System.ArgumentOutOfRangeException: 索引和長度必須引用該字符串內的位置。 參數名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 无码人妻精品一区二区三区9厂,蜜桃臀AV高潮无码,亚洲AV色无码乱码在线观看
  • 
    <ul id="o6k0g"></ul>
    <ul id="o6k0g"></ul>

    新能源極端氣象數據預測方法、裝置、服務器及存儲介質制造方法及圖紙

    技術編號:44253024 閱讀:12 留言:0更新日期:2025-02-11 13:50
    本發明專利技術公開了一種新能源極端氣象數據預測方法、裝置、服務器及存儲介質,所述方法包括:獲取新能源場站的歷史氣象數據;基于生成式擴散模型構建同化模型,并利用構建的梯度對同化模型進行優化;基于所述同化模型生成多個訓練天氣初始場;基于訓練天氣初始場對氣象模型進行訓練,所述氣象模型利用平對流層損失函數進行迭代優化;利用所述氣象模型根據輸入的天氣初始場得到天氣預測結果。能夠進一步提高預測準確性和穩定性。

    【技術實現步驟摘要】

    本專利技術涉及供需預測,尤其涉及一種新能源極端氣象數據預測方法、裝置、服務器及存儲介質。


    技術介紹

    1、新能源電站(風電站和光伏電站)在運行過程中對氣象預報的精度要求非常嚴格,特別是在極端天氣條件下準確的氣象預報顯得尤為重要。傳統的nwp模型主要依賴于物理定律和經驗公式,其復雜性和計算量較大,且在實際預報中有時難以充分反映實際的天氣變化。近年來,深度學習技術尤其是基于深度學習的氣象大模型pangu-weather、graphcast等在處理大規模氣象數據和提高預測精度方面的優勢,受到了廣泛的關注和應用。這些模型在中期天氣預報中的均方根誤差(rmse)表現優于傳統nwp模型,并在一些極端天氣預測中,如臺風的路徑表現出了更好的性能。

    2、但上述模型,在數據驅動的氣象預測中,容易產生預測結果模糊,不能準確反映天氣變化的細節,特別是極端天氣下的預測水平。同時,采用訓練的數據更多的依賴于提供的數據集,與具體的場站氣象結合不夠緊密,進而導致新能源電站的精細氣象預測準確性較低。


    技術實現思路

    1、本專利技術實施例提供了一種新能源極端氣象數據預測方法、裝置、服務器及存儲介質,以解決現有技術中針對新能源電站的極端天氣的預測精度較低的技術問題。

    2、第一方面,本專利技術實施例提供了一種新能源極端氣象數據預測方法,包括:

    3、獲取新能源場站的歷史氣象數據;

    4、基于生成式擴散模型構建同化模型,并利用構建的梯度對同化模型進行優化;

    5、基于所述同化模型生成多個訓練天氣初始場;

    6、基于訓練天氣初始場對氣象模型進行訓練,所述氣象模型利用平對流層損失函數進行迭代優化;

    7、利用所述氣象模型根據輸入的天氣初始場得到天氣預測結果。

    8、第二方面,本專利技術實施例還提供了一種新能源極端氣象數據預測裝置,包括:

    9、獲取模塊,用于獲取新能源場站的歷史氣象數據;

    10、構建模塊,用于基于生成式擴散模型構建同化模型,并利用構建的梯度對同化模型進行優化;

    11、生成模塊,用于基于所述同化模型生成多個訓練天氣初始場;

    12、訓練模塊,用于基于訓練天氣初始場對氣象模型進行訓練,所述氣象模型利用平對流層損失函數進行迭代優化;

    13、得到模塊,用于利用所述氣象模型根據輸入的天氣初始場得到天氣預測結果。

    14、第三方面,本專利技術實施例還提供了一種服務器,所述服務器包括:

    15、一個或多個處理器;

    16、存儲裝置,用于存儲一個或多個程序,

    17、當所述一個或多個程序被所述一個或多個處理器執行,使得所述一個或多個處理器實現如上述實施例提供的任一所述的新能源極端氣象數據預測方法。

    18、第四方面,本專利技術實施例還提供了一種包含計算機可執行指令的存儲介質,所述計算機可執行指令在由計算機處理器執行時用于執行如上述實施例提供的新能源極端氣象數據預測方法。

