一种基于物理-数据双驱动的流域水风光资源一体化预报方法技术

本发明专利技术公开了一种基于物理

【技术实现步骤摘要】
一种基于物理
‑
数据双驱动的流域水风光资源一体化预报方法


[0001]本专利技术属于水风光资源预报
，具体涉及一种基于物理
‑
数据双驱动的流域水风光资源一体化预报方法。

技术介绍

[0002]2022年，国家能源局启动主要流域可再生能源一体化研究，并明确了主要流域清单。水风光能资源是流域气象水文循环背景场中能量的不同表现形式，其资源时空分布不均匀性与互补特性呈复杂耦合关系，实现时空连续、高分辨率、高精度的流域水风光资源一体化预报，对落实流域可再生能源“四个一体化”规划研究工作具有重要意义。
[0003]流域气象水文预报中的机理模型相对成熟和完善，得以大范围推广和应用。而在机理模型产生的大规模运算结果的环境下，如何从数据学习的角度审视机理较为清晰的物理模型，探索其在大规模运算结果下的误差订正是一个值得探讨的热点问题。目前流域中水、风、光能资源模拟多分开进行，如降雨径流预报、风能资源预报、太阳辐射预报与风光资源联合预报等，同时考虑三种资源一体化预报的研究较少。单独基于物理模型预测或者基于数据驱动的神经网络模型预测技术已经较为成熟，但是兼顾模型物理机制与大数据学习信息的物理
‑
数据双驱动预测技术并不多见。已有研究成果难以满足流域可再生能源一体化规划研究对水风光资源在时空连续性与时空分辨率方面的综合需求。研究方法多集中于独立的物理模型或者数据驱动方法，预测精度无法得到保证，不能满足流域型水风光多能互补基地一体化开发、运行的现实需求，亟待提出基于物理模型与数据驱动相结合的流域一体化水风光资源预报方法。

