一种低温寒潮天气过程识别方法、系统、设备及介质与流程

本发明属于寒潮识别，具体涉及一种低温寒潮天气过程识别方法、系统、设备及介质。

背景技术：

1、在气候变化背景下，低温寒潮或者高温等的极端天气频发、重发。目前，随着风电、光伏等新能源装机占比的进一步增加，同时在低温寒潮天气下，受风电、低温、覆冰等负面影响，新能源系统发电能力下降，而负荷需求反而随低温降低而增加，从而使电力系统供需失衡风险急剧增加。

2、为了尽量降低电力系统供需失衡，可在低温寒潮来临前，及时切断新能源系统与电力系统的连接，导通传统发电系统与电力系统的连接，因此，对低温寒潮天气的预测可以有效的降低电力系统供需失衡。

3、目前的学术中，在对预测低温寒潮天气过程中，预判风力发电损失情况是对应低温寒潮天气过程电力系统潜在供电不足风险的有效措施之一。但当前对于低温寒潮天气的预测主要面向常态化天气过程进行建模，尚未构建针对低温寒潮天气过程的专有化预测技术和模型，不能预判低温寒潮天气的影响范围，进而不能预判低温寒潮天气影响下的风力发电损失情况。

技术实现思路

1、为克服上述现有技术的不足，本发明提出一种低温寒潮天气过程识别方法、系统、设备及介质。

2、本发明提供的技术方案如下：

3、本发明提出了一种低温寒潮天气过程识别方法，包括：

4、利用预先设定的多种寒潮校验方式对网格化数值天气预报数据进行处理确定受寒潮影响的网格化位置并进行标识；

5、基于标识后的网格化位置以及网格化气温数据的单位网格面积，确定低温寒潮天气的影响范围；

6、所述多种寒潮校验方式包括：降温过程识别、温度负距平校验和日均气温最低值校验。

7、作为优选的，所述利用预先设定的多种寒潮校验方式对网格化数值天气预报数据进行处理确定受寒潮影响的网格化位置并进行标识，包括：

8、基于网格化数值天气预报数据，利用降温过程识别确定处于降温过程的第一网格化位置，并以降温过程识别矩阵进行标识；

9、基于网格化数值天气预报数据，利用温度负距平校验确定第二网格化位置，并以温度负距平校验矩阵进行标识；

10、基于网格化数值天气预报数据，利用日均气温最低值校验确定第三网格化位置，并以日均气温最低值校验矩阵进行标识。

11、作为优选的，所述基于网格化数值天气预报数据，利用降温过程识别确定处于降温过程的第一网格化位置，并以降温过程识别矩阵进行标识，包括：

12、基于网格化数值天气预报数据确定各网格化位置在冷空气影响过程的日平均气温最高值与日平均气温最低值；

13、基于各网格化位置在冷空气影响过程的日平均气温的最高值与日平均气温最低值确定各网格化位置的第一气温差值；

14、以第一气温差值大于第一温差阈值的网格化位置为第一网格化位置；

15、分别用不同的降温过程标识参量对第一网格化位置和非第一网格化位置进行标识，得到降温过程识别矩阵。

16、作为优选的，所述降温过程识别矩阵的表达式如下：

17、

18、其中，

19、

20、其中，

21、

22、式中，s1为降温过程识别矩阵，为(xi,yi)位置处的降温过程标识参量，为(xi,yi)位置处的冷空气影响过程的所有日平均气温，为(xi,yi)位置处第d天的冷空气影响过程的日平均气温，为(xi,yi)位置处在t时刻的气温，dtc为第d天的第tc个时刻，c为第d天的时刻的样本数量，为冷空气影响过程的日平均气温的最高值，为冷空气影响过程的日平均气温的最低值，b1为第一温差阈值。