    19、本專利技術實施例提供的新能源極端氣象數據預測方法、裝置、服務器及存儲介質,通過獲取新能源場站的歷史氣象數據;基于生成式擴散模型構建同化模型,并利用構建的梯度對同化模型進行優化;基于所述同化模型生成多個訓練天氣初始場;基于訓練天氣初始場對氣象模型進行訓練,所述氣象模型利用平對流層損失函數進行迭代優化;利用所述氣象模型根據輸入的天氣初始場得到天氣預測結果。通過引入平流對流誤差損失函數,提高模型在極端天氣下的預測精度,并引入多種極端天氣要素進行模型訓練使之能適用于新能源極端天氣預測場景。同時,結合基于生成模型的初始場同化技術,利用融入新能源場站實測的數據生成多個初始場,進行集合預報,以進一步提高預測準確性和穩定性。

    本文檔來自技高網...

    【技術保護點】

    1.一種新能源極端氣象數據預測方法,其特征在于,包括:

    2.根據權利要求1所述的方法,其特征在于,所述生成式擴散模型,利用如下方式實現:

    3.根據權利要求1所述的方法,其特征在于,所述構建的梯度如下:

    4.根據權利要求1所述的方法,其特征在于,所述基于所述同化模型生成多個訓練天氣初始場,利用如下方式實現:

    5.根據權利要求1所述的方法,其特征在于,所述平對流層損失函數,采用如下方式實現:

    6.根據權利要求1所述的方法,其特征在于,所述氣象模型利用平對流層損失函數進行迭代優化,包括:

    7.根據權利要求1所述的方法,其特征在于,所述方法還包括:

    8.一種新能源極端氣象數據預測裝置,其特征在于,包括:

    9.一種服務器,其特征在于,所述服務器包括:

    10.一種包含計算機可執行指令的存儲介質,其特征在于,所述計算機可執行指令在由計算機處理器執行時用于執行如權利要求1-8任一所述的新能源極端氣象數據預測方法。

    【技術特征摘要】

    1.一種新能源極端氣象數據預測方法,其特征在于,包括:

    2.根據權利要求1所述的方法,其特征在于,所述生成式擴散模型,利用如下方式實現:

    3.根據權利要求1所述的方法,其特征在于,所述構建的梯度如下:

    4.根據權利要求1所述的方法,其特征在于,所述基于所述同化模型生成多個訓練天氣初始場,利用如下方式實現:

    5.根據權利要求1所述的方法,其特征在于,所述平對流層損失函數,采用如下方式實現:

    6.根...

    【專利技術屬性】
    技術研發人員:向婕,雍正,續昱,
    申請(專利權)人:國能日新科技股份有限公司,
    類型:發明
    國別省市:

    網友詢問留言 已有0條評論
    • 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。

    1
    主站蜘蛛池模板: 亚洲国产成人精品无码一区二区| 中文字幕亚洲精品无码| 亚洲国产精品无码久久久久久曰| 国产精品无码素人福利免费 | 中文一国产一无码一日韩| 亚洲av中文无码乱人伦在线播放 | 精品无码黑人又粗又大又长| 成人无码A区在线观看视频| 无码人妻一区二区三区免费| 国产白丝无码免费视频| 国产丝袜无码一区二区视频 | 亚洲av无码专区亚洲av不卡| 国产精品免费无遮挡无码永久视频| 蜜臀AV无码一区二区三区 | 人妻av中文字幕无码专区| 久久青草亚洲AV无码麻豆| 精品无码综合一区| 无码毛片一区二区三区中文字幕| 久热中文字幕无码视频| 波多野结衣AV无码久久一区| 好了av第四综合无码久久 | 久久久无码中文字幕久...| 亚洲人成无码www久久久| 尤物永久免费AV无码网站| 亚洲精品久久无码av片俺去也 | 精品久久久久久无码中文字幕漫画| 精品无码一区二区三区电影| 无码伊人66久久大杳蕉网站谷歌 | 亚洲大尺度无码专区尤物| 狠狠躁天天躁中文字幕无码| 亚洲综合最新无码专区| 波多野结衣AV无码| 一本色道无码不卡在线观看 | 无码人妻黑人中文字幕| 无码少妇一区二区性色AV| 亚洲AV无码一区二区三区系列| 久久无码专区国产精品| 人妻无码αv中文字幕久久| av大片在线无码免费| 无码人妻久久一区二区三区免费丨| 亚洲中文无码亚洲人成影院|