【技术实现步骤摘要】
本申请涉及电网工程，具体地涉及一种气象要素的预测方法、处理器、装置及存储介质。
技术介绍
1、输电线路覆冰是电网冬季主要灾害之一。电力气象预报是电网防灾减灾第一道防线，越长的预报时效，越有利于提前开展针对性预防，减少气候灾害事件对电网的影响。一般来说，覆冰长期预测主要采用统计+动力相结合的预测技术实现。通过统计学方法获取影响冬季覆冰的关键因子(如冬季温度、降水等)，通过数值预报模式动力降尺度技术获取关键预测因子的精细化预测结果，两者相结合获得冬季覆冰长期预测结果。
2、数值预报模式是开展气候预测的重要手段。全球预报模式因计算量巨大，目前分辨率仅为100公里左右。动力降尺度技术通过对局地区域的加密，能够获取分辨率更高(例如50公里、25公里)的预测产品，已经较为广泛的应用于气候预测，但目前动力降尺度主要用于单一区域的加密。然而，覆冰长期预测受到多种关键因子的影响，如果只用于单一区域则无法准确进行气候预测。
技术实现思路
1、本申请实施例的目的是提供一种用于进行气候预测的气象要素的预测方法、处理器、装置及存储介质。
2、为了实现上述目的，本申请实施例提供一种气象要素的预测方法，预测方法包括：
3、根据目标区域内的待预测气象要素确定与待预测气象要素对应的关键因子，其中，关键因子包括极涡指数、副热带高压指数、水汽数据、降水数据以及温度数据；
4、针对每个关键因子，确定影响关键因子的待预测区域；
5、针对每个待预测区域，根据动力降尺
6、针对每个待预测区域，获取待预测区域的历史气象数据；
7、针对每个待预测区域，根据历史气象数据对待预测区域的天气预报模型进行训练，以确定待预测区域的关键因子精细化预测模型；
8、获取全球天气预报模型输出的全球第一气象预报数据；
9、针对每个关键因子精细化模型，将全球第一气象预报数据输入关键因子精细化预测模型，以输出预测关键因子；
10、根据每个预测关键因子确定目标区域内的待预测气象要素的预测数据。
11、在本申请实施例中，针对每个关键因子精细化模型，将全球第一气象预报数据输入关键因子精细化预测模型，以输出预测关键因子包括：针对每个待预测区域，从全球第一气象预报数据中确定出与待预测区域对应的第二气象预报数据；针对每个关键因子精细化模型，将与关键因子精细化模型对应的待预测区域的第二气象预报数据输入关键因子精细化模型，以输出预测关键因子。
12、在本申请实施例中，针对每个待预测区域，根据历史气象数据对待预测区域的天气预报模型进行训练，以确定待预测区域的关键因子精细化预测模型包括：获取全球天气预报模型输出的多个第一历史气象预报数据；针对每个待预测区域，确定与待预测区域的历史气象数据对应的历史关键因子；针对每个待预测区域和第一历史气象预报数据，从每个第一历史气象预报数据中确定与待预测区域对应的第二历史气象数据；针对每个待预测区域，依次将与待预测区域对应的多个第二历史气象数据输入与待预测区域对应的天气预报模型，以输出与每个第二历史气象预报数据对应的预测关键因子；对天气预报模型中的大气物理参数进行调节，直到预测关键因子与历史关键因子之间的偏差符合预设条件，其中，大气物理参数至少包括辐射、对流、边界层。
13、在本申请实施例中，对天气预报模型中的大气物理参数进行调节，直到预测关键因子与历史关键因子之间的偏差符合预设条件包括：在关键因子为极涡指数、副热带高压指数以及水汽数据中任意一项的情况下，根据预测关键因子对应的面积和历史关键因子对应的面积确定天气预报模型中的大气物理参数；在关键因子为降水数据或温度数据的情况下，根据预测关键因子的数值对应的均方根误差和历史关键因子的数值对应的均方根误差确定天气预报模型中的大气物理参数。
14、在本申请实施例中，方法还包括：获取全球天气预报模型输出的多个第三历史气象预报数据，以及与每个第三历史气象预报数据对应的历史观测数据；根据第三历史预报数据和历史观测数据确定天气预报模型的边界条件。
15、在本申请实施例中，针对每个关键因子，确定影响关键因子的待预测区域包括：针对每个关键因子，确定关键因子对应的第一预设区域；根据预设气象规则确定影响第一预设区域的关键因子的气象数据，并确定气象数据对应的第二预设区域；针对每个关键因子，将第二预设区域确定为影响关键因子的待预测区域。
16、在本申请实施例中，针对每个待预测区域，根据动力降尺度模式和wrf区域模型确定待预测区域的天气预报模型包括：针对每个待预测区域，确定待预测区域的地理属性；针对每个待预测区域，根据待预测区域的地理属性确定wrf区域模型内的地理参数，其中，地理参数包括投影方式、中心经纬度以及降尺度比例。
17、本申请第二方面提供了一种处理器，被配置成执行上述任意一项的气象要素的预测方法。
18、本申请第三方面提供了一种气象要素的预测装置，预测装置包括：
19、关键因子确定模块，用于根据目标区域内的待预测气象要素确定与待预测气象要素对应的关键因子，其中，关键因子包括极涡指数、副热带高压指数、水汽数据、降水数据以及温度数据；
20、天气预报模型确定模块，用于针对每个关键因子，确定影响关键因子的待预测区域；针对每个待预测区域，根据动力降尺度模式和wrf区域模型确定待预测区域的天气预报模型；
21、获取模块，用于针对每个待预测区域，获取待预测区域的历史气象数据；针对每个待预测区域，根据历史气象数据对待预测区域的天气预报模型进行训练，以确定待预测区域的关键因子精细化预测模型；获取全球天气预报模型输出的全球第一气象预报数据；
22、预测模块，用于针对每个关键因子精细化模型，将全球第一气象预报数据输入关键因子精细化预测模型，以输出预测关键因子；根据每个预测关键因子确定目标区域内的待预测气象要素的预测数据。
23、在本申请实施例中，预测模块，用于针对每个关键因子精细化模型，将全球第一气象预报数据输入关键因子精细化预测模型，以输出预测关键因子包括：针对每个待预测区域，从全球第一气象预报数据中确定出与待预测区域对应的第二气象预报数据；针对每个关键因子精细化模型，将与关键因子精细化模型对应的待预测区域的第二气象预报数据输入关键因子精细化模型，以输出预测关键因子。
24、在本申请实施例中，获取模块，用于针对每个待预测区域，根据历史气象数据对待预测区域的天气预报模型进行训练，以确定待预测区域的关键因子精细化预测模型包括：获取全球天气预报模型输出的多个第一历史气象预报数据；针对每个待预测区域，确定与待预测区域的历史气象数据对应的历史关键因子；针对每个待预测区域和第一历史气象预报数据，从每个第一历史气象预报数据中确定与待预测区域对应的第二历史气象数据；针对每个待预测区域，依次将与待预测区域对应的多个第二历史气象数据输入与待本文档来自技高网...
