一种小尺度气象预测方法、装置及介质制造方法及图纸

本申请公开了一种小尺度气象预测方法、装置及介质，涉及电力系统领域，为了解决天气预报的大尺度气象数据难以反映实际微地形的气象数据，获取历史时间段内预设区域的大尺度气象参数数据与小尺度气象参数数据；将大尺度气象特征量作为输入，小尺度气象特征量作为输出，建立全连接神经网络，得到大尺度气象参数与小尺度气象参数的神经网络模型；根据当前的大尺度气象参数数据输入神经网络模型得到小尺度气象参数预测数据。本申请根据当前的大尺度气象参数数据则可得到小尺度气象参数预测数据，实现对区域的小尺度气象预测，相对于直接使用大尺度气象参数，使用小尺度气象参数预测数据更加准确，有助于了解输电线路周围的气候，对线路覆冰做出预警。对线路覆冰做出预警。对线路覆冰做出预警。

【技术实现步骤摘要】
一种小尺度气象预测方法、装置及介质


[0001]本申请涉及电力系统领域，特别是涉及一种小尺度气象预测方法、装置及介质。

技术介绍

[0002]由于各种结构物都面临的覆冰的问题，对于未来一段时间内电网、风力发电机是否会覆冰，只能通过天气预报的数据初步判断。
[0003]天气系统往往限于中尺度气象，目前天气预报的气象参数往往是以市为单位，一个市的范围算是中尺度，那么预报也就仅限于中尺度以上，不可能精细到涵盖所有小尺度天气，通常在30km
×
30km以上，范围比较大，缺少详细的区域气象信息，难以对区域气象做出合理的预测。
[0004]而各种结构物主要受其所在微地形气象参数的影响，天气预报大尺度气象参数与微地形小尺度气象参数往往有比较大的区别，微地形是指与大尺度地形(例如几十千米尺度)差异较大的局部小尺度地形(例如，几百米以内)。天气预报的气象数据难以反映实际微地形的气象数据。
[0005]由此可见，提供一种小尺度气象参数的预测方法，是本领域人员亟待解决的技术问题。