技术实现思路

[0004]专利技术目的：为了克服现有技术中存在的不足，提供一种基于物理
‑
数据双驱动的流域水风光资源一体化预报方法，该方法能够获取时空连续、高分辨率、高精度的水电站入库径流、风机轮毂对应高度处风速与下行短波辐射等关键水文气象变量。
[0005]技术方案：为实现上述目的，本专利技术提供一种基于物理
‑
数据双驱动的流域水风光资源一体化预报方法，包括如下步骤：
[0006]S1：确定研究流域与典型时段；
[0007]S2：构建WRF/WRF
‑
Hydro陆气双向耦合模式，获取模式驱动场与地面静态数据；综合考虑流域所在地理位置、地形高程、所处气候分区与项目研究需求，确定模式嵌套方案；
[0008]S3：确定WRF模式中待优选的参数化方案，考虑模式达到平衡所需的预热时间，选择典型研究时段，利用再分析资料驱动模式，获取相应变量的模拟结果；
[0009]从点尺度与面尺度建立模拟效果评价指标，针对多变量提出基于欧式距离的模式模拟效果综合评价方法，实现考虑多变量输出的WRF模式参数化方案优选；
[0010]基于最佳的WRF模式参数化方案组合设置，进行WRF
‑
Hydro敏感参数率定；
[0011]S4：构建基于长短时记忆网络的模式误差订正模型，采用步骤S3获得的最佳参数化方案组合与率定后的WRF
‑
Hydro参数，采用GFS数据驱动模式，获得相应模式输出结果，设定率定期与验证期，通过主成分分析确定与待预报变量相关的因子；将模式率定期内的关键变量预报结果及相关变量作为网络输入，将关键预报变量残差作为模式输出，对长短时记忆网络结构进行训练，并将其应用于验证期的模式输出结果以获取对应残差，从而实现模式预报结果的误差订正；
[0012]S5：考虑模式达到平衡所需预热时间与水风光资源时间序列始末位置，确定模式开始运行时间与运行结束时间，驱动WRF/WRF
‑
Hydro双向耦合模式获取径流、近地面风速与下行短波辐射预报结果，基于长短时记忆网络获得待预报变量残差，实现流域时空连续、高分辨率与高精度的水风光资源一体化预报。
[0013]进一步地，所述步骤S2中模式嵌套方案的确定具体为：
[0014]获取版本互相兼容的WRF/WPS/WRF
‑
hydro代码源文件，依次进行解压(tar zxfv xxxx.tar.gz)、配置(configure)与编译(compile)，实现WRF/WRF
‑
Hydro模式源代码双向耦合编译；
[0015]确定模式驱动场Final Operational Global Analysis(FNL)或ERA
‑
Interim或Climate Forecast System Reanalysis(CFSR)或Global Forecast System analysis and forecast grids(GFS)等(https://www2.mmm.ucar.edu/wrf/users/download/free_data.html)，与地面静态数据(https://www2.mmm.ucar.edu/wrf/users/download/get_sources_wps_geog.html)；
[0016]模式嵌套方案包括水平方向与垂直方向两个维度，根据可获取的计算资源、项目具体需求与流域所处地理位置及气候分区，通过设置namelist.wps文件中geogrid部分参数进行区域水平嵌套方案设置，并可通过wrf_hydro_arcgis_preprocessor中Create Domain Boundary Shapefile工具进行区域水平嵌套方案的可视化；垂直方向上主要基于namelist.input文件中的e_vert与eta_levels参数确定垂直分层方案，通过缩小eta间隔，进行WRF模式近地面垂直分层加密，每种eta设置方案下均需要测试模式积分的稳定性，通过模式运行输出的wrfout_d0*文件，提取变量PH、PHB与HGT，根据式(1)计算每层格点对应的gmp均值进而获取不同垂直分层的对应离地高度，基于多次尝试确定参数e_vert与eta_levels，进而获取风机轮毂高度处对应分层的变量；
[0017]gmp＝(PH+PHB)/9.81
‑
HGT
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
[0018]式中，gmp为离地位势高度，其中(PH+PHB)/9.81为海拔高度；HGT代表地形高度；PH代表扰动位势(perturbation geopotential)；PHB代表基态位势(base
‑
state geopotential)。
[0019]步骤S2包括三步，第一步主要是进行WRF/WRF
‑
Hydro双向耦合模式编译；第二步是确定模式驱动场与地面静态数据；前两步为模式嵌套方案设置的基础，然后根据研究需求与流域所在地理位置、地形高程、所处气候分区等特点，通过namelist.wps文件中geogrid部分参数设置，确定模式水平嵌套方案，通过namelist.input文件中e_vert参数与eta_levels参数确定本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于物理
‑
