【技術實現步驟摘要】
本專利技術涉及輸電線路區域風場預測方法領域，具體是一種基于wrf模式調優對密集輸電通道風場精細預測方法。
技術介紹
1、氣象領域的數值預報技術目前在電網氣象災害預警中得到了廣泛應用，但預報網格普遍為5km×5km、3km×3km等，模式預報時間間隔為逐3小時。對于局地大風等短時強對流天氣引起的氣象災害，時間和空間尺度難以滿足電網實際運行風險評估需求。此外，電網輸電通道中的輸電桿塔等往往處于特殊地形和復雜下墊面，現有數值氣象預報未充分考慮下墊面地形因素的影響，而這些地方的桿塔更容易遭受自然災害侵襲。
2、針對現有針對輸電通道的數值氣象預報未充分考慮密集輸電通道區域下墊面地形因素影響的問題，章李剛等(2023)使用cfd(computational?fluid?dynamics，以下簡稱cfd)數值仿真技術對不同風向角下典型的近海v形山谷地形下的輸電線路風場進行了仿真，基于雷諾時均模型仿真方法比較了半徑分別為3km、5km和8km三種尺度地形下風場計算結果的差異。但這種仿真主要停留在理論分析方面，并沒有精確落實到密集輸電通道區域的實際應用。
技術實現思路
1、本專利技術提供了一種基于wrf模式調優對密集輸電通道風場精細預測方法，以解決現有技術針對輸電通道的數值氣象預報沒有充分考慮密集輸電通道區域下墊面地形因素影響，導致的風場預報準確率低的問題。
2、為了達到上述目的，本專利技術所采用的技術方案為：
3、基于wrf模式調優對密集輸電通道風場精細預測方法
4、步驟1、獲取密集輸電通道區域的土地覆蓋數據，用以替換wrf模式的默認數據，并對wrf模式進行設置，由此在wrf模式中構建生成可調用的密集輸電通道區域下墊面地形數據；
5、步驟2、獲取密集輸電通道區域歷史時間的強對流大風過程個例數據，作為wrf模式的輸入數據，并在wrf模式中選擇多種物理過程參數化方案，然后由wrf模式加載密集輸電通道區域下墊面地形數據后，使用選擇的多種物理過程參數化方案分別基于歷史時間的強對流大風過程個例數據對強對流大風過程個例進行模擬，并根據模擬結果確定最優的物理過程參數化方案，由此得到加載密集輸電通道區域下墊面數據并設置為最優的物理過程參數化方案的wrf模式，作為優化后的wrf模式；
6、步驟3、獲取密集輸電通道區域的實時風場預報數據，將實時風場預報數據輸入至步驟2得到的優化后的wrf模式，由優化后的wrf模式得到密集輸電通道區域風場的精細預測結果。
7、進一步的，步驟1中獲取的密集輸電通道區域的土地覆蓋數據，為modis采集的密集輸電通道區域的mcd12q1數據。
8、進一步的，步驟1中，對mcd12q1數據進行拼接、剔除異常數據、投影、重采樣處理后，再替換wrf模式的默認數據。
9、進一步的，步驟1中，所述wrf模式的默認數據被替換后，wrf模式的設置包括：
10、修改wrf模式的數據類型為分類數據；
11、設置category_min＝1，category_max＝21category_max＝21；
12、wrf模式中水體、湖、冰雪和城市這四類分別按照igbp中的分類值進行設置，wrf模式中第18-21類采用wrf默認土地類型即森林苔原、混合苔原、裸地苔原和湖；
13、在wrf模式的geogrid.tbl文件增加landmask_water、interp_option和rel_path；
14、由此，在wrf模式中構建生成可調用的密集輸電通道區域下墊面地形數據。
15、進一步的，步驟2中，wrf模式中選擇的物理過程參數化方案包括ysu、acm2、qnse、myj、boulac共5類邊界層參數化方案，以及lin、wsm5、wsm6、thompson、nssl?2-moment共5類云微物理方案。
16、進一步的，步驟2中，對多種物理過程參數化方案的模擬結果評估計算rmse評分，根據rmse評分選出最優的物理過程參數化方案。