23、作为优选的，所述基于网格化数值天气预报数据，利用温度负距平校验确定第二网格化位置，并以温度负距平校验矩阵进行标识，包括：

24、基于网格化数值天气预报数据确定各网格化位置在冷空气影响过程的日平均气温和日平均气温最低值所在日的所在旬的多年旬平均气温；

25、基于各网格化位置在冷空气影响过程的日平均气温和日平均气温最低值所在日的所在旬的多年旬平均气温确定各网格化位置的第二气温差值；

26、以第二气温差值不小于第二温差阈值的网格化位置为第二网格化位置；

27、分别用不同的降温过程标识参量对第二网格化位置和非第二网格化位置进行标识，得到温度负距平校验矩阵。

28、作为优选的，所述温度负距平校验矩阵的表达式如下：

29、

30、其中，

31、

32、其中，

33、

34、其中，

35、

36、式中，s2为温度负距平校验矩阵，为(xi,yi)位置处的温度负距平校验参量，为(xi,yi)位置处的冷空气影响过程的所有日平均气温，为(xi,yi)位置处的冷空气影响过程的所有日平均气温最低值所在日的所在旬的多年旬平均气温，为(xi,yi)位置处第q年旬第d天的冷空气影响过程的所有日平均气温，qtn为第tn年旬，n为年旬的样本数量，为(xi,yi)位置处在t时刻的气温，dtc为第d天的第tc个时刻，c为第d天的时刻的样本数量，为冷空气影响过程的日平均气温的最低值，b2为第二温差阈值。

37、作为优选的，所述基于网格化数值天气预报数据，利用日均气温最低值校验确定第三网格化位置，并以日均气温最低值校验矩阵进行标识，包括：

38、基于网格化数值天气预报数据确定各个网格化位置在冷空气影响过程的日平均气温最低值；

39、以日平均气温最低值小于第三温度阈值的网格化位置为第三网格化位置；

40、分别用不同的日均气温最低值参量对第三网格化位置和非第三网格化位置进行标识，得到日均气温最低值校验矩阵。

41、作为优选的，所述日均气温最低值校验矩阵的表达式如下：

42、

43、其中，

44、

45、式中，s3为日均气温最低值校验矩阵，为(xi,yi)位置处的日均气温最低值校验参量，为(xi,yi)位置处的冷空气影响过程的所有日平均气温，为冷空气影响过程的日平均气温的最低值，b3为第三温度阈值。

46、作为优选的，所述基于标识后的网格化位置以及网格化气温数据的单位网格面积，确定低温寒潮天气的影响范围，包括：

47、基于寒潮校验方式为降温过程识别、温度负距平校验和日均气温最低值校验的标识后的网格化位置确定寒潮识别结果；

48、依据寒潮识别结果和网格化气温数据的单位网格面积确定低温寒潮天气的影响范围。

49、作为优选的，所述基于寒潮校验方式为降温过程识别、温度负距平校验和日均气温最低值校验的标识后的网格化位置确定寒潮识别结果，包括：

50、基于寒潮校验方式为降温过程识别、温度负距平校验和日均气温最低值校验的标识后的网格化位置依次确定降温过程识别矩阵、温度负距平校验矩阵和日均气温最低值校验矩阵；

51、以降温过程识别矩阵、温度负距平校验矩阵和日均气温最低值校验矩阵的交集确定寒潮识别结果矩阵；

52、所述寒潮识别结果矩阵用于表示所述寒潮识别结果。

53、作为优选的，所述寒潮识别结果矩阵的计算式如下：

54、s＝s1∩s2∩s3

55、式中，s为寒潮识别结果矩阵，s1为各个位置网格化的降温过程标识参量的矩阵，s2为各个位置网格化的温度负距平校验参量的矩阵，s3为各个位置网格化的日均气温最低值校验参量的矩阵；

56、所述低温寒潮天气的影响范围的计算式如下：

57、

58、其中，

59、

60、式中，α为网格化气温数据的单位网格面积，为低温寒潮天气的影响范围，a为范围阈值，s为寒潮识别结果，为(xi,yi)位置处的寒潮标识参量，m为位置的横坐标的最大值，n为位置的纵坐标的最大值。

