一种基于动力降尺度的电网区域气象预报方法

技术领域

本发明属于电力气象灾害预警技术领域，涉及一种基于动力降尺度的电网区域气象预报方法。

背景技术

随着电网规模的不断扩大，架空输电线路受恶劣气象条件的影响也愈加明显，受雨雪冰冻风天气影响，北起黑龙江、南至湖南的广大地区的输电线路在恶劣气象条件下发生跳闸、倒杆、断线等停电事故，严重威胁着设备和电网的安全运行。

为了提升电网防灾减灾能力，提高电网安全稳定运行水平，近年来各网省电力公司积极加强与气象部门合作，积极开展针对强降水、雷电、大风、冰雹、覆冰、舞动、地质灾害等与电网生产密切相关的气象现象的预警技术、预警模型和预警系统的建设。但灾害性天气对电网安全运行的影响越来越大，目前研究发布的气象预测、预警产品在时间及空间的精细度方面与电网需求有非常大的差距。

现有方法无法对重点区域、重点输电线路提供不同电压等级、不同层高和不同尺度精细化气象预报。

发明内容

为解决现有技术中的不足，本申请提供一种基于动力降尺度的电网区域气象预报方法。

为了实现上述目标，本发明采用如下技术方案：

一种基于动力降尺度的电网区域气象预报方法，包括以下步骤：

步骤1：设置地区水平分辨率P、重点区域水平分辨率Q和预报天数N，P ＞Q；

步骤2：基于预报系统生成的预报场制作地区水平分辨率P未来N天逐小时基础地面气象要素预报结果；

步骤3：利用P分辨率的背景预报场，采用微尺度模式对重点区域进行动力降尺度和统计降尺度不同滚动样本的预报，动态集成重点区域水平分辨率Q的未来N天逐小时预报结果。

本发明进一步包括以下优选方案：

优选地，步骤2所述预报系统以GFS全球预报场作为模式初始场进行模式积分，水平分辨率分别9km，水平网格点数分别为400×649，垂直方向50层。

优选地，预报结果中包含预报要素：气温、风速、风向、气压、湿度、降水；

预报高度层为地面30m、50m和70m。

重点区域根据基于地区电网分布特点、电网气象灾害易发区域进行挑选。

优选地，步骤3中，分别通过最近点抽取法、距离反平方内插法、地形高度最接近法以及地形复杂度最接近法四种降尺度方法进行动力降尺度预报，然后动态集成重点区域水平分辨率Q的未来N天逐小时预报结果。

优选地，步骤3中，记最近点抽取法、距离反平方内插法、地形高度最接近法以及地形复杂度最接近法在第j时次的预报值分别为Y

则第j时次的集成预报值计算公式为：

式中，Y

优选地，W

W

优选地，计算W

优选地，步骤3中，降尺度预报采用微尺度模式CALMET来进行。

本申请所达到的有益效果：

本发明通过最近点抽取法、距离反平方内插法、地形高度最接近法以及地形复杂度最接近法四种降尺度方法进行动力降尺度预报，然后采用滚动样本对四种动力降尺度预报结果进行统计降尺度，动态集成重点区域水平分辨率Q的未来N 天逐小时预报结果，可提高预报准确率。对气象要素的预报处理上，弥补了单一降尺度模型的不稳定性和不确定性，分别采用动力降尺度和统计降尺度两种方法实现集合成员预报结果细化至电网线路的目标，即将全地区预报细化到重点区域预报，有效提高了风速、温度、湿度等气象要素预报结果的准确率，适用于各种地形条件下，尤其是滚动样本最短的动态集成方案显著提升了预报效果，可有效的应用于输电线路气象要素的预报分析中。

附图说明

图1为本发明一种基于动力降尺度的电网区域气象预报方法流程图；

图2为本发明实施例中基于预报系统生成的预报场制作地区水平分辨率P 未来N天逐小时基础地面气象要素预报结果流程图；

图3为本发明实施例中风速利用7种预报方法在A(a)气象站的预报检验结果；

图4为本发明实施例中风速利用7种预报方法在B(b)气象站的预报检验结果；

图5为本发明实施例中风速利用7种预报方法在C(c)气象站的预报检验结果；

图6为本发明实施例中风速利用7种预报方法在D(d)气象站的预报检验结果；

图7为本发明实施例中预报地区电网线路和灾害发生点示意图；

图8为本发明实施例中重点降尺度区域示意图；

图9为本发明实施例中重点区域10m高度水平风速预报结果；

图10为本发明实施例中重点区域70m高度水平风速预报结果。

图11为本发明实施例中气象站点位置图；

图12为本发明实施例中2016年07月气象站点处预报效果检验结果；

图13为本发明实施例中2016年10月气象站点处预报效果检验结果；

图14为本发明实施例中2017年01月气象站点处预报效果检验结果；

图15为本发明实施例中2017年04月气象站点处预报效果检验结果。

具体实施方式

下面结合附图对本申请作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本申请的保护范围。

如图1所示，为了给电网输电线路沿线制作更为精细、准确的气象要素预报产品、便于电力部门开展不同时间尺度的电力气象灾害预警工作，本发明提出一种基于动力降尺度的电网区域气象预报方法，包括以下步骤：

