一种多源算法集成的太阳辐射预报系统及方法与流程

1.本发明属于能源与气象预测的交叉领域，具体是一种多源算法集成的太阳辐射预报系统及方法。


背景技术：

2.太阳辐射与我们的生活息息相关，指地面所接受到的太阳辐射短波总辐射量,是衡量一个地方太阳能资源的重要标志，是影响太阳能发电站供电的主要影响因子；
3.然而，现有太阳辐射预报方法是采用数值预报模式，虽能较好的预测出到达地面的太阳辐射，并输出格点化预报产品，但是单一的数据源对某些地区的预报有一定的局限性，难以做出精准化预测，预报效果不佳，同时现有方法数据存在单一性与不稳定性，使得预报结果的准确率不高。


技术实现要素：

4.本发明的目的在于克服现有技术的缺陷，提供一种多源算法集成的太阳辐射预报系统及方法。
5.为实现上述目的，本发明采用了如下技术方案：
6.一种多源算法集成的太阳辐射预报方法，包括以下步骤：
7.获取数据1和数据2，将数据2插值到逐小时数据上，得到数据3，将两套数据插值到若干个辐射站上，得到参加训练的预报数据集，其中，数据1为9km分辨率的区域模式辐射预报数据，时间分辨率为逐小时，数据2为9km分辨率的全球模式辐射预报数据，时间分辨率为逐3h累计，所述两套数据为数据1和数据3；
8.对两套数据进行数据处理得到两套数据站点权重系数表；
9.将两套数据站点权重系数表平面化到与两套数据源空间分辨率一致的格点网格场上，计算每个网格上的权重系数，得到网格化权重系数表；
10.基于网格化权重系数表，对辐射预报格点数据进行集成，得到网格化逐小时辐射集成预报产品。
11.优选的，所述获取数据1和数据2，包括：选取一定长度的训练期，对全国观测辐射站进行筛选，剔除异常站点以及样本过少的站点，选取若干个站点参加训练，形成参加训练的辐射观测数据；获取同样训练期的辐射预报数据1和数据2。
12.优选的，所述数据处理，包括：
13.基于辐射逐时观测资料，检验两套数据的预报质量，解得基于两套数据得到的站点预报数据的均方根误差；
14.根据四季及三天预报时效得到的均方根误差进行季节平均、预报时效平均，得到四季及三天预报时效下所有辐射站时间平均的均方根误差，利用权重计算公式求解四季及三天预报时效下的两套数据站点权重系数表，其中所述权重计算公式为：
[0015][0016]
其中k＝1或2，rms e(1，j)和rms e(2，j)为两套数据在第j个站点的均方根误差，w
1，j
和w
2,j
为两套数据在第j站点的权重。
[0017]
优选的，所述对辐射预报格点数据进行集成，计算公式为：
[0018]
y(i,j)＝y1(i,j)
×
a1(i,j)+y2(i,j)
×
a2(i,j)，
[0019]
其中，y(i,j)为辐射集成预报数据，y1(i,j)和y2(i,j)分别为位于(i,j)经纬度格点的两套数据，a1(i,j)和a2(i,j)分别为相同点位下两套数据的权重，a1(i,j)与a2(i,j)之和为1。
[0020]
一种多源算法集成的太阳辐射预报系统，包括：
[0021]
资料前处理模块：用于获取数据1和数据2，将数据2插值到逐小时数据上，得到数据3，将两套数据插值到若干个辐射站上，得到训练数据集；
[0022]
权重系数计算模块：用于对两套数据进行数据处理得到两套数据站点权重系数表；
[0023]
权重系数网格化模块：用于将两套数据站点权重系数表平面化到与两套数据源空间分辨率一致的格点网格场上，计算每个网格上的权重系数，得到网格化权重系数表；
[0024]
实时辐射集成预报模块：用于基于网格化权重系数表，对辐射预报格点数据进行集成，得到网格化逐小时辐射集成预报产品。
[0025]