【技术保护点】
1.一种气象要素的预测方法，其特征在于，所述预测方法包括：
2.根据权利要求1所述的气象要素的预测方法，其特征在于，所述针对每个关键因子精细化模型，将全球第一气象预报数据输入所述关键因子精细化预测模型，以输出预测关键因子包括：
3.根据权利要求1所述的气象要素的预测方法，其特征在于，所述针对每个待预测区域，根据所述历史气象数据对所述待预测区域的天气预报模型进行训练，以确定所述待预测区域的关键因子精细化预测模型包括：
4.根据权利要求3所述的气象要素的预测方法，其特征在于，所述对所述天气预报模型中的大气物理参数进行调节，直到所述预测关键因子与所述历史关键因子之间的偏差符合预设条件包括：
5.根据权利要求3所述的气象要素的预测方法，其特征在于，所述方法还包括：
6.根据权利要求1所述的气象要素的预测方法，其特征在于，所述针对每个关键因子，确定影响所述关键因子的待预测区域包括：
7.根据权利要求1所述气象要素的预测方法，其特征在于，所述针对每个待预测区域，根据动力降尺度模式和WRF区域模型确定所述待预测区域的天气预
8.一种处理器，其特征在于，被配置成执行权利要求1至7任意一项所述的气象要素的预测方法。
9.一种气象要素的预测装置，其特征在于，所述预测装置包括：
10.根据权利要求9所述的气象要素的预测装置，其特征在于，所述预测模块，用于针对每个关键因子精细化模型，将全球第一气象预报数据输入所述关键因子精细化预测模型，以输出预测关键因子包括：
11.根据权利要求9所述的气象要素的预测装置，其特征在于，所述获取模块，用于针对每个待预测区域，根据所述历史气象数据对所述待预测区域的天气预报模型进行训练，以确定所述待预测区域的关键因子精细化预测模型包括：
12.根据权利要求11所述的气象要素的预测装置，其特征在于，所述获取模块，用于对所述天气预报模型中的大气物理参数进行调节，直到所述预测关键因子与所述历史关键因子之间的偏差符合预设条件包括：
13.根据权利要求11所述的气象要素的预测装置，其特征在于，所述获取模块还用于：
14.根据权利要求9所述的气象要素的预测装置，其特征在于，所述天气预报模型确定模块，用于针对每个关键因子，确定影响所述关键因子的待预测区域包括：
15.根据权利要求9所述的气象要素的预测装置，其特征在于，所述天气预报模型确定模块，用于针对每个待预测区域，根据动力降尺度模式和WRF区域模型确定所述待预测区域的天气预报模型包括：
16.一种机器可读存储介质，其特征在于，该机器可读存储介质上存储有指令，该指令用于使得机器执行根据权利要求1至7中任一项所述的气象要素的预测方法。
...【技术特征摘要】
1.一种气象要素的预测方法，其特征在于，所述预测方法包括：
2.根据权利要求1所述的气象要素的预测方法，其特征在于，所述针对每个关键因子精细化模型，将全球第一气象预报数据输入所述关键因子精细化预测模型，以输出预测关键因子包括：
3.根据权利要求1所述的气象要素的预测方法，其特征在于，所述针对每个待预测区域，根据所述历史气象数据对所述待预测区域的天气预报模型进行训练，以确定所述待预测区域的关键因子精细化预测模型包括：
4.根据权利要求3所述的气象要素的预测方法，其特征在于，所述对所述天气预报模型中的大气物理参数进行调节，直到所述预测关键因子与所述历史关键因子之间的偏差符合预设条件包括：
5.根据权利要求3所述的气象要素的预测方法，其特征在于，所述方法还包括：
6.根据权利要求1所述的气象要素的预测方法，其特征在于，所述针对每个关键因子，确定影响所述关键因子的待预测区域包括：
7.根据权利要求1所述气象要素的预测方法，其特征在于，所述针对每个待预测区域，根据动力降尺度模式和wrf区域模型确定所述待预测区域的天气预报模型包括：
8.一种处理器，其特征在于，被配置成执行权利要求1至7任意一项所述的气象要素的预测方法。
9.一种气象要素的预测装置，其特征在于，所述预测装置包括：
10.根...
【专利技术属性】
技术研发人员：王磊，怀晓伟，冯涛，李丽，李波，徐勋建，唐洁，康文军，
申请(专利权)人：国网湖南省电力有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。