61、基于同一发明构思，本发明还提出了一种低温寒潮天气过程识别系统，包括：

62、寒潮网格位置标识模块，用于利用预先设定的多种寒潮校验方式对网格化数值天气预报数据进行处理确定受寒潮影响的网格化位置并进行标识；

63、寒潮影响范围确定模块，用于基于标识后的网格化位置以及网格化气温数据的单位网格面积，确定低温寒潮天气的影响范围；

64、所述多种寒潮校验方式包括：降温过程识别、温度负距平校验和日均气温最低值校验。

65、作为优选的，所述寒潮网格位置标识模块，具体用于：

66、基于网格化数值天气预报数据，利用降温过程识别确定处于降温过程的第一网格化位置，并以降温过程识别矩阵进行标识；

67、基于网格化数值天气预报数据，利用温度负距平校验确定第二网格化位置，并以温度负距平校验矩阵进行标识；

68、基于网格化数值天气预报数据，利用日均气温最低值校验确定第三网格化位置，并以日均气温最低值校验矩阵进行标识。

69、作为优选的，所述寒潮网格位置标识模块基于网格化数值天气预报数据，利用降温过程识别确定处于降温过程的第一网格化位置，并以降温过程识别矩阵进行标识，包括：

70、基于网格化数值天气预报数据确定各网格化位置在冷空气影响过程的日平均气温最高值与日平均气温最低值；

71、基于各网格化位置在冷空气影响过程的日平均气温的最高值与日平均气温最低值确定各网格化位置的第一气温差值；

72、以第一气温差值大于第一温差阈值的网格化位置为第一网格化位置；

73、分别用不同的降温过程标识参量对第一网格化位置和非第一网格化位置进行标识，得到降温过程识别矩阵。

74、作为优选的，所述降温过程识别矩阵的表达式如下：

75、

76、其中，

77、

78、其中，

79、

80、式中，s1为降温过程识别矩阵，为(xi,yi)位置处的降温过程标识参量，为(xi,yi)位置处的冷空气影响过程的所有日平均气温，为(xi,yi)位置处第d天的冷空气影响过程的日平均气温，为(xi,yi)位置处在t时刻的气温，dtc为第d天的第tc个时刻，c为第d天的时刻的样本数量，为冷空气影响过程的日平均气温的最高值，为冷空气影响过程的日平均气温的最低值，b1为第一温差阈值。

81、作为优选的，所述寒潮网格位置标识模块基于网格化数值天气预报数据，利用温度负距平校验确定第二网格化位置，并以温度负距平校验矩阵进行标识，包括：

82、基于网格化数值天气预报数据确定各网格化位置在冷空气影响过程的日平均气温和日平均气温最低值所在日的所在旬的多年旬平均气温；

83、基于各网格化位置在冷空气影响过程的日平均气温和日平均气温最低值所在日的所在旬的多年旬平均气温确定各网格化位置的第二气温差值；

84、以第二气温差值不小于第二温差阈值的网格化位置为第二网格化位置；

85、分别用不同的降温过程标识参量对第二网格化位置和非第二网格化位置进行标识，得到温度负距平校验矩阵。

86、作为优选的，所述温度负距平校验矩阵的表达式如下：

87、

88、其中，

89、

90、其中，

91、

92、其中，

93、

94、式中，s2为温度负距平校验矩阵，为(xi,yi)位置处的温度负距平校验参量，为(xi,yi)位置处的冷空气影响过程的所有日平均气温，为(xi,yi)位置处的冷空气影响过程的所有日平均气温最低值所在日的所在旬的多年旬平均气温，为(xi,yi)位置处第q年旬第d天的冷空气影响过程的所有日平均气温，qtn为第tn年旬，n为年旬的样本数量，为(xi,yi)位置处在t时刻的气温，dtc为第d天的第tc个时刻，c为第d天的时刻的样本数量，为冷空气影响过程的日平均气温的最低值，b2为第二温差阈值。