优选的，所述资料前处理模块包括历史预报数据采集单元、数据解码提取单元、数据插值单元、观测数据采集单元、实时数据采集单元、数据质量控制单元、数据前处理单元及样品匹配单元。
[0026]
综上所述，由于采用了上述技术方案，本发明的有益效果是：
[0027]
本发明通过将两套数据插值到若干个辐射站上，利用权重计算公式求解四季、三天预报时效下的两套数据源站点权重系数表，从而避免了数据源的单一性以及在某些地区的局限性，提高了预报效果；同时，本发明基于两套数据格点权重系数表对两套数据进行集成，得到了最终辐射数据，有效提高了辐射预报质量，提升了预报结果的准确率及稳定性。
附图说明
[0028]
图1是本发明一种多源算法集成的太阳辐射预报系统及方法的流程图；
[0029]
图2是本发明一种多源算法集成的太阳辐射预报系统及方法的系统结构图；
[0030]
图3是本发明一种多源算法集成的太阳辐射预报系统及方法的系统工作流程图。
具体实施方式
[0031]
以下结合附图1-3，进一步说明本发明一种多源算法集成的太阳辐射预报系统及方法的具体实施方式。本发明一种多源算法集成的太阳辐射预报系统及方法不限于以下实施例的描述。
[0032]
实施例1：
[0033]
本实施例给出一种多源算法集成的太阳辐射预报方法的具体结构，如图1所示，包
括以下步骤：
[0034]
获取数据1和数据2，将数据2插值到逐小时数据上，得到数据3，将两套数据插值到若干个辐射站上，得到参加训练的预报数据集，其中，数据1为9km分辨率的区域模式辐射预报数据，时间分辨率为逐小时，数据2为9km分辨率的全球模式辐射预报数据，时间分辨率为逐3h累计，两套数据为数据1和数据3；
[0035]
对两套数据进行数据处理得到两套数据站点权重系数表；
[0036]
将两套数据站点权重系数表平面化到与两套数据源空间分辨率一致的格点网格场上，计算每个网格上的权重系数，得到网格化权重系数表；
[0037]
基于网格化权重系数表，对辐射预报格点数据进行集成，得到网格化逐小时辐射集成预报产品。
[0038]
具体地，获取数据1和数据2，包括：选取一定长度的训练期，对全国观测辐射站进行筛选，剔除异常站点以及样本过少的站点，选取若干个站点参加训练，形成参加训练的辐射观测数据；获取同样训练期的辐射预报数据1和数据2。
[0039]
具体地，数据处理，包括：
[0040]
基于辐射逐时观测资料，检验两套数据的预报质量，解得基于两套数据得到的站点预报数据的均方根误差；
[0041]
根据四季及三天预报时效得到的均方根误差进行季节平均、预报时效平均，得到四季及三天预报时效下所有辐射站时间平均的均方根误差，利用权重计算公式求解四季及三天预报时效下的两套数据站点权重系数表，其中权重计算公式为：
[0042][0043]
其中k＝1或2，rms e(1，j)和rms e(2，j)为两套数据在第j个站点的均方根误差，w
1，j
和w
2,j
为两套数据在第j站点的权重。
[0044]
进一步的，对辐射预报格点数据进行集成，计算公式为：
[0045]
y(i,j)＝y1(i,j)
×
a1(i,j)+y2(i,j)
×
a2(i,j)，
[0046]
其中，y(i,j)为辐射集成预报数据，y1(i,j)和y2(i,j)分别为位于(i,j)经纬度格点的两套数据，a1(i,j)和a2(i,j)分别为相同点位下两套数据的权重，a1(i,j)与a2(i,j)之和为1。
[0047]
一种实现多源算法集成的太阳辐射预报方法的系统，如图2和图3所示，包括：
[0048]
资料前处理模块：用于获取数据1和数据2，将数据2插值到逐小时数据上，得到数据3，将两套数据插值到若干个辐射站上，得到训练数据集；
[0049]
权重系数计算模块：用于对两套数据进行数据处理得到两套数据站点权重系数表；
[0050]
