【技術實現步驟摘要】
一種基于物理
?
數據雙驅動的流域水風光資源一體化預報方法
[0001]本專利技術屬于水風光資源預報
，具體涉及一種基于物理
?
數據雙驅動的流域水風光資源一體化預報方法。
技術介紹
[0002]2022年，國家能源局啟動主要流域可再生能源一體化研究，并明確了主要流域清單。水風光能資源是流域氣象水文循環背景場中能量的不同表現形式，其資源時空分布不均勻性與互補特性呈復雜耦合關系，實現時空連續、高分辨率、高精度的流域水風光資源一體化預報，對落實流域可再生能源“四個一體化”規劃研究工作具有重要意義。
[0003]流域氣象水文預報中的機理模型相對成熟和完善，得以大范圍推廣和應用。而在機理模型產生的大規模運算結果的環境下，如何從數據學習的角度審視機理較為清晰的物理模型，探索其在大規模運算結果下的誤差訂正是一個值得探討的熱點問題。目前流域中水、風、光能資源模擬多分開進行，如降雨徑流預報、風能資源預報、太陽輻射預報與風光資源聯合預報等，同時考慮三種資源一體化預報的研究較少。單獨基于物理模型預測或者基于數據驅動的神經網絡模型預測技術已經較為成熟，但是兼顧模型物理機制與大數據學習信息的物理
?
數據雙驅動預測技術并不多見。已有研究成果難以滿足流域可再生能源一體化規劃研究對水風光資源在時空連續性與時空分辨率方面的綜合需求。研究方法多集中于獨立的物理模型或者數據驅動方法，預測精度無法得到保證，不能滿足流域型水風光多能互補基地一體化開發、運行的現實需求，亟待提出基于物理模型與數據...
【技術保護點】
【技術特征摘要】
1.一種基于物理
?
數據雙驅動的流域水風光資源一體化預報方法，其特征在于，包括如下步驟：S1：確定研究流域與典型時段；S2：構建WRF/WRF
?
Hydro陸氣雙向耦合模式，獲取模式驅動場與地面靜態數據；綜合考慮流域所在地理位置、地形高程、所處氣候分區與項目研究需求，確定模式嵌套方案；S3：確定WRF模式中待優選的參數化方案，考慮模式達到平衡所需的預熱時間，選擇典型研究時段，利用再分析資料驅動模式，獲取相應變量的模擬結果；從點尺度與面尺度建立模擬效果評價指標，針對多變量提出基于歐式距離的模式模擬效果綜合評價方法，實現考慮多變量輸出的WRF模式參數化方案優選；基于最佳的WRF模式參數化方案組合設置，進行WRF
?
Hydro敏感參數率定；S4：構建基于長短時記憶網絡的模式誤差訂正模型，采用步驟S3獲得的最佳參數化方案組合與率定后的WRF
?
Hydro參數，采用GFS數據驅動模式，獲得相應模式輸出結果，設定率定期與驗證期，通過主成分分析確定與待預報變量相關的因子；將模式率定期內的關鍵變量預報結果及相關變量作為網絡輸入，將關鍵預報變量殘差作為模式輸出，對長短時記憶網絡結構進行訓練，并將其應用于驗證期的模式輸出結果以獲取對應殘差，從而實現模式預報結果的誤差訂正；S5：考慮模式達到平衡所需預熱時間與水風光資源時間序列始末位置，確定模式開始運行時間與運行結束時間，驅動WRF/WRF
?
Hydro雙向耦合模式獲取徑流、近地面風速與下行短波輻射預報結果，基于長短時記憶網絡獲得待預報變量殘差，實現流域時空連續、高分辨率與高精度的水風光資源一體化預報。2.根據權利要求1所述的一種基于物理
?
數據雙驅動的流域水風光資源一體化預報方法，其特征在于，所述步驟S2中模式嵌套方案的確定具體為：獲取版本互相兼容的WRF/WPS/WRF
?
hydro代碼源文件，依次進行解壓、配置與編譯，實現WRF/WRF
?
