一种百米高度风速预报订正降尺度方法及装置制造方法及图纸

本申请提供一种百米高度风速预报订正降尺度方法及装置。该方法获取训练好的不同订正时次的百米高度风速预报订正模型、预设未来时长内各预报时次对应的待订正的百米高度风速预报格点数据和相应起报时次的百米高度风速实况格点数据；针对任一预报时次，确定目标百米高度风速预报订正模型；将该预报时次的百米高度风速预报格点数据和相应起报时次的百米高度风速实况格点数据输入目标百米高度风速预报订正模型，得到该预报时次的百米高度风速预报订正数据；采用优化的CALMET动力降尺度算法，对该预报时次的百米高度风速预报订正数据进行处理，得到百米高度风速预报订正降尺度数据。该方法提高了百米高度风速预报订正降尺度数据的准确性。数据的准确性。数据的准确性。

【技术实现步骤摘要】
一种百米高度风速预报订正降尺度方法及装置


[0001]本申请涉及气象计算
，具体而言，涉及一种百米高度风速预报订正降尺度方法及装置。

技术介绍

[0002]准确的风速预测是风力发电功率预测的关键，风场数值预报产品准确率和分辨率的提升也一直是风资源预报的难点和重点。高精度的风场数值预报产品不仅利于电网调度、风电场运行管理，而且可以增加电网消纳风电的能力，提高电力系统运行的经济性能。
[0003]风电站空间尺度小，多为百米级或1公里级，天气变化局地性强，预报难度大。当前，中国气象局风能太阳能气象预报系统升级为CMA
‑
WSP2.0版并正式向省级气象部门下发产品。产品提供时间分辨率未来14天逐15分钟、空间分辨率9
×
9公里格点的近地面风速、辐射预报。然而，受限于计算和存储资源不足，现有的CMA
‑
WSP技术无法直接加工输出百米级或公里级、精细到风电场尺度的数值预报。因此需要开展风场数值预报订正降尺度技术研究，提高风能预报产品的精细化程度。
[0004]CALMET动力降尺度作为一种应用广泛的降尺度方法，可以通过地形动力学方法直接对百米高度风速预报数据进行降尺度，得到降尺度后更高分辨率的预报数据，主要优点是从物理机理方面充分考虑地形、地貌以及天气过程对风速的影响。然而由于百米高度风速预报数据本身存在的预报误差，在CALMET动力降尺度过程中误差无法消除，导致仅使用动力降尺度得到的数据结果准确性不够高。