权重系数网格化模块：用于将两套数据站点权重系数表平面化到与两套数据源空间分辨率一致的格点网格场上，计算每个网格上的权重系数，得到网格化权重系数表；
[0051]
实时辐射集成预报模块：用于基于网格化权重系数表，对辐射预报格点数据进行集成，得到网格化逐小时辐射集成预报产品。
[0052]
具体地，资料前处理模块包括历史预报数据采集单元、数据解码提取单元、数据插
值单元、观测数据采集单元、实时数据采集单元、数据质量控制单元、数据前处理单元及样品匹配单元。
[0053]
实施例2：
[0054]
本实施例给出一种多源算法集成的太阳辐射预报系统及方法的具体结构，如图1所示，以2016年9月1日—2017年8月31日共一年四季的全国太阳辐射模式数据与观测数据为例，分别利用等权重集成方法、依据权重系数表集成方法对基于数据3和数据1进行数据集成，对依据权重系数表集成方法的预报数据、等权重集成方法的预报数据和原始预报数据进行对比检验分析，进一步说明本发明一种多源算法集成的太阳辐射预报系统及方法的优势。
[0055]
首先，基于辐射逐时观测资料，得到数据1和数据2，其中，数据1为9km分辨率的区域模式辐射预报数据，时间分辨率为逐小时，数据2为9km分辨率的全球模式辐射预报数据，时间分辨率为逐3h累计；
[0056]
将数据2插值到逐小时数据上，得到数据3，将两套数据插值到若干个辐射站上，其中，两套数据为数据1和数据3；
[0057]
计算出两套数据在不同季节、不同预报时效下的全国辐射站点的平均均方根误差，根据四季及三天预报时效得到的均方根误差进行季节平均、预报时效平均，得到四季和三天预报时效下所有辐射站时间平均的均方根误差，利用权重计算公式求解四季、三天预报时效下的两套数据源站点权重系数表，其中权重计算公式为
[0058][0059]
其中k＝1或2，rms e(1，j)和rms e(2，j)为两套数据在第j个站点的均方根误差，w1，j和w2,j为两套数据在第j站点的权重；
[0060]
辐射格点场任意点位是带经纬度的空间坐标点，利用离散点数据格点化方法，将站点权重系数表插值到与两套数据空间分辨率一致的9km网格场中，得四季及三天预报时效下的两套数据格点权重系数表，共计12张；
[0061]
基于地形确定了春、夏、秋、冬四季及预报第一天、第二天、第三天共12张格点权重系数表，在格点经纬度和辐射站点经纬度不变的情况下，权重不发生变化；
[0062]
其次，基于两套数据格点权重系数表对两套数据依据权重系数表集成方法进行集成，得到依据权重系数表集成方法的预报数据，计算公式为：
[0063]
y(i,j)＝y1(i,j)
×
a1(i,j)+y2(i,j)
×
a2(i,j)，
[0064]
其中，y(i,j)为依据权重系数表集成方法的预报数据，y1(i,j)和y2(i,j)分别为位于(i,j)经纬度格点的两套数据，a1(i,j)和a2(i,j)分别为相同点位下两套数据的权重，a1(i,j)与a2(i,j)之和为1；
[0065]
然后，将数据3与数据1均按照1:1权重比例集成，得到等权重集成方法的预报数据；
[0066]
最后，对依据权重系数表集成方法的预报数据、等权重集成方法的预报数据和原始预报数据进行对比检验分析：
[0067]
通过双线性插值将全国辐射站与两套预报数据网格点一一对应，在数据处理过程
中，剔除了异常数据，进行质量控制处理，在检验过程中，采用了数据绝对误差ae、平均绝对误差mae、相关系数co及均方根误差rmse等指标来表征数值预报数据的预报质量，对两套预报模式的预报效果进行分析，各预报指标的计算公式如下：
[0068]
绝对误差：aej＝|f
j-oj|
[0069]
平均绝对误差：
[0070]
均方根误差：
