一种多源算法集成的太阳辐射预报系统及方法技术方案

本发明专利技术公开了一种多源算法集成的太阳辐射预报系统及方法，包括基于辐射预报资料，得到数据1和数据2；将数据2插值到逐小时数据上，得到数据3，将两套数据插值到若干个辐射站上，结合辐射逐时观测资料，通过数据处理得到两套数据站点权重系数表，将两套数据站点权重系数表平面化到与两套数据源空间分辨率一致的格点网格场上，得到网格化权重系数表，其中，所述两套数据为数据1和数据3；基于两套数据格点权重系数表对两套数据进行集成，得到最终辐射数据，本发明专利技术适用于能源与气象预测的交叉领域，本发明专利技术能够避免数据源的单一性以及在某些地区的局限性，提高预报效果，还能够提高辐射预报质量，提升预报结果的准确率及稳定性。提升预报结果的准确率及稳定性。提升预报结果的准确率及稳定性。

【技术实现步骤摘要】
一种多源算法集成的太阳辐射预报系统及方法


[0001]本专利技术属于能源与气象预测的交叉领域，具体是一种多源算法集成的太阳辐射预报系统及方法。

技术介绍

[0002]太阳辐射与我们的生活息息相关，指地面所接受到的太阳辐射短波总辐射量,是衡量一个地方太阳能资源的重要标志，是影响太阳能发电站供电的主要影响因子；
[0003]然而，现有太阳辐射预报方法是采用数值预报模式，虽能较好的预测出到达地面的太阳辐射，并输出格点化预报产品，但是单一的数据源对某些地区的预报有一定的局限性，难以做出精准化预测，预报效果不佳，同时现有方法数据存在单一性与不稳定性，使得预报结果的准确率不高。