95、作为优选的，所述寒潮网格位置标识模块基于网格化数值天气预报数据，利用日均气温最低值校验确定第三网格化位置，并以日均气温最低值校验矩阵进行标识，包括：

96、基于网格化数值天气预报数据确定各个网格化位置在冷空气影响过程的日平均气温最低值；

97、以日平均气温最低值小于第三温度阈值的网格化位置为第三网格化位置；

98、分别用不同的日均气温最低值参量对第三网格化位置和非第三网格化位置进行标识，得到日均气温最低值校验矩阵。

99、作为优选的，所述日均气温最低值校验矩阵的表达式如下：

100、

101、其中，

102、

103、式中，s3为日均气温最低值校验矩阵，为(xi,yi)位置处的日均气温最低值校验参量，为(xi,yi)位置处的冷空气影响过程的所有日平均气温，为冷空气影响过程的日平均气温的最低值，b3为第三温度阈值。

104、作为优选的，所述寒潮影响范围确定模块，具体用于：

105、基于寒潮校验方式为降温过程识别、温度负距平校验和日均气温最低值校验的标识后的网格化位置确定寒潮识别结果；

106、依据寒潮识别结果和网格化气温数据的单位网格面积确定低温寒潮天气的影响范围。

107、作为优选的，所述寒潮影响范围确定基于寒潮校验方式为降温过程识别、温度负距平校验和日均气温最低值校验的标识后的网格化位置确定寒潮识别结果，包括：

108、基于寒潮校验方式为降温过程识别、温度负距平校验和日均气温最低值校验的标识后的网格化位置依次确定降温过程识别矩阵、温度负距平校验矩阵和日均气温最低值校验矩阵；

109、以降温过程识别矩阵、温度负距平校验矩阵和日均气温最低值校验矩阵的交集确定寒潮识别结果矩阵；

110、所述寒潮识别结果矩阵用于表示所述寒潮识别结果。

111、作为优选的，所述寒潮识别结果矩阵的计算式如下：

112、s＝s1∩s2∩s3

113、式中，s为寒潮识别结果矩阵，s1为各个位置网格化的降温过程标识参量的矩阵，s2为各个位置网格化的温度负距平校验参量的矩阵，s3为各个位置网格化的日均气温最低值校验参量的矩阵；

114、所述低温寒潮天气的影响范围的计算式如下：

115、

116、其中，

117、

118、式中，α为网格化气温数据的单位网格面积，为低温寒潮天气的影响范围，a为范围阈值，s为寒潮识别结果，为(xi,yi)位置处的寒潮标识参量，m为位置的横坐标的最大值，n为位置的纵坐标的最大值。

119、基于同一发明构思，本发明又提出了一种计算机设备，包括：一个或多个处理器；存储器，用于存储一个或多个程序；

120、当所述一个或多个程序被所述一个或多个处理器执行时，实现上述的一种低温寒潮天气过程识别方法。

121、基于同一发明构思，本发明再提出了一种计算机可读存储介质，其上存有计算机程序，所述计算机程序被执行时，实现上述的一种低温寒潮天气过程识别方法。

122、与最接近的现有技术相比，本发明具有的有益效果如下：

123、本发明提供了一种低温寒潮天气过程识别方法、系统、设备及介质，首先利用预先设定的多种寒潮校验方式对网格化数值天气预报数据进行处理确定受寒潮影响的网格化位置并进行标识；其次，基于标识后的网格化位置以及网格化气温数据的单位网格面积，确定低温寒潮天气的影响范围；所述多种寒潮校验方式包括：降温过程识别、温度负距平校验和日均气温最低值校验，本发明通过采集各个位置冷空气影响过程始末中的各个日平均气温，采用网格化对降温过程标识、温度负距平校验以及日均气温最低值校验的方式得到低温寒潮天气过程的影响范围，从而实现了识别低温寒潮天气过程的影响范围，解决低温寒潮天气下风电出力预测极端偏差大的问题，从而支撑电力保供，具有工程适用性。