技术实现思路

[0005]本申请实施例的目的在于提供一种百米高度风速预报订正降尺度方法及装置，用以解决了现有技术存在的上述问题，提高了百米高度风速预报订正降尺度数据的准确性。
[0006]第一方面，提供了一种百米高度风速预报订正降尺度方法，该方法可以包括：获取训练好的不同订正时次的百米高度风速预报订正模型，以及预设未来时长内各预报时次的待订正百米高度风速预报格点数据和相应起报时次的百米高度风速实况格点数据；所述百米高度风速预报订正模型用于对百米高度风速预报格点数据进行订正；针对所述预设未来时长内任一预报时次，确定与所述预报时次满足订正时间条件的订正时次的目标百米高度风速预报订正模型；将该预报时次的待订正百米高度风速预报格点数据和相应起报时次的百米高度风速实况格点数据输入所述目标百米高度风速预报订正模型，得到该预报时次的百米高度风速预报订正数据；采用优化的CALMET动力降尺度算法，对所述预报时次的百米高度风速预报订正数据进行处理，得到百米高度风速预报订正降尺度数据。
[0007]第二方面，提供了一种百米高度风速预报订正降尺度装置，该装置可以包括：获取单元，用于获取训练好的不同订正时次的百米高度风速预报订正模型，以及
预设未来时长内各预报时次的待订正的百米高度风速预报格点数据和相应起报时次的百米高度风速实况格点数据；所述百米高度风速预报订正模型用于对百米高度风速预报格点数据进行订正；确定单元，用于针对所述预设未来时长内任一预报时次，确定与所述预报时次满足订正时间条件的订正时次的目标百米高度风速预报订正模型；所述获取单元，还用于将该预报时次的待订正百米高度风速预报格点数据和相应起报时次的百米高度风速实况格点数据输入所述目标百米高度风速预报订正模型，得到该预报时次的百米高度风速预报订正数据；降尺度单元，用于采用优化的CALMET动力降尺度算法，对所述待订正时次对应的百米高度风速预报订正数据进行处理，得到百米高度风速预报订正降尺度数据。
[0008]第三方面，提供了一种电子设备，该电子设备包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；存储器，用于存放计算机程序；处理器，用于执行存储器上所存放的程序时，实现上述第一方面中任一所述的方法步骤。
[0009]第四方面，提供了一种计算机可读存储介质，该计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面中任一所述的方法步骤。
[0010]本申请实施例提供的百米高度风速预报订正降尺度方法在获取训练好的不同订正时次的百米高度风速预报订正模型，以及预设未来时长内各预报时次的待订正百米高度风速预报格点数据和相应起报时次的百米高度风速实况格点数据后，百米高度风速预报订正模型用于对百米高度风速预报格点数据进行订正，针对预设未来时长内任一预报时次，确定与预报时次满足订正时间条件的订正时次的目标百米高度风速预报订正模型；将该预报时次的待订正百米高度风速预报格点数据和相应起报时次的百米高度风速实况格点数据输入目标百米高度风速预报订正模型，得到该预报时次的百米高度风速预报订正数据；采用优化的CALMET动力降尺度算法，对待订正时次对应的百米高度风速预报订正数据进行处理，得到百米高度风速预报订正降尺度数据。该方法提高了百米高度风速预报订正降尺度数据的准确性。
附图说明
[0011]为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
[0012]图1为本申请实施例提供的一种应用百米高度风速预报订正降尺度方法的系统架构图；图2为本申请实施例提供的一种百米高度风速预报订正降尺度方法的流程示意图；图3为本申请实施例提供的一种百米高度风速预报订正模型的结构示意图；图4为本申请实施例提供的一种百米高度风速预报订正降尺度装置的结构示意
图；图5为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
[0013]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清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，并不是全部的实施例。基于本申请实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0014]加利福尼亚气象模式CALMET（California Meteorological Model）降尺度模式，是常用的微尺度诊断模式之一。近二十年，采用中尺度气象模式（如WRF）嵌套微尺度诊断模式CALMET的做法已越来越多地用于环境评估、风能、气象等领域来获取次公里级高分辨率风场。三维非稳态拉格朗日烟团扩散模式系统（California Puff Model，CALPUFF）由美国西格玛研究公司开发，是美国国家环保局推荐长期支持开发的法规导则模型，也是我国环保部门的推荐模型之一。
[0015]本申请实施例提供的百米高度风速预报订正降尺度方法可以应用在图1所示的系统架构中，如图1所示，该系统可以包括：百米高度风速采集设备、百米高度风速预报设备和百米高度风速预报订正降尺度设备。
[0016]百米高度风速采集设备，用于采集目标区域内实时的百米高度风速实况格点数据，并将采集的数据发送至百米高度本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种百米高度风速预报订正降尺度方法，其特征在于，所述方法包括：获取训练好的不同订正时次的百米高度风速预报订正模型，以及预设未来时长内各预报时次的待订正百米高度风速预报格点数据和相应起报时次的百米高度风速实况格点数据；所述百米高度风速预报订正模型用于对百米高度风速预报格点数据进行订正；针对所述预设未来时长内任一预报时次，确定与所述预报时次满足订正时间条件的订正时次的目标百米高度风速预报订正模型；将该预报时次的待订正百米高度风速预报格点数据和相应起报时次的百米高度风速实况格点数据输入所述目标百米高度风速预报订正模型，得到该预报时次的百米高度风速预报订正数据；采用优化的CALMET动力降尺度算法，对所述预报时次的百米高度风速预报订正数据进行处理，得到百米高度风速预报订正降尺度数据。2.如权利要求1所述的方法，其特征在于，每个订正时次的百米高度风速预报订正模型包括Unet算法模型、DeepLabV3+算法模型、SeaFormer算法模型和ResNet算法集成模型；所述百米高度风速预报订正模型的三个输入端分别为所述Unet算法模型的输入端、所述DeepLabV3+算法模型的输入端和SeaFormer算法模型的输入端；所述Unet算法模型的输出端、所述DeepLabV3+算法模型的输出端和SeaFormer算法模型的输出端分别与所述ResNet算法集成模型的输入端连接，所述ResNet算法集成模型的输出端为所述百米高度风速预报订正模型的输出端。3.如权利要求2所述的方法，其特征在于，所述百米高度风速预报订正模型的训练过程包括：获取目标区域在历史时间段内的百米高度风速预报的订正数据集；所述订正数据集包括具有相同空间分辨率的各历史预报时次的百米高度风速预报格点数据和与其存在时次匹配关系的历史百米高度风速实况格点数据，以及所述目标区域的位置信息；所述历史百米高度风速实况格点数据包括历史起报时次的百米高度风速实况格点数据和历史预报时次的百米高度风速实况格点数据；以所述历史起报时次的百米高度风速实况格点数据、不同历史预报时次的百米高度风速预报格点数据和所述目标区域的位置信息作为所述目标区域对应的不同的订正时次训练样本，以所述不同历史预报时次的百米高度风速实况格点数据作为不同的订正时次拟合目标，输入待训练的神经网络算法模型；针对任一订正时次训练样本，所述神经网络算法模型中的所述Unet算法模型、所述DeepLabV3+算法模型、所述SeaFormer算法模型分别向所述ResNet算法集成模型输出相应的中间预报订正结果；所述ResNet算法集成模型对接收的中间订正预报结果进行处理，输出订正预报结果；采用预设的L1范式损失函数，对所述订正预报结果和该时次训练样本对应的预报时次的百米高度风速实况格点数据进行处理，得到损失值；基于所述损失值，对所述神经网络算法模型的模型参数进行调节；遍历所有订正时次训练样本执行上述步骤，以对所述模型参数进行调节后，得到训练好的不同订正时次的百米高度风速预报订正模型。4.如权利要求3所述的方法，其特征在于，所述历史预报时次的百米高度风速预报格点数据的时间分辨率为预报预设未来时长逐第一时长，空间分辨率为9
×
9公里格点；
所述历史百米高度风速实况格点数据的时间分辨率为逐第二时长的实况时次，空间分辨率为0.1
×
0.1度格点；所述第一时长小于所述第二时长。5.如权利要求4所述的方...

【专利技术属性】
技术研发人员：高金兵，申彦波，曹润东，丁晨晨，王捷儒，刘鑫，
申请(专利权)人：中国气象局公共气象服务中心国家预警信息发布中心，
类型：发明
国别省市：