一种基于多源气象预报的电力气象数据融合方法、系统及存储介质

技术领域

本发明涉及一种基于多源气象预报的电力气象数据融合方法，属于电网防灾减灾领域。

背景技术

电网系统需要特别关注天气预报，尤其是防汛、防雷、防雪、防震、减灾等天气信息，直接影响电网的安全生产，当前国内气象部门发布的气象预报预警缺乏专业的电网信息，不能与电网系统安全运行需要相结合，更不能完全满足电网系统防御各类恶劣气象情况的实际需要，使得电网对恶劣气象的防御处于被动局面。

数值天气预报对电网防灾减灾至关重要，随着计算水平的不断提高，数值模式系统已成为天气预报的主要支撑。但是大气运动自身的非线性运动使得数值预报准确性存在诸多不确定性因素，单一的确定性预报不能提供全部预报信息。因此，结合电力气象监测及数值天气预报数据，将数值天气预报从单一确定性预报向多源融合预报进行转变已成为趋势。

109583467A公开了一种电力气象数据融合方法和系统，从至少两种气象数据产生渠道收集电力气象数据；将收集到的电力气象数据分别按照空间、时间和气象要素进行分块；将分块后的电力气象数据进行融合，该方法和系统围绕电力气象数据异源异构的特性，对从多种气象数据产生渠道收集的多源电力气象数据进行分块与融合集成，直接实现多源异构观测数据的同化，上述方法主要是利用不同数据源按照空间、时间和气象要素相互校验，若检查的电力气象数据的数值不在预设合理范围内，则进行数据插值融合形成一个电力气象数据集的过程，该方法没有从数据源本身的自然属性入手，尤其忽略了预报源的误差特性；目前需要解决预报数据源的误差问题，从单一确定性预报转为多源融合预报，提升预报数据源的精度。

发明内容

本发明所要解决的技术问题是：在电力气象监测过程中，如何充分利用多路数值天气预报源数据，来提高预报精度，为电力气象精细化预报提供技术支持。

为解决上述技术问题，本发明提供一种基于多源气象预报的电力气象数据融合方法，包括以下步骤：

步骤S1：采集至少1年时间段的电力气象站点监测数据和多路数值天气预报源数据；

步骤S2：利用降尺度方法将多路预报源数据“点对点”映射到电力气象站点所在位置，形成气象预报与监测数据集；

步骤S3：利用贝叶斯模式平均法进行多源气象预报融合，建立多源气象预报融合模型，具体为：

式中，ω

步骤S4：对多源预报融合模型参数进行训练，常数一a

式中，T代表训练周期长度，f

对于各数据源的权重系数ω

其中，G

步骤S5：多源预报融合结果进行检验评估，使用连续等级概率评分(CRPS)、距平相关系数(ACC)、均方根误差(RMSE)三个指标来进行检验：

连续等级概率评分CRPS，用S

式中，f(y

距平相关系数ACC，用C

/>

式中，m表示监测站点数；y

均方根误差RMSE，用E

式中，l表示数据总和；y

一种基于多源气象预报的电力气象数据融合系统，包括以下功能模块：

多源气象数据采集模块：采集至少1年时间段的电力气象站点监测数据和多路数值天气预报源数据；

数据集模块：利用降尺度方法将多路预报源数据“点对点”映射到电力气象站点所在位置，形成气象预报与监测数据集；

融合模型建立模块：利用贝叶斯模式平均法进行多源气象预报融合，建立多源气象预报融合模型；

训练模块：对多源预报融合模型参数进行训练；

评估模块：多源预报融合结果进行检验评估。

一种计算机可读存储介质，用于存储上述基于多源气象预报的电力气象数据融合方法及系统。

本发明所达到的有益效果：本发明的一种基于多源气象预报的电力气象数据融合方法，通过引入高度集中的概率密度统计后处理方法贝叶斯模式平均法将多源气象预报数据进行融合应用，对不同数据源的误差特性进行分析训练，代入最优模型参数获得融合预报结果，并进一步进行预报检验评估，有利于将气象信息真正应用到电网实际业务工作中。对于10-30天预报时效较长的延伸期预报来说，确定性预报效果较差，利用本发明提供的多源预报融合算法，可集合多个预报源的预报技巧，对延伸期天气可获得更好的预报效果。

附图说明

图1为本发明的原理流程示意图；

图2为水平双线性插值算法原理图。

具体实施方式

下面结合附图及实施例对本发明做进一步说明。

如图1所示，本实施例提供了一种基于多源气象预报的电力气象数据融合方法，包括以下步骤：

步骤S1：采集至少1年时间段的电力气象站点监测数据和多路数值天气预报源数据。

利用电网设备监测网络中所提供的电力气象监测站，获取气象站所采集的至少1年时间段的气象监测要素数据，包括温度、气压、湿度、风速风向、降雨、太阳辐射等；同时基于不同数值天气预报源的格点预报数据，获取覆盖电力气象监测站所在区域至少1年时间段的气象预报格点数据，具体预报要素包括温度、气压、湿度、风速风向、降雨、太阳辐射等。

步骤S2：利用降尺度方法将多路预报源数据“点对点”映射到电力气象站点所在位置，形成气象预报与监测数据集；

针对不同数值天气预报源的网格点数据进行降尺度计算，采用双线性插值法计算得到所有电力气象监测站所在位置的数值预报数据，形成至少1年的电力气象监测要素和预报要素同时标数据集。

步骤S3：利用贝叶斯模式平均法进行多源气象预报融合，选取至少1年的电力气象监测要素和预报要素的数据集作为训练样本，依据贝叶斯模式平均法原理，预报量y在训练数据集y

p(y|M

贝叶斯模式平均法预报概率密度是以p(M

式中，f

由于气象要素大致满足正态分布，平均值是a

基于上述模型，多源气象预报融合模型为：

式中，ω

步骤S4：多源预报融合模型参数训练，常数一a

式中，T代表训练周期长度，f

对于各数据源的权重系数ω

其中，G

步骤S5：多源预报融合检验评估，为了充分检验评估多源预报融合结果，使用连续等级概率评分(CRPS)、距平相关系数(ACC)、均方根误差(RMSE)三个指标来进行检验：

连续等级概率评分CRPS，用S

式中，f(y

距平相关系数ACC，用C

式中，m表示监测站点数；y

均方根误差RMSE，用E

式中，l表示数据总和；y

一种基于多源气象预报的电力气象数据融合系统，包括以下功能模块：

多源气象数据采集模块：采集至少1年时间段的电力气象站点监测数据和多路数值天气预报源数据；

数据集模块：利用降尺度方法将多路预报源数据“点对点”映射到电力气象站点所在位置，形成气象预报与监测数据集；

融合模型建立模块：利用贝叶斯模式平均法进行多源气象预报融合，建立多源气象预报融合模型；

训练模块：对多源预报融合模型参数进行训练；

评估模块：多源预报融合结果进行检验评估。

一种计算机可读存储介质，用于存储上述基于多源气象预报的电力气象数据融合方法及系统。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

以上结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，这些均属于本发明的保护之内。