数据双驱动的流域水风光资源一体化预报方法，其特征在于，包括如下步骤：S1：确定研究流域与典型时段；S2：构建WRF/WRF
‑
Hydro陆气双向耦合模式，获取模式驱动场与地面静态数据；综合考虑流域所在地理位置、地形高程、所处气候分区与项目研究需求，确定模式嵌套方案；S3：确定WRF模式中待优选的参数化方案，考虑模式达到平衡所需的预热时间，选择典型研究时段，利用再分析资料驱动模式，获取相应变量的模拟结果；从点尺度与面尺度建立模拟效果评价指标，针对多变量提出基于欧式距离的模式模拟效果综合评价方法，实现考虑多变量输出的WRF模式参数化方案优选；基于最佳的WRF模式参数化方案组合设置，进行WRF
‑
Hydro敏感参数率定；S4：构建基于长短时记忆网络的模式误差订正模型，采用步骤S3获得的最佳参数化方案组合与率定后的WRF
‑
Hydro参数，采用GFS数据驱动模式，获得相应模式输出结果，设定率定期与验证期，通过主成分分析确定与待预报变量相关的因子；将模式率定期内的关键变量预报结果及相关变量作为网络输入，将关键预报变量残差作为模式输出，对长短时记忆网络结构进行训练，并将其应用于验证期的模式输出结果以获取对应残差，从而实现模式预报结果的误差订正；S5：考虑模式达到平衡所需预热时间与水风光资源时间序列始末位置，确定模式开始运行时间与运行结束时间，驱动WRF/WRF
‑
Hydro双向耦合模式获取径流、近地面风速与下行短波辐射预报结果，基于长短时记忆网络获得待预报变量残差，实现流域时空连续、高分辨率与高精度的水风光资源一体化预报。2.根据权利要求1所述的一种基于物理
‑
数据双驱动的流域水风光资源一体化预报方法，其特征在于，所述步骤S2中模式嵌套方案的确定具体为：获取版本互相兼容的WRF/WPS/WRF
‑
hydro代码源文件，依次进行解压、配置与编译，实现WRF/WRF
‑
Hydro模式源代码双向耦合编译；确定模式驱动场与地面静态数据；模式嵌套方案包括水平方向与垂直方向两个维度，根据可获取的计算资源、项目具体需求与流域所处地理位置及气候分区，通过设置namelist.wps文件中geogrid部分参数进行区域水平嵌套方案设置，并可通过wrf_hydro_arcgis_preprocessor中Create Domain Boundary Shapefile工具进行区域水平嵌套方案的可视化；垂直方向上基于namelist.input文件中的e_vert与eta_levels参数确定垂直分层方案，通过缩小eta间隔，进行WRF模式近地面垂直分层加密，每种eta设置方案下均需要测试模式积分的稳定性，通过模式运行输出的wrfout_d0*文件，提取变量PH、PHB与HGT，根据式(1)计算每层格点对应的gmp均值进而获取不同垂直分层的对应离地高度，基于多次尝试确定参数e_vert与eta_levels，进而获取风机轮毂高度处对应分层的变量；gmp＝(PH+PHB)/9.81
‑
HGT
ꢀꢀꢀꢀꢀꢀꢀ
(1)式中，gmp为离地位势高度，其中(PH+PHB)/9.81为海拔高度；HGT代表地形高度；PH代表扰动位势；PHB代表基态位势。3.根据权利要求1所述的一种基于物理
‑
数据双驱动的流域水风光资源一体化预报方法，其特征在于，所述步骤S3中相应变量的模拟结果的获取具体为：
确定n种参数化方案过程为待优选参数化方案，依据文献调研与可选参数化方案特点，每种参数化过程对应2种可选方案，根据排列组合共设计2
n
组实验方案，在保证其他参数与模式预热时间设置一致的情况下，获得2
n
组实验方案对应的模式输出结果。4.根据权利要求1所述的一种基于物理
‑
数据双驱动的流域水风光资源一体化预报方法，其特征在于，所述步骤S3中实现考虑多变量输出的WRF模式参数化方案优选的过程为：(1)针对WRF模式输出的降水、下行短波辐射、近地面风速与气温，分别建立点尺度与面尺度评价指标，衡量不同参数化方案组合下模式的模拟效果，对于降水点尺度评价，采用命中率(POD)、关键成功指数(CSI)与误报率(FAR)三个指标，详见公式(2)至公式(4)；中率(POD)、关键成功指数(CSI)与误报率(FAR)三个指标，详见公式(2)至公式(4)；中率(POD)、关键成功指数(CSI)与误报率(FAR)三个指标，详见公式(2)至公式(4)；其中，H代表命中的次数、M代表漏报的次数、F代表误报的次数；对于降水面尺度评价，采用研究区域模拟面雨量占观测降雨量的百分比Percent与累积降水量均方根误差RMSE两个指标进行评价，详见式(5)与式(6)；Percent＝(sim/obs)*100
ꢀꢀꢀꢀꢀꢀꢀꢀ
(5)其中，sim代表模拟面雨量(mm)，obs代表实测降雨量(mm)；其中，N代表空间格点数，与分别代表对应格点上月累积降水的模拟值与实测值；针对点尺度下行短波辐射评价，采用平均偏差误差(Mean Bias Error,MBE)与日尺度均方根误差RMSE
day
两个指标，详见式(7)与式(8)；两个指标，详见式(7)与式(8)；其中，M代表模式输出的时次数，N代表空间格点数，与分别代表时刻i格点j的模拟值与观测值；针对气温与近地面风速，面尺度...

【专利技术属性】
技术研发人员：方国华，张钰，闻昕，唐梅英，李继伟，刘杨，张瑞海，丁紫玉，谭乔凤，颜敏，李鑫，
申请(专利权)人：河海大学，
类型：发明
国别省市：