[0071]
相关系数：
[0072]
其中，f和o为预报场和实况场的辐射值，和为平均值，n为样本个数，i为预报与观测的样本序号。
[0073]
利用空间插值将数据1与经过时间插值得到的1h时间分辨率的数据2插值到全国辐射站点上，根据插值精确到辐射站的数据1与数据2的相关系数、均方根误差的空间分布状况，可以明显看出，两种模式的相关性均呈现出我国东北地区、华北地区的相关系数较大，均方根误差较小，预报效果较好，其次是华中与华南地区，西北地区的相关系数较小，均方根误差较大，青藏高原与新疆地区的相关系数最小，相关性最弱，预报效果最差；且不同地区最佳预报数据不同，因此综合考虑两套数据在不同预报效果的优异性，宜采用集成方案。
[0074][0075]
表1
[0076]
如表1所示的春、夏、秋、冬四季不同预报时效下辐射不同集成方案的整体平均的
相关系数co、均方根误差rmse及平均绝对误差mae，表中a、b、c、d分别表示数据2、数据1、两种数据依照权重系数表的集成方案、两种数据按照1:1等权重集成方案；
[0077]
对比依据权重系数表集成方法的预报数据、等权重集成方法的预报数据和原始预报数据的检验效果发现，从相关性的角度上：
[0078]
依据权重系数表集成方法的预报数据＞等权重集成方法的预报数据＞数据2＞数据1；
[0079]
从均方根误差与平均绝对误差的角度上：
[0080]
依据权重系数表集成方法的预报数据＜等权重集成方法的预报数据＜数据2＜数据1；
[0081]
结论：依据权重系数集成得到的数据预报效果最佳，依据等权重集成数据的预报效果次之，但均比原始未集成的两套数据效果好，其中原始9km区域模式数据预报效果最差；
[0082]
对比不同季节的检验结果发现，冬季时，预报数据与观测数据的相关性较好，相关系数高达0.88，预报数据的均方根误差和绝对误差最小，分别低至116(w.m-2)、101(w.m-2),即冬季时辐射数据预报效果最好，春季和秋季次之，夏季时预报效果最差；
[0083]
对比不同预报时效的检验结果发现，第一天、第二天、第三天的预报效果相差不大，但整体上第一天预报效果较好，第二天次之，第三天预报效果相对较差。
[0084]
工作原理：如图1-3所示，数据前处理模块工作过程如下：
[0085]
首先，通过历史预报数据采集单元对历史预报数据进行采集，得到数据1和数据2，再通过数据解码提取单元对历史预报数据进行处理，处理后的数据通过数据插值单元进行插值处理，得到数据3，输入样本匹配单元；
[0086]
然后，通过观测数据采集单元对观测数据进行采集，再将观测数据通过数据质量控制单元进行处理，输入样本匹配单元；样本匹配单元将两套数据输入权重系数计算模块；
[0087]
最后，通过实时数据采集单元对实时数据进行采集，再将实时数据通过数据前处理单元进行处理，输入实时辐射集成预报模块；
[0088]
权重系数计算模块工作过程：基于辐射逐时观测资料，检验两套数据的预报质量，解得基于两套数据得到的站点预报数据的均方根误差；根据四季及三天预报时效得到的均方根误差进行季节平均、预报时效平均，得到四季及三天预报时效下所有辐射站时间平均的均方根误差，利用权重计算公式求解四季及三天预报时效下的两套数据站点权重系数表；
[0089]
权重系数网格化模块工作过程：将两套数据站点权重系数表平面化到与两套数据源空间分辨率一致的格点网格场上，计算每个网格上的权重系数，得到网格化权重系数表；
[0090]
实时辐射集成预报模块工作过程：基于网格化权重系数表，对辐射预报格点数据进行集成，得到网格化逐小时辐射集成预报产品。
[0091]
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。