一种针对电网杆塔点的风速预报订正系统的制作方法

本申请涉及电力生产和气象预测的交叉领域，尤其涉及一种针对电网杆塔点的风速预报订正系统。
背景技术：
：电网系统中最关键最易受损坏的部分就是输电线路，其架设后的风险除了少部分人为破坏外，更多来自于外部气象因素的影响，特别是受大风天气影响导致的异物侵扰、风偏等灾害形成的跳线放电，线路跳闸、短路等，以及因为该类天气导致后续的检查、施工、施救等工作的不通畅。基于数值预报模式输出的风力要素是分析是否会产生异物侵扰、风偏现象的关键，也是预判输电线路是否会出现气象灾害的主要参数。输电线路架设于杆塔间，基于现阶段的数值模式空间精度，难以描绘出每条线路上每一米所受的风力强度大小及其变化，因此针对不同杆塔点所在位置的精准风力预报及相应的预警判断，是判断输电线路上是否产生异物侵扰、风偏现象的关键。近年来，数值预报模式虽能较好地预测出边界层、近地层等不同垂直层、不同尺度的大气环流特征，并输出格点化预报产品，但产品的准确率和空间分辨率有限，难以针对更小区域或某一指定点位的风力要素，根据其地形特征做出更准确的预测。而针对大风这种相对极端的天气现象，数值模式更是难以预报出其峰值特征，因此实现从网格化预测产品到服务对象点位的产品后释用方法即为订正技术，该技术是获取预报与实况偏差的重要途径。目前主要有两类订正技术：(1)通过计算一段时间内，实况和预报的平均值误差，将预报加上该误差值，作为订正预报结果；(2)通过构建实况和预报的数学统计经验关系的线性回归技术。前者的先决条件是模式预报偏差较稳定，长期保持恒定的相对实况偏大或者偏小的状态，否则如果长期偏大的预报，误差值为负的情况下，在大风天气时，预报本身偏小，再减去误差后，会导致预报风速更小，对后续的异物、风偏等的预警有较大影响，无法做到准确的预报、预警。而第二种方法构建了二者的相关关系，但属于纯数理统计的范畴，同样在大风事件这种极端情况时，较难预报出峰值。因此，需要一种能够通过订正技术对杆塔点的风力要素做出精确预测，且最重要的是能在大风事件中较好的预报出峰值，从而能为后释用的异物预警和风偏预警提供更好的基础数据的方法。。技术实现要素：本申请提供了一种针对电网杆塔点的风速预报订正系统，包括地形复杂度最优格点筛选装置、数据重构装置、订正模型装置和综合预报装置；地形复杂度最优格点筛选装置，用于计算代替单个杆塔点的最优格点序号，并将最优格点序号发送至数据重构装置和综合预报装置；数据重构装置，用于采集历史观测和模式预报值，并根据接收的最优格点序号，提取对应格点的观测和预报值，并发送至订正模型装置；订正模型装置，用于接收数据重构装置给出的格点观测和预报值，计算模式预报样本阶段的风速频率，并计算累积风频，根据累积风频设置风速阈值并构建大风订正模型和普态订正模型，将大风订正模型、普态订正模型和风速阈值发送至综合预报装置；综合预报装置，用于采集模式预报值，根据接收的地形复杂度最优格点筛选装置给的格点序号，提取对应格点的预报值，根据接收的订正模型构建模块的风速阈值和订正模型，计算最终的格点预报订正值。如上所述的针对电网杆塔点的风速预报订正系统，其中，地形复杂度最优格点筛选装置具体包括距离权重系数模块、下垫面权重系数模块、高度权重系数模块和综合复杂度模块；距离权重系数模块，具体用于根据杆塔点的经纬度与周围最近的n个格点，计算反距离权重系数，得到其距离权重系数，并发送至综合地形复杂度模块；下垫面权重系数模块，具体用于根据高分辨率的下垫面数据，得到杆塔点的下垫面类型，计算杆塔点附近的n个格点的下垫面类型，得到各个格点的下垫面权重系数，并发送至综合地形复杂度模块；高度权重系数模块，具体用于根据杆塔点的海拔高度，以及各个格点的海拔高度，计算杆塔点附近的n个格点的高度权重系数，并发送至综合地形复杂度模块；综合复杂度模块，具体用于根据距离权重系数模块发送的距离权重系数、下垫面权重系数模块发送的下垫面权重系数、以及高度权重系数模块发送的高度权重系数计算综合相似度。