技术实现思路

[0004]本专利技术的目的在于克服现有技术的缺陷，提供一种多源算法集成的太阳辐射预报系统及方法。
[0005]为实现上述目的，本专利技术采用了如下技术方案：
[0006]一种多源算法集成的太阳辐射预报方法，包括以下步骤：
[0007]获取数据1和数据2，将数据2插值到逐小时数据上，得到数据3，将两套数据插值到若干个辐射站上，得到参加训练的预报数据集，其中，数据1为9km分辨率的区域模式辐射预报数据，时间分辨率为逐小时，数据2为9km分辨率的全球模式辐射预报数据，时间分辨率为逐3h累计，所述两套数据为数据1和数据3；
[0008]对两套数据进行数据处理得到两套数据站点权重系数表；
[0009]将两套数据站点权重系数表平面化到与两套数据源空间分辨率一致的格点网格场上，计算每个网格上的权重系数，得到网格化权重系数表；
[0010]基于网格化权重系数表，对辐射预报格点数据进行集成，得到网格化逐小时辐射集成预报产品。
[0011]优选的，所述获取数据1和数据2，包括：选取一定长度的训练期，对全国观测辐射站进行筛选，剔除异常站点以及样本过少的站点，选取若干个站点参加训练，形成参加训练的辐射观测数据；获取同样训练期的辐射预报数据1和数据2。
[0012]优选的，所述数据处理，包括：
[0013]基于辐射逐时观测资料，检验两套数据的预报质量，解得基于两套数据得到的站点预报数据的均方根误差；
[0014]根据四季及三天预报时效得到的均方根误差进行季节平均、预报时效平均，得到四季及三天预报时效下所有辐射站时间平均的均方根误差，利用权重计算公式求解四季及三天预报时效下的两套数据站点权重系数表，其中所述权重计算公式为：
[0015][0016]其中k＝1或2，RMS E(1，j)和RMS E(2，j)为两套数据在第j个站点的均方根误差，W
1，j
和W
2,j
为两套数据在第j站点的权重。
[0017]优选的，所述对辐射预报格点数据进行集成，计算公式为：
[0018]Y(i,j)＝Y1(i,j)
×
a1(i,j)+Y2(i,j)
×
a2(i,j)，
[0019]其中，Y(i,j)为辐射集成预报数据，Y1(i,j)和Y2(i,j)分别为位于(i,j)经纬度格点的两套数据，a1(i,j)和a2(i,j)分别为相同点位下两套数据的权重，a1(i,j)与a2(i,j)之和为1。
[0020]一种多源算法集成的太阳辐射预报系统，包括：
[0021]资料前处理模块：用于获取数据1和数据2，将数据2插值到逐小时数据上，得到数据3，将两套数据插值到若干个辐射站上，得到训练数据集；
[0022]权重系数计算模块：用于对两套数据进行数据处理得到两套数据站点权重系数表；
[0023]权重系数网格化模块：用于将两套数据站点权重系数表平面化到与两套数据源空间分辨率一致的格点网格场上，计算每个网格上的权重系数，得到网格化权重系数表；
[0024]实时辐射集成预报模块：用于基于网格化权重系数表，对辐射预报格点数据进行集成，得到网格化逐小时辐射集成预报产品。
[0025]优选的，所述资料前处理模块包括历史预报数据采集单元、数据解码提取单元、数据插值单元、观测数据采集单元、实时数据采集单元、数据质量控制单元、数据前处理单元及样品匹配单元。
[0026]综上所述，由于采用了上述技术方案，本专利技术的有益效果是：
[0027]本专利技术通过将两套数据插值到若干个辐射站上，利用权重计算公式求解四季、三天预报时效下的两套数据源站点权重系数表，从而避免了数据源的单一性以及在某些地区的局限性，提高了预报效果；同时，本专利技术基于两套数据格点权重系数表对两套数据进行集成，得到了最终辐射数据，有效提高了辐射预报质量，提升了预报结果的准确率及稳定性。
附图说明
[0028]图1是本专利技术一种多源算法集成的太阳辐射预报系统及方法的流程图；
[0029]图2是本专利技术一种多源算法集成的太阳辐射预报系统及方法的系统结构图；
[0030]图3是本专利技术一种多源算法集成的太阳辐射预报系统及方法的系统工作流程图。
具体实施方式
[0031]以下结合附图1
‑
3，进一步说明本专利技术一种多源算法集成的太阳辐射预报系统及方法的具体实施方式。本专利技术一种多源算法集成的太阳辐射预报系统及方法不限于以下实施例的描述。
[0032]实施例1：
[0033]本实施例给出一种多源算法集成的太阳辐射预报方法的具体结构，如图1所示，包
括以下步骤：
[0034]获取数据1和数据2，将数据2插值到逐小时数据上，得到数据3，将两套数据插值到若干个辐射站上，得到参加训练的预报数据集，其中，数据1为9km分辨率的区域模式辐射预报数据，时间分辨率为逐小时，数据2为9km分辨率的全球模式辐射预报数据，时间分辨率为逐3h累计，两套数据为数据1和数据3；
[0035]对两套数据进行数据处理得到两套数据站点权重系数表；
[0036]将两套数据站点权重系数表平面化到与两套数据源空间分辨率一致的格点网格场上，计算每个网格上的权重系数，得到网格化权重系数表；
[0037]基于网格化权重系数表，对辐射预报格点数据进行集成，得到网格化逐小时辐射集成预报产品。
[0038]具体地，获取数据1和数据2，包括：选取一定长度的训练期，对全国观测辐射站进行筛选，剔除异常站点以及样本过少的站点，选取若干个站点参加训练，形成参加训练的辐射观测数据；获取同样训练期的辐射预报数据1和数据2。
[0039]具体地，数据处理，包括：
[0040]基于辐射逐时观测资料，检验两套数据的预报质量，解得基于两套数据得到的站点预报数据的均方根误差；
[0041]根据四季及三天预报时效得到的均方根误差进行季节平均、预报时效平均，得到四季及三天预报时效下所有辐射站时间平均的均方根误差，利用权重计算公式求解四季及三天预报时效下的两套数据站点权重系数表，其中权重计算公式为：
[0042][0043]其中k＝1或2，RMS E(1，j)和RMS E(2，j)本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多源算法集成的太阳辐射预报方法，其特征在于,包括以下步骤：获取数据1和数据2，将数据2插值到逐小时数据上，得到数据3，将两套数据插值到若干个辐射站上，得到参加训练的预报数据集，其中，数据1为9km分辨率的区域模式辐射预报数据，时间分辨率为逐小时，数据2为9km分辨率的全球模式辐射预报数据，时间分辨率为逐3h累计，所述两套数据为数据1和数据3；对两套数据进行数据处理得到两套数据站点权重系数表；将两套数据站点权重系数表平面化到与两套数据源空间分辨率一致的格点网格场上，计算每个网格上的权重系数，得到网格化权重系数表；基于网格化权重系数表，对辐射预报格点数据进行集成，得到网格化逐小时辐射集成预报产品。2.如权利要求1所述的一种多源算法集成的太阳辐射预报方法，其特征在于，所述获取数据1和数据2，包括：选取一定长度的训练期，对全国观测辐射站进行筛选，剔除异常站点以及样本过少的站点，选取若干个站点参加训练，形成参加训练的辐射观测数据；获取同样训练期的辐射预报数据1和数据2。3.如权利要求1所述的一种多源算法集成的太阳辐射预报方法，其特征在于，所述数据处理，包括：基于辐射逐时观测资料，检验两套数据的预报质量，解得基于两套数据得到的站点预报数据的均方根误差；根据四季及三天预报时效得到的均方根误差进行季节平均、预报时效平均，得到四季及三天预报时效下所有辐射站时间平均的均方根误差，利用权重计算公式求解四季及三天预报时效下的两套数据站点权重系数表，其中所述权重计算公式为：其中k＝1或2，RMS E(1，j)和RMS E(2，j)为两套数据在第j个站点的均方根误差，W

【专利技术属性】
技术研发人员：王雪，何晓凤，郭志民，周荣卫，李哲，刘莘昱，梁允，赵健，刘善峰，王超，苑司坤，王津宇，高阳，李帅，崔晶晶，
申请(专利权)人：国网河南省电力公司电力科学研究院，
类型：发明
国别省市：