融合多模式集成的气温预测方法及相关装置
CN119045090A (zh) * 2024-11-01 2024-11-29 兰州大学 一种数值天气预报产品气候态自适应订正方法
CN121029769A (zh) * 2025-01-09 2025-11-28 北京城市气象研究院 智能化排放源订正方法、装置及系统

Also Published As

Publication number Publication date
CN109543295A (zh) 2019-03-29
CN109543295B (zh) 2023-08-25

Similar Documents

Publication Publication Date Title
WO2020103677A1 (zh) 数值天气预报的气象要素数据处理方法及装置
CN110990159B (zh) 一种基于历史数据分析的容器云平台资源配额预测方法
CN107153874B (zh) 水质预测方法及系统
CN116502692A (zh) 一种模型的训练方法、光伏发电功率的预测方法及设备
CN107494320B (zh) 基于无线传感器网络的牛舍环境温度智能监测系统
US20140006331A1 (en) Power prediction for newly added wind turbine
CN106803128B (zh) 光伏发电的预测方法和装置
Lee et al. Analysis of growth performance in swine based on machine learning
CN106097043A (zh) 一种信用数据的处理方法及服务器
CN113746696A (zh) 网络流量预测方法、设备、存储介质及装置
CN111861023A (zh) 基于统计学的混合风电功率预测方法、装置
CN103345660A (zh) 一种基于猫群算法优化支持向量机参数的冷负荷预测方法
CN104091216A (zh) 基于果蝇优化最小二乘支持向量机的交通信息预测方法
CN115271253A (zh) 一种水风光发电功率预测模型构建方法、装置及存储介质
CN117220286B (zh) 一种水风光多能互补系统风险评估方法、装置及介质
CN113947007A (zh) 能源的负荷预测方法、装置及设备
CN111598457A (zh) 一种电力无线网络质量的确定方法及装置
CN114547917A (zh) 仿真预测方法、装置、设备及存储介质
CN111325376A (zh) 风速预测方法及装置
CN116528270B (zh) 一种基站节能潜力评估方法、装置、设备及存储介质
CN114338416B (zh) 一种时空多指标预测方法、装置和存储介质
CN109840308B (zh) 一种区域风电功率概率预报方法及系统
CN114048905A (zh) 电力资源的价格预测方法、装置、设备及存储介质
CN117785445A (zh) 一种基于堆叠时间卷积网络的云资源预测方法及系统
CN108009686B (zh) 一种光伏发电功率预测方法、装置及系统

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 19887891

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 19887891

Country of ref document: EP

Kind code of ref document: A1