如上所述的针对电网杆塔点的风速预报订正系统，其中，在距离权重系数模块中，以每个杆塔点的经纬度和周围的格点计算距离，计算距离的公式如下：其中，loni为格点i的经度，lati为格点i的纬度，glon和glat分别是杆塔点的经度和纬度，di为杆塔点和格点的距离；然后选择和杆塔点距离最小的n个格点计算的各个格点的距离权重系数计算公式如下：其中，n为选取的距离杆塔点最近的格点数目，zi为第i点的距离权重系数，di为第i个格点到杆塔点的距离。如上所述的针对电网杆塔点的风速预报订正系统，其中，在下垫面权重系数模块中，下垫面权重系数的计算公式如下：其中，n为选取的距离杆塔点最近的格点数目，di为第i点的下垫面权重系数，dg为杆塔点的下垫面类型，di为第i个格点的下垫面类型。如上所述的针对电网杆塔点的风速预报订正系统，其中，在高度权重模块中，每个杆塔点周围n个最近格点的高度权重系数计算公式如下：其中，n为选取的距离杆塔点最近的格点数目，hi为第i点的高度权重系数，hg为杆塔点的海拔高度，hi为第i个格点的海拔高度。如上所述的针对电网杆塔点的风速预报订正系统，其中，数据重构装置具体包括数据采集模块和数据整合模块；数据采集模块，用于采集历史观测数据和历史模式预报数据，并发送至数据整合模块；数据整合模块，用于根据接收地形复杂度最优格点筛选装置给出的最优格点序号，提取该序号的观测值和预报值，作为杆塔点历史观测和预报值发送到订正模型装置。如上所述的针对电网杆塔点的风速预报订正系统，其中，订正模型装置，具体用于计算累积风频达到0.9时所对应的风速值作为风速阈值，根据风速阈值分类，大于等于风速阈值的预报风速样本段和对应时次的观测建立线性回归方程，从而构建大风订正模型，小于风速阈值的预报风速样本段和对应时次的观测建立线性回归方程，从而构建普态订正模型，并将上述两个模型及风速阈值发送至综合预报装置。如上所述的针对电网杆塔点的风速预报订正系统，其中，订正模型装置具体包括风频计算模块和订正模型构建模块；风频计算模块，用于接收所述数据重构装置的杆塔点历史预报数据，并分级计算历史模式预报数据样本每个风速段的风速频率，并计算累积频率，计算累积频率达到阈值所对应的风速阈值，并发送风频数据到订正模型构建模块；订正模型构建模块，用于接收所述数据重构装置的杆塔点历史观测数据和历史预报数据，并接收风频计算模块的风频数据，计算累积频率达到0.9所对应的风速阈值，根据风速阈值对预报进行分类，构建大风订正模型和普态订正模型，并将风速阈值和两个订正模型发送到综合预报装置。如上所述的针对电网杆塔点的风速预报订正系统，其中，综合预报装置具体包括预报值提取模块和预报值订正模块；预报值提取模块，用于采集模式预报风速值，并接收地形复杂度最优格点装置的格点序号，提取对应杆塔点的预报值，并将所述杆塔点的预报值发送至预报值订正模块；预报值订正模块，用于接收所述订正模型装置的模型风速阈值文件和订正模型，并接收预报值提取模块的杆塔点预报值，根据风速阈值和预报值判断调用的订正模型后，计算订正后的预报值。如上所述的针对电网杆塔点的风速预报订正系统，其中，预报值订正模块，具体用于根据提取的杆塔点预报值和接收的风速阈值判断选取大风订正模型还是普态订正模型，将杆塔点预报值代入对应的订正模型公式计算预报订正值。本申请实现的有益效果如下：采用本申请技术方案，能够获取到最接近真是的杆塔点风速观测信息，并建立误差订正模型有效提高风速预报的准确度。附图说明为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。图1是本申请实施例一提供的一种针对电网杆塔点的风速预报订正系统示意图；图2是2018年12月6日至2019日1月5日的逐时均值示意图；图3是2018年12月6日至2019日1月5日的逐时绝对误差示意图；图4是2018年12月6日20时-7日20时的逐时均值示意图；图5是2018年12月6日20时-7日20时的逐时绝对误差示意图。具体实施方式下面结和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，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域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。