步骤1：设置地区水平分辨率P、重点区域水平分辨率Q和预报天数N，P ＞Q；

步骤2：基于BJRUCv3.0预报系统生成的预报场制作地区水平分辨率P未来N天逐小时基础地面气象要素预报结果；

如图2所示，具体实施时，所述预报系统以GFS全球预报场作为模式初始场进行模式积分，水平分辨率分别9km，水平网格点数分别为400×649，垂直方向50层，可覆盖中国全国范围。

利用BJRUCv3.0预报系统制作预报地区水平分辨率9km未来3天逐小时基础地面气象要素预报结果，为预报地区提供未来3天的逐时气温、风速、风向、湿度、气压、降水等要素的预报结果。

步骤3：利用P分辨率的背景预报场，即利用步骤2的预报结果，采用微尺度模式对重点区域进行动力降尺度和统计降尺度不同滚动样本的预报，动态集成重点区域水平分辨率Q的未来N天逐小时预报结果。

预报结果中包含预报要素：气温、风速、风向、气压、湿度、降水等；

预报高度层为地面30m、50m和70m。

重点区域根据基于地区电网分布特点、电网气象灾害易发区域进行挑选。

具体实施时，步骤3中，通过最近点抽取法、距离反平方内插法、地形高度最接近法以及地形复杂度最接近法四种降尺度方法进行降尺度预报，动态集成重点区域水平分辨率Q的未来N天逐小时预报结果。

最近点、地形高度高度、地形复杂度选择的均为特征最接近的气象站，距离反平方内插选择的是周边最近距离的4个自动站，利用插值法计算所得。

上述四种方法的预测值，是考虑不同特征选择或者计算出的数值，按权重集成处理得到的就是降尺度后数值。

记最近点抽取法、距离反平方内插法、地形高度最接近法以及地形复杂度最接近法在第j时次的预报值分别为Y

则集成的第j时次的预报值以及对应权重分别为：

式中，Y

计算W

本发明分别利用最近点抽取法、最近4点距离反平方内插法、地形高度最接近法以及地形复杂度最接近法、以及和基于四种技术方法集成的模型进行的 1/3/7天三种方法共7种方法。

对9km分辨率逐小时预报数据及自动站观测数据进行检验误差处理，探讨几种预报方案对预报地区省四个不同地形特征气象站的风速、温度及湿度的预报结果的影响。

基于“最近点抽取、最近4点距离反平方内插、地形高度最接近以及地形复杂度最接近”这4种降尺度方案建立的三种不同滚动样本的动态集成模型，对预报地区四个气象站气象要素的预报处理上，弥补了单一降尺度模型的不稳定性和不确定性，有效提高了风速、温度、湿度这三个气象要素预报结果的准确率，适用于各种地形条件下，尤其是滚动样本最短的动态集成方案显著提升了预报效果，可有效的应用于输电线路气象要素的预报分析中。

以2017年4月A、B、C、D四个气象站为例，验证以上最近点抽取、最近 4点距离反平方内插、地形高度最接近以及地形复杂度最接近四种预报方案及基于四种技术方法集成的模型进行的1、3、7天三种不同滚动样本动态集成方案的预报效果，图3-6为四个气象站的风速要素于4月15日—30日(共16天)的日平均检验参数的分布情况，即图3-6为风速利用7种预报方法分别在A(a)、B(b)、 C(c)、D(d)气象站的预报检验结果。

结合风速在四个站点的不同预报方法的结果检验发现，对于地势平坦的A 站(图3)，动态集成模型检验误差整体较低，有效的提高了预报结果的准确率，其中滚动样本最短的(滚动样本＝1天，下同)模型的预报效果最好，其次为内插法与地形复杂度最近的预报方案；对于地势起伏的B站(图4)，同样是滚动样本最短的动态集成方案预报效果最佳，但地形复杂度最近法与插值法效果明显变差；随着地形复杂度的提升至丘陵C站(图5)，滚动样本为1天的集成方案的预报效果仍保持最佳，内插法效果明显提升，但地形高度最近预报方法效果很差；至地形最复杂的山地D站(图6)，整体预报误差明显提高，预报效果变差，除了预报较好的动态集成方案，内插法与地形复杂度最接近方法的预报效果整体偏好。