17、進一步的，步驟3中，通過臨近插值方法插值將風場的精細預測結果數據插值到觀測站點位置，計算觀測站點地面風速與模式預測風速間的均方根誤差評分，由此實時檢驗得到優化后的wrf模式得到的風場精細預測結果的準確率。
18、本專利技術通過wrf模式對密集輸電通道區域的復雜地形進行刻畫，并通過wrf模式對密集輸電通道區域歷史事件發生的強對流大風過程個例進行模擬，優選出效果最優的物理過程參數化方案，由此充分考慮下密集輸電通道區域下墊面地形特征，能夠精細的預報出密集輸電通道區域的風場狀況，為電力系統應對氣象災害提供決策支持，提高了公里尺度的密集輸電通道風場預報準確率。
19、本專利技術參考密集輸電通道特點，在wrf模式中構建密集輸電通道區域下墊面地形數據，并選擇最優的物理過程參數化方案，使用優化后的wrf模式做輸電通道精細化大風預報，不僅將氣象和電力結合了起來，充分利用了氣象數據，還針對輸電通道特點進行了時空精細度以及要素準確率的提升，為輸電通道大風預報預警提供了決策支持，有效解決電網實際運行中時空尺度不足的問題。
本文檔來自技高網...【技術保護點】
1.基于WRF模式調優對密集輸電通道風場精細預測方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的基于WRF模式調優對密集輸電通道風場精細預測方法，其特征在于，步驟1中獲取的密集輸電通道區域的土地覆蓋數據，為MODIS采集的密集輸電通道區域的MCD12Q1數據。
3.根據權利要求2所述的基于WRF模式調優對密集輸電通道風場精細預測方法，其特征在于，步驟1中，對MCD12Q1數據進行拼接、剔除異常數據、投影、重采樣處理后，再替換WRF模式的默認數據。
4.根據權利要求1所述的基于WRF模式調優對密集輸電通道風場精細預測方法，其特征在于，步驟1中，所述WRF模式的默認數據被替換后，WRF模式的設置包括：
5.根據權利要求1所述的基于WRF模式調優對密集輸電通道風場精細預測方法，其特征在于，步驟2中，WRF模式中選擇的物理過程參數化方案包括YSU、ACM2、QNSE、MYJ、Boulac共5類邊界層參數化方案，以及Lin、WSM5、WSM6、Thompson、NSSL?2-moment共5類云微物理方案。
6.根據權利
7.根據權利要求1所述的基于WRF模式調優對密集輸電通道風場精細預測方法，其特征在于，步驟3中，通過的臨近插值方法插值將風場的精細預測結果數據插值到觀測站點位置，計算觀測站點地面風速與模式預測風速間的均方根誤差評分，由此實時檢驗得到優化后的WRF模式得到的風場精細預測結果的準確率。
...【技術特征摘要】
1.基于wrf模式調優對密集輸電通道風場精細預測方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的基于wrf模式調優對密集輸電通道風場精細預測方法，其特征在于，步驟1中獲取的密集輸電通道區域的土地覆蓋數據，為modis采集的密集輸電通道區域的mcd12q1數據。
3.根據權利要求2所述的基于wrf模式調優對密集輸電通道風場精細預測方法，其特征在于，步驟1中，對mcd12q1數據進行拼接、剔除異常數據、投影、重采樣處理后，再替換wrf模式的默認數據。
4.根據權利要求1所述的基于wrf模式調優對密集輸電通道風場精細預測方法，其特征在于，步驟1中，所述wrf模式的默認數據被替換后，wrf模式的設置包括：
5.根據權利要求1所述的基于wrf模式調優對密集輸電通道風場精細預測方法，...
【專利技術屬性】
技術研發人員：武永泉，邱剛，王永強，吳奇偉，張四維，張廼龍，焦彥俊，
申請(專利權)人：國網江蘇省電力有限公司南京供電分公司，
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。