技术实现思路

[0006]本申请的目的是提供一种小尺度气象预测方法，对区域气象做出合理的预测。
[0007]为解决上述技术问题，本申请提供一种小尺度气象预测方法，包括：
[0008]获取历史时间段内预设区域的大尺度气象参数数据与小尺度气象参数数据；
[0009]从小尺度气象参数中选择多个小尺度气象特征量，从大尺度气象参数中选择多个大尺度气象特征量；
[0010]将大尺度气象特征量作为输入，小尺度气象特征量作为输出，建立全连接神经网络，得到大尺度气象参数与小尺度气象参数的神经网络模型；
[0011]根据当前的大尺度气象参数数据输入神经网络模型得到小尺度气象参数预测数据。
[0012]作为一种优选方案，上述小尺度气象预测方法中，获取历史时间段内预设区域的大尺度气象参数数据与小尺度气象参数数据，之后还包括：
[0013]对大尺度气象参数数据与小尺度气象参数数据的异常值、缺失值进行数据处理；
[0014]对大尺度气象参数数据与小尺度气象参数数据进行无量纲化处理。
[0015]作为一种优选方案，上述小尺度气象预测方法中，从小尺度气象参数中选择多个小尺度气象特征量，从大尺度气象参数中选择多个大尺度气象特征量，之后还包括：
[0016]分析各大尺度气象特征量与各小尺度气象特征量之间的关联度及权重；
[0017]删除关联度小于预设关联度或权重小于预设权重的大尺度气象特征量。
[0018]作为一种优选方案，上述小尺度气象预测方法中，将大尺度气象特征量作为输入，
小尺度气象特征量作为输出，建立全连接神经网络，得到大尺度气象参数与小尺度气象参数的神经网络模型，包括：
[0019]将大尺度气象特征量作为输入，小尺度气象特征量作为输出，采用梯度下降算法，建立全连接神经网络模型；
[0020]选用Adam梯度下降优化算法优化全连接神经网络模型，使用Dropout在防止过拟合。
[0021]作为一种优选方案，上述小尺度气象预测方法中，从小尺度气象参数中选择多个小尺度气象特征量，从大尺度气象参数中选择多个大尺度气象特征量，包括：
[0022]从小尺度气象参数中选择温度和风速作为小尺度气象特征量；
[0023]从大尺度气象参数中选择温度、风速、湿度、风向作为大尺度气象特征量。
[0024]作为一种优选方案，上述小尺度气象预测方法中，获取历史时间段内预设区域的大尺度气象参数数据与小尺度气象参数数据，包括：
[0025]以小时为单位从气象数据预报平台获取历史时间段内预设区域的大尺度气象参数数据；
[0026]以小时为单位从地面检测系统获取历史时间段内预设区域的小尺度气象参数数据。
[0027]作为一种优选方案，上述小尺度气象预测方法中，对大尺度气象参数数据与小尺度气象参数数据的异常值、缺失值进行数据处理；
[0028]将大尺度气象参数数据与小尺度气象参数数据的异常值删除；
[0029]将大尺度气象参数数据与小尺度气象参数数据的缺失值通过相邻时刻的平均值替换。
[0030]为解决上述技术问题，本申请还提供一种小尺度气象预测装置，包括：
[0031]获取模块，用于获取历史时间段内预设区域的大尺度气象参数数据与小尺度气象参数数据；
[0032]选择模块，用于从小尺度气象参数中选择多个小尺度气象特征量，从大尺度气象参数中选择多个大尺度气象特征量；
[0033]建立模型模块，用于将大尺度气象特征量作为输入，小尺度气象特征量作为输出，建立全连接神经网络，得到大尺度气象参数与小尺度气象参数的神经网络模型；
[0034]预测模块，用于根据当前的大尺度气象参数数据输入神经网络模型得到小尺度气象参数预测数据。
[0035]为解决上述技术问题，本申请还提供一种小尺度气象预测装置，包括：
[0036]存储器，用于存储计算机程序；
[0037]处理器，用于执行计算机程序时实现上述的小尺度气象预测方法的步骤。
[0038]为解决上述技术问题，本申请还提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现上述的小尺度气象预测方法的步骤。
[0039]本申请所提供的小尺度气象预测方法，获取历史时间段内预设区域的大尺度气象参数数据与小尺度气象参数数据；从小尺度气象参数中选择多个小尺度气象特征量，从大尺度气象参数中选择多个大尺度气象特征量；将大尺度气象特征量作为输入，小尺度气象
特征量作为输出，建立全连接神经网络，得到大尺度气象参数与小尺度气象参数的神经网络模型；根据当前的大尺度气象参数数据输入神经网络模型得到小尺度气象参数预测数据。本申请根据历史时间段内预设区域的大尺度气象参数数据与小尺度气象参数数据选择相关特征量建立神经网络模型，通过根据当前的大尺度气象参数数据则可得到小尺度气象参数预测数据，实现对区域的小尺度气象预测，相对于直接使用大尺度气象参数对覆冰情况进行判断，使用小尺度气象参数预测数据更加准确地了解预设区域输电线路周围的气候状况，对线路覆冰做出预警，也有助于对飞机、高铁等各种结构物的覆冰做出预警。
[0040]另外，本申请还提供一种装置及介质，与上述方法对应，效果同上。
附图说明
[0041]为了更清楚地说明本申请实施例，下面将对实施例中所需要使用的附图做简单的介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，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的附图。
[0042]图1为本申请实施例提供的一种小尺度气象预测方法的流程图；
[0043]图2为本申请实施例提供的一种小尺度气象预测装置的结构图；
[0044]图3为本申请实施例提供的另一种小尺度气象预测装置的结构图。
具体实施方本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种小尺度气象预测方法，其特征在于，包括：获取历史时间段内预设区域的大尺度气象参数数据与小尺度气象参数数据；从小尺度气象参数中选择多个小尺度气象特征量，从大尺度气象参数中选择多个大尺度气象特征量；将所述大尺度气象特征量作为输入，所述小尺度气象特征量作为输出，建立全连接神经网络，得到大尺度气象参数与小尺度气象参数的神经网络模型；根据当前的大尺度气象参数数据输入所述神经网络模型得到小尺度气象参数预测数据。2.根据权利要求1所述的小尺度气象预测方法，其特征在于，所述获取历史时间段内预设区域的大尺度气象参数数据与小尺度气象参数数据，之后还包括：对所述大尺度气象参数数据与所述小尺度气象参数数据的异常值、缺失值进行数据处理；对所述大尺度气象参数数据与所述小尺度气象参数数据进行无量纲化处理。3.根据权利要求1所述的小尺度气象预测方法，其特征在于，所述从小尺度气象参数中选择多个小尺度气象特征量，从大尺度气象参数中选择多个大尺度气象特征量，之后还包括：分析各所述大尺度气象特征量与各所述小尺度气象特征量之间的关联度及权重；删除所述关联度小于预设关联度或所述权重小于预设权重的所述大尺度气象特征量。4.根据权利要求3所述的小尺度气象预测方法，其特征在于，所述将所述大尺度气象特征量作为输入，所述小尺度气象特征量作为输出，建立全连接神经网络，得到大尺度气象参数与小尺度气象参数的神经网络模型，包括：将所述大尺度气象特征量作为输入，所述小尺度气象特征量作为输出，采用梯度下降算法，建立全连接神经网络模型；通过Adam梯度下降优化算法优化所述全连接神经网络模型。5.根据权利要求1所述的小尺度气象预测方法，其特征在于，所述从小尺度气象参数中选择多个小尺度气象特征量，从大尺度气象参数中选择多个大尺度气象特征量，包括：从小尺度...

【专利技术属性】
技术研发人员：夏翰林，胡琴，刘育明，蒋兴良，李小菊，武雨凡，李寒江，王林，李媛，张潇，
申请(专利权)人：重庆大学国家电网有限公司，
类型：发明
国别省市：