实施例一本申请实施例一提供一种针对电网杆塔点的风速预报订正系统，应用于单一杆塔点和预报的单一时次，如图1所示，所述系统具体包括地形复杂度最优格点筛选装置、数据重构装置、订正模型装置和综合预报装置；以下对各装置进行详细描述：(一)地形复杂度最优格点筛选装置，用于计算代替单个杆塔点的最优格点序号，并将最优格点序号发送至数据重构装置和综合预报装置。具体地，地形复杂度最优格点筛选装置具体包括距离权重系数模块、下垫面权重系数模块、高度权重系数模块和综合复杂度模块；①距离权重系数模块，具体用于根据杆塔点的经纬度与周围最近的n个格点，计算反距离权重系数，得到其距离权重系数，并发送至综合地形复杂度模块；其中，在距离权重系数模块中，以每个杆塔点的经纬度和周围的格点计算距离，计算距离的公式如下：式(1)中，loni为格点i的经度，lati为格点i的纬度，glon和glat分别是杆塔点的经度和纬度，di为杆塔点和格点的距离；然后选择和杆塔点距离最小的n个格点计算的各个格点的距离权重系数计算公式如下：式(2)中，n为选取的距离杆塔点最近的格点数目，zi为第i点的距离权重系数，di为第i个格点到杆塔点的距离。距离权重系数的取值范围从0到1；当某点与杆塔点经纬度完全重合时，该点权重系数为1。②下垫面权重系数模块，具体用于根据高分辨率的下垫面数据，得到杆塔点的下垫面类型，计算杆塔点附近的n个格点的下垫面类型，得到各个格点的下垫面权重系数，并发送至综合地形复杂度模块；其中，在下垫面权重系数模块中，下垫面权重系数的计算公式如下：式(3)中，n为选取的距离杆塔点最近的格点数目，di为第i点的下垫面权重系数，dg为杆塔点的下垫面类型，di为第i个格点的下垫面类型；下垫面权重系数的取值范围从0到1，当某点与杆塔点下垫面类型一致时，该点的下垫面权重系数为1。③高度权重系数模块，具体用于根据杆塔点的海拔高度，以及各个格点的海拔高度，计算杆塔点附近的n个格点的高度权重系数，并发送至综合地形复杂度模块；其中，在高度权重模块中，每个杆塔点周围n个最近格点的高度权重系数计算公式如下：式(4)中，n为选取的距离杆塔点最近的格点数目，hi为第i点的高度权重系数，hg为杆塔点的海拔高度，hi为第i个格点的海拔高度；高度权重系数的取值范围从0到1，当某点与杆塔点下海拔高度相同时，该点的高度权重系数为1。④综合复杂度模块，具体用于根据距离权重系数模块发送的距离权重系数、下垫面权重系数模块发送的下垫面权重系数、以及高度权重系数模块发送的高度权重系数计算综合相似度；在综合地形复杂度模块中，区域内的格点从西往东，从南往北做循环递增排序，即第一行第一列的格点序号为1，第一行第二列的格点序号为2，以此类推至最后一行最后一列的格点序号为m；其中，综合相似度公式如下：ei＝zi+di+hi(5)式(5)中，ei表示格点综合相似度，zi为距离权重系数，di为下垫面权重系数，hi为高度权重系数；本申请实施例中，优选通过地形复杂度最接近法计算杆塔点最优格点序号，地形复杂度最接近算法为计算n个格点的综合相似度，综合相似度越大，该点越与杆塔点的地形复杂度越接近，因此选取综合相似度最大的格点来代表杆塔点，该格点序号即为杆塔点的最优格点序号。(二)数据重构装置，用于采集历史观测和模式预报值，并根据接收的地形复杂度最优格点筛选装置的最优格点序号，提取对应格点的观测和预报值，并发送至订正模型装置。具体地，数据重构装置具体包括数据采集模块和数据整合模块；①数据采集模块，用于采集历史观测数据和历史模式预报数据，并发送至数据整合模块；②数据整合模块，用于根据接收地形复杂度最优格点筛选装置给出的最优格点序号，提取该序号的观测值和预报值，作为杆塔点历史观测和预报值发送到订正模型装置。例如，根据模式的预报时效t，会出现t个样本区间，即假设历史数据存在n日，则第一个样本区间，对应模式预报的第一时次n日的值，如第一个时次对应08时，则对应n日的观测08时的值。