Hydro模式源代碼雙向耦合編譯；確定模式驅動場與地面靜態數據；模式嵌套方案包括水平方向與垂直方向兩個維度，根據可獲取的計算資源、項目具體需求與流域所處地理位置及氣候分區，通過設置namelist.wps文件中geogrid部分參數進行區域水平嵌套方案設置，并可通過wrf_hydro_arcgis_preprocessor中Create Domain Boundary Shapefile工具進行區域水平嵌套方案的可視化；垂直方向上基于namelist.input文件中的e_vert與eta_levels參數確定垂直分層方案，通過縮小eta間隔，進行WRF模式近地面垂直分層加密，每種eta設置方案下均需要測試模式積分的穩定性，通過模式運行輸出的wrfout_d0*文件，提取變量PH、PHB與HGT，根據式(1)計算每層格點對應的gmp均值進而獲取不同垂直分層的對應離地高度，基于多次嘗試確定參數e_vert與eta_levels，進而獲取風機輪轂高度處對應分層的變量；gmp＝(PH+PHB)/9.81
?
HGT
???????
(1)式中，gmp為離地位勢高度，其中(PH+PHB)/9.81為海拔高度；HGT代表地形高度；PH代表擾動位勢；PHB代表基態位勢。3.根據權利要求1所述的一種基于物理
?
數據雙驅動的流域水風光資源一體化預報方法，其特征在于，所述步驟S3中相應變量的模擬結果的獲取具體為：
確定n種參數化方案過程為待優選參數化方案，依據文獻調研與可選參數化方案特點，每種參數化過程對應2種可選方案，根據排列組合共設計2
n
組實驗方案，在保證其他參數與模式預熱時間設置一致的情況下，獲得2
n
組實驗方案對應的模式輸出結果。4.根據權利要求1所述的一種基于物理
?
數據雙驅動的流域水風光資源一體化預報方法，其特征在于，所述步驟S3中實現考慮多變量輸出的WRF模式參數化方案優選的過程為：(1)針對WRF模式輸出的降水、下行短波輻射、近地面風速與氣溫，分別建立點尺度與面尺度評價指標，衡量不同參數化方案組合下模式的模擬效果，對于降水點尺度評價，采用命中率(POD)、關鍵成功指數(CSI)與誤報率(FAR)三個指標，詳見公式(2)至公式(4)；中率(POD)、關鍵成功指數(CSI)與誤報率(FAR)三個指標，詳見公式(2)至公式(4)；中率(POD)、關鍵成功指數(CSI)與誤報率(FAR)三個指標，詳見公式(2)至公式(4)；其中，H代表命中的次數、M代表漏報的次數、F代表誤報的次數；對于降水面尺度評價，采用研究區域模擬面雨量占觀測降雨量的百分比Percent與累積降水量均方根誤差RMSE兩個指標進行評價，詳見式(5)與式(6)；Percent＝(sim/obs)*100
????????
(5)其中，sim代表模擬面雨量(mm)，obs代表實測降雨量(mm)；其中，N代表空間格點數，與分別代表對應格點上月累積降水的模擬值與實測值；針對點尺度下行短波輻射評價，采用平均偏差誤差(Mean Bias Error,MBE)與日尺度均方根誤差RMSE
day
兩個指標，詳見式(7)與式(8)；兩個指標，詳見式(7)與式(8)；其中，M代表模式輸出的時次數，N代表空間格點數，與分別代表時刻i格點j的模擬值與觀測值；針對氣溫與近地面風速，面尺度...
【專利技術屬性】
技術研發人員：方國華，張鈺，聞昕，唐梅英，李繼偉，劉楊，張瑞海，丁紫玉，譚喬鳳，顏敏，李鑫，
申請(專利權)人：河海大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。