因此，本发明动态集成预报方法有效提高了风速的预报准确率，其中滚动样本最短的集成方案效果最佳；对于普通的降尺度预报方法，地形复杂度最近与插值法对风速的预报效果偏好，尤其是插值法随地形复杂度的提升效果越来越好，但预报误差也随地形复杂度的抬升明显增大。

步骤3中，降尺度预报采用微尺度模式CALMET来进行。

CALMET模式是美国环境保护署(EPA)推荐的一个网格化的复杂地形风场动力诊断模式，其计算的结果是动力降尺度。它利用质量守恒原理对风场进行动力诊断，主要考虑了地形对近地层大气的动力效应、斜坡气流产生和障碍物阻挡效应，并采用三维无辐散处理消除插值产生的虚假波动。主要原理是，假设地形作用产生的垂直气流w与气流辐合辐散的关系为：

w＝(V·▽h

式中，V是模式网格平均风速，h

式中，N为布伦特－维赛拉频率。斜坡气流的速度采用经验的方法：

S＝S

式中，S

式中，Δh

实施例1

步骤1：设置地区水平分辨率为9km、重点区域水平分辨率1km和预报天数 3；

步骤2：基于预报系统生成的UTC12时预报场制作地区水平分辨率9km未来3天逐小时基础地面气象要素预报结果，为预报地区提供未来3天的逐时气温、风速、风向、湿度、气压、降水等要素的预报结果；

选取预报地区119个国家气象站的对应时段的逐小时观测资料；

针对步骤2的预报结果，对变量地面平均风速、相对湿度、气温和降水，及连续变量(风速、相对湿度和气温)采用经典统计方法进行预报效果检验，包括偏差检验(BIAS)和均方根误差(RMSE)分析，其中：

根据具体检验数据，得到的结果为预报系统对气温、相对湿度的预报误差小，风速预报误差大，因此需进行降尺度处理。

步骤3：利用预报地区9km分辨率的背景预报场，采用微尺度模式CALMET 模式对两个重点区域进行动力降尺度和统计降尺度不同滚动样本的预报，动态集成重点区域水平分辨率1km的未来3天逐小时预报结果，预报要素包括气温、风速、风向、气压、湿度、降水等，预报高度层为地面30m、50m和70m。

重点区选择依据：基于预报地区电网分布以及和电网气象灾害易发区域(舞动、污闪发生地点：图7)挑选两个重点降尺度计算区域(图8)。其中，区域1 网格点数为201×161，区域2网格点数为241×161。

通过预报结果与气象站实测资料的对比检验，得出以下结论：

根据图9和图10，10m和70m高度的风速分布有明显差异，相比9km的预报风场更加精细，应用更有价值，即采用降尺度技术实现了预报地区重点地区的动力降尺度预报计算，精细地刻画了预报地区重点地区的细致气象信息；

挑选2016年07月、2016年10月、2017年01月和2017年04月共4个典型月份对预报地区电网重点降尺度区域的预报效果进行检验，虽然实时产品已为河南电网提供了重点区域10m、30m、50m和70m四个高度的预报结果，但因缺乏高空观测资料，只能收集预报区域内所有气象站(10m高度)的观测资料用于对比检验，共计选取了重点区域内61个气象站，对比预报参数有风速、气温、湿度等，具体气象站点位置如图11所示。

图12-图15分别为2016年07月、2016年10月、2017年01月和2017年 04月风速、气温和相对湿度预报结果偏差结果。通过对比检验发现，2016年07 月、2016年10月、2017年01月和2017年04月风速的平均偏差为0.55m/s、0.71m/s、 0.59m/s和0.67m/s；气温平均偏差分别为1.37℃、0.43℃、0.46℃和0.54℃，相对湿度平均偏差分别为11.11％、7.27％、4.00％和4.60％，07月份夏季气温和相对湿度较大，因而预报的绝对偏差也较大，其余月份基本相差不大。

本发明申请人结合说明书附图对本发明的实施示例做了详细的说明与描述，但是本领域技术人员应该理解，以上实施示例仅为本发明的优选实施方案，详尽的说明只是为了帮助读者更好地理解本发明精神，而并非对本发明保护范围的限制，相反，任何基于本发明的发明精神所作的任何改进或修饰都应当落在本发明的保护范围之内。