(三)订正模型装置，用于接收数据重构装置给出的格点观测和预报值，计算模式预报样本阶段的风速频率，并计算累积风频，根据累积风频设置风速阈值并构建大风订正模型和普态订正模型，将大风订正模型、普态订正模型和风速阈值发送至综合预报装置。本申请实施例中，计算累积风频达到0.9时所对应的风速值作为风速阈值，根据风速阈值分类，大于等于风速阈值的预报风速样本段和对应时次的观测建立线性回归方程，从而构建大风订正模型，小于风速阈值的预报风速样本段和对应时次的观测建立线性回归方程，从而构建普态订正模型，并将上述两个模型及风速阈值发送至综合预报装置。具体地，订正模型装置具体包括风频计算模块和订正模型构建模块；①风频计算模块，用于接收所述数据重构装置的杆塔点历史预报数据，并分级计算历史模式预报数据样本每个风速段的风速频率，并计算累积频率，计算累积频率达到阈值所对应的风速阈值，并发送风频数据到订正模型构建模块；其中，在风频计算模块中，对历史模式预报样本时段中风速的分级如下：式(6)中，i表示级别，i＝1，2，3…50，ws为模式预报风速，单位m/s，即风速小于0.5m/s时为1级，风速大于等于0.5m/s且小于1m/s时为2级，以此类推，50级时风速大于等于24.5m/s；计算每个风速分级的风速频率公式如下：式(7)中，csik表示第k个样本区间内其风速为i级的次数，fik表示第k个样本区间内i级的风速频率，n为风速的分级数，n＝1，2，3…50。②订正模型构建模块，用于接收所述数据重构装置的杆塔点历史观测数据和历史预报数据，并接收风频计算模块的风频数据，计算累积频率达到0.9所对应的风速阈值，根据风速阈值对预报进行分类，构建大风订正模型和普态订正模型，并将风速阈值和两个订正模型发送到综合预报装置；其中，在订正模型构建模块中，根据接收的风频数据，计算累积风频数据公式如下：式(8)中，m为分级，pmk为第k个样本区间的m级累积风频，fik为第k个样本区间的i级的风速频率；根据pmk第一次大于等于0.9时的m值，计算得模型风速阈值为m*0.5，后文中记为ymk。然后根据风速阈值对预报进行分类，构建的两类订正模型公式如下：式(9)中，x为模式预报值，a1k和b1k为在第k个历史样本时段内，当模式预报值大于等于风速阈值ymk时，预报和观测构建的线性回归方程中的系数，x≥ymk时的模型公式为大风订正模型；a2k和b2k为在历史样本时段内，当模式预报值小于风速阈值ymk时，预报和观测构建的线性回归方程中的系数，x<ymk时的模型公式为普态订正模型；wk(x)为第k个时次的订正预报值。(四)综合预报装置，用于采集模式预报值，根据接收的地形复杂度最优格点筛选装置给的格点序号，提取对应格点的预报值，根据接收的订正模型构建模块的风速阈值和订正模型，计算最终的格点预报订正值。具体地，综合预报装置具体包括预报值提取模块和预报值订正模块；①预报值提取模块，用于采集模式预报风速值，并接收地形复杂度最优格点装置的格点序号，提取对应杆塔点的预报值，并将所述杆塔点的预报值发送至预报值订正模块；②预报值订正模块，用于接收所述订正模型装置的模型风速阈值文件和订正模型，并接收预报值提取模块的杆塔点预报值，根据风速阈值和预报值判断调用的订正模型后，计算订正后的预报值。其中，在预报值订正模块中，根据提取的杆塔点预报值，和接收的风速阈值ymk判断选取大风订正模型还是普态订正模型，并将杆塔点预报值代入对应的订正模型公式计算预报订正值。以下结合图1所示的针对电网杆塔点的风速预报订正系统对北京区域内的电网杆塔点的风速预报进行订正的具体案例为例来说明本申请技术方案的实际应用：具体地，先在地形复杂度最优格点筛选装置中对北京区域内的数值模式预报格点进行了排序，模式分辨率为2.5公里，北京范围内格点数为47492个；针对单个杆塔点，根据其经纬度计算出距离其最近的16个格点，经过距离权重模块、下垫面权重模块、高度权重模块的计算，最终得到综合地形复杂度最接近的最优格点，各个杆塔点的最优格点序号如下表1：表1杆塔点的最优格点序号杆塔点序号格点序号12111243043265844794259111611902735029838495然后在数据重构装置中，采集了2018年11月1日至12月05日的总共35天的历史观测和预报数据，选取模式预报的每日前24个预报时次，根据最优格点序号提取了对应格点的每个时次的历史观测和预报数据作为样本时段，即每个小时的35天数据均为一个样本区间。