一种气象数据的模拟数据修正方法及装置、电子设备制造方法及图纸

本申请公开了一种气象数据的模拟数据修正方法及装置、电子设备。该方法包括：获取气象数据在目标时刻的实测数据；将实测数据按照气象预报模拟方式进行处理，得到模拟数据；将模拟数据输入训练好的修正模型，由修正模型输出模拟数据修正后的目标数据，其中，修正模型为卷积长短期记忆网络模型，由多组训练数据训练而成，每组训练数据包括输入的模拟数据，以及输出的实测数据。解决了相关技术中对气象数据的模拟数据进行修正时，仅仅通过统计学方法，导致修正后的模拟数据的准确率仍然较低的问题。题。题。

【技术实现步骤摘要】
一种气象数据的模拟数据修正方法及装置、电子设备


[0001]本申请涉及新能源发电领域，具体而言，涉及一种气象数据的模拟数据修正方法及装置、电子设备。

技术介绍

[0002]现有的天气预报数据通常基于WRF(天气预报，Weather Research and Forecasting)模式进行模拟，但是，将WRF模拟数据与实际风数据进行对比可以发现，二者之间通常存在一定偏差。为保障数据的准确度，需要对WRF模拟数据进行修正，使得预报数据与实际数据尽可能的相匹配。
[0003]现有的WRF模式修正通常基于传统的数据统计方法或机器学习算法，且多针对风速数据进行修正。例如专利CN 106934191 A提供了一种基于自相似性的WRF模式风速修正方法，并在修正算法的基础上建立实时处理模块，实现对WRF模式预报风速的实时修正；专利CN 114358398 A提出一种基于深度神经网络的数值天气预报风速修正方法，通过建立动态修正策略弥补数据量少造成的数据特征提取不充分问题，降低数值天气预报风速预测误差。风向数据的修正通常采用与风速修正同样的技术路线，并未本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种气象数据的模拟数据修正方法，其特征在于，包括：获取气象数据在目标时刻的实测数据；将所述实测数据按照气象预报模拟方式进行处理，得到模拟数据；将所述模拟数据输入训练好的修正模型，由所述修正模型输出所述模拟数据修正后的目标数据，其中，所述修正模型为卷积长短期记忆网络模型，由多组训练数据训练而成，每组训练数据包括输入的模拟数据，以及输出的实测数据。2.根据权利要求1所述的方法，其特征在于，将所述模拟数据输入训练好的修正模型，由所述修正模型输出所述模拟数据修正后的目标数据包括：将所述模拟数据通过输入层处理后，输入卷积层和池化层进行处理，其中，每层卷积层之后还设置有池化层；将所述池化层的输出数据，通过数据重组层进行降维平铺处理；将降维平铺后的数据输入长短期记忆网络层；根据所述长短期记忆网络层的输出数据，确定所述目标数据。3.根据权利要求2所述的方法，其特征在于，根据所述长短期记忆网络层的输出数据，确定所述目标数据包括：将所述长短期记忆网络层的输出数据，通过全连接层进行降维整合处理；通过输出层对降维整合后的数据进行线性变换，得到所述目标数据。4.根据权利要求2所述的方法，其特征在于，将所述模拟数据通过输入层处理后，输入卷积层和池化层进行处理包括：将所述模拟数据通过输入层处理后，输入第一层卷积层；由所述第一层卷积层输出第一卷积数据，将所述第一卷积数据输入第一卷积层之后设置的第一池化层；由所述第一池化层输出第一池化数据，将所述第一池化数据输入第二卷积层；由所述第二卷积层输出第二卷积数据，将所述第二卷积数据输入第二卷积层之后设置的第二池化层；直至最后一个池化层输出处理结果。5.根据权利要求4所述的方法，其特征在于，将所述模拟数据输入训练好的修正模型，由所述修正模型输出所述模拟数据修正后的目标数据之前，所述方法还包括：获取目标点位处的模拟数据和实测数据，其中，模拟数据和实测数据均携带时间戳，同一时间的模拟数据和实测数据为一组，模拟数据为某一时刻之前，根据已有的实测数据对所述某一时刻的气象数据，按照气象预报模拟方式得到的；根据获取的模拟数据和实测数据，按照时间划分为训练集和测试集，其中，所述测试集的时间跨度，不小于所述测试集和所述训练集的总时...

【专利技术属性】
技术研发人员：张皓，易侃，杜梦蛟，文仁强，张子良，王浩，
申请(专利权)人：中国长江三峡集团有限公司，
类型：发明
国别省市：