针对单个格点，总共有24个样本区间，每个样本区间包括35个风速观测数据和预报数据；在订正模型装置中，对单个格点每个样本区间内的35个预报数据按照风速分级(如下表2所示)计算风速频率，并计算累积风速频率第一次大于等于0.9时的风速阈值。根据风速阈值对模式该预报样本区间内的风速进行划分，得到大于等于风速阈值和小于风速阈值的两个分样本，并对两个分样本内的观测和预报分别构建线性回归方程，形成大风订正模型和普态订正模型。即单个格点有24个风速阈值，每个风速阈值作为2个不同的订正模型的选取判别条件，并将对应杆塔点的阈值和对应的订正模型发送到了综合预报装置；表2风速分级级别风速范围1级[0,0.5)2级[0.5,1)3级[1,1.5)4级[1.5,2)5级[2,2.5)6级[2.5,3)7级[3,3.5)8级[3.5,4)9级[4,4.5)……47级[23,23.5)48级[23.5,24)49级[24,24.5)50级[24.5,∞)在综合预报装置中采集了2018年12月6日至2019日1月5日，31天的模式预报做检验时段，并根据地形复杂度筛选最优格点装置给出的序号，采集了对应格点的预报值，根据预报时次对应的格点风速阈值，调用对应的订正模型，计算了对应格点的订正值。如14时，第一个杆塔点的风速阈值为4.5m/s，该点的订正模型见下方：上式中，为订正值，ws为模式预报值，第一个公式为普态订正模型，第二个公式为大风订正模型。此时该点模式预报值为3.2m/s，满足第一个公式要求，则调用该点该时次的普态订正模型计算订正值为2.51m/s。其他格点和时次按照样本时段计算的对应阈值，根据模式预报值判断所采用订正模型，并计算得到最终订正值。根据计算，检验时段内杆塔点的观测均值为3.31m/s，模式预报均值为4.06m/s，订正均值为3.24m/s，三者的逐时变化见图2。模式预报与观测的绝对误差为1.3m/s，订正与观测的绝对误差为0.9m/s，模式预报的绝对误差和订正的绝对误差逐时变化见图3。从均值和绝对误差上表现出，订正后的值比模式本身的预报值更接近实况。在检验时段中，提取出单日预报做对比检验结果如下：2018年12月6日20时-12月7日20时，针对单日预报的24小时预报订正检验，观测平均值为2.98m/s，模式预报平均值为3.96m/s，订正平均值为3.17m/s，逐时变化见图4，模式预报的绝对误差为1.7m/s，订正的绝对误差为1.02m/s，逐时变化见图5。在单日预报的检验中，订正的风速值相对模式预报来说更贴近观测。采用本申请的技术方案能够达到如下技术效果：(1)本申请针对电网杆塔点的风速预报订正系统从网格化数值预报产品风速预报特征入手，通过考虑三种常用的替代杆塔点最优格点的筛选方法，综合距离最近、高度最相似、下垫面最相似三个方面，筛选出代替杆塔点的最优格点，这是获取最接近真实的杆塔点的风速观测信息；(2)本申请针对电网杆塔点的风速预报订正系统对每个预报时次分别构建了订正模型，没有采用常用的一个回归模型对所有预报时次做订正的方法，可以有效抓住不同时次的预报和观测的误差和特性。(3)本申请针对电网杆塔点的风速预报订正系统生成了大风订正模型和普态订正模型，两种模型结合使用，弥补了常规订正方法里极端事件无法体现的特性。以上所述实施例，仅为本申请的具体实施方式，用以说明本申请的技术方案，而非对其限制，本申请的保护范围并不局限于此，尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本
技术领域：
的技术人员在本申请揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围。都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应所述以权利要求的保护范围为准。当前第1页12