【技術實現(xiàn)步驟摘要】
本申請涉及風場預測，具體涉及一種三維風場預測方法、裝置、電子設備及存儲介質。
技術介紹
1、三維風場是指在三個空間維度上描述的風場，通常用于風能開發(fā)和氣象預測。三維風場的研究涉及到風速、風向和風壓在空間中的變化。它是通過計算流體動力學cfd模型和大氣模擬來實現(xiàn)的。這些模型可以捕捉到風場的復雜性，包括地形影響、溫度梯度和大氣壓力差等因素；三維風場模型對于準確預測風力資源和評估風電場的性能至關重要。隨著計算技術的發(fā)展，三維風場模型的精度和復雜性得到了顯著提升。
2、相關技術中，有研究提出了將中尺度天氣研究與預報wrf模型與計算流體動力學cfd相結合的小尺度三維風場預測新方法，通過混合神經(jīng)網(wǎng)絡預測模塊和cfd模塊來實現(xiàn)小尺度三維風場的精確模擬和短期預測。然而這種方法僅限于小尺度三維風場，無法進行大規(guī)模的預測，且基于風場本身去做預測，難以對風場的變化規(guī)律進行考量。
技術實現(xiàn)思路
1、針對現(xiàn)有技術的不足，本申請?zhí)峁┝艘环N三維風場預測方法、裝置、電子設備及存儲介質，解決了三維風場預測過程受限、預測結果不準確的問題。
2、為實現(xiàn)以上目的，本申請通過以下技術方案予以實現(xiàn)：
3、第一方面，本申請實施例提供了一種三維風場預測方法，該三維風場預測方法包括：獲取表征三維風場特征且對應不同歷史時刻的第一數(shù)據(jù)信息和第二數(shù)據(jù)信息；基于第二數(shù)據(jù)信息對應的時序，逐次對第二數(shù)據(jù)信息中的數(shù)據(jù)進行差分處理，得到表征三維風場變化狀態(tài)的第一差分數(shù)據(jù)信息；分別基于預訓練得到的第一編碼器和第二
4、根據(jù)本申請實施例的第一方面，第一數(shù)據(jù)信息對應不同歷史時刻且包括第一衛(wèi)星圖像數(shù)據(jù)、第一era5再分析數(shù)據(jù)和第一風場數(shù)據(jù)；第一差分數(shù)據(jù)信息對應不同歷史時刻，且包括基于時序差分處理后的第二衛(wèi)星圖像數(shù)據(jù)、第二era5再分析數(shù)據(jù)和第二風場數(shù)據(jù)。
5、根據(jù)本申請實施例的第一方面，前述分別基于預訓練得到的第一編碼器和第二編碼器對第一數(shù)據(jù)信息和第一差分數(shù)據(jù)信息進行特征提取、交叉注意力計算、匹配篩選以及拼接融合，得到隱空間下的目標向量，具體可以包括以下步驟：基于預訓練得到的第一編碼器和預篩選得到的第一離散碼本，通過預設的第一目標分析策略，對第一衛(wèi)星圖像數(shù)據(jù)、第一era5再分析數(shù)據(jù)和第一風場數(shù)據(jù)進行處理，得到量化的第一隱空間特征向量；基于預訓練得到的第二編碼器和預篩選得到的第二離散碼本，通過第一目標分析策略，對第二衛(wèi)星圖像數(shù)據(jù)、第二era5再分析數(shù)據(jù)和第二風場數(shù)據(jù)進行處理，得到量化的第二隱空間特征向量；對第一隱空間特征向量和第二隱空間特征向量進行拼接融合，生成隱空間下的目標向量。
6、根據(jù)本申請實施例的第一方面，前述基于預訓練得到的第一編碼器和預篩選得到的第一離散碼本，通過預設的第一目標分析策略，對第一衛(wèi)星圖像數(shù)據(jù)、第一era5再分析數(shù)據(jù)和第一風場數(shù)據(jù)進行處理，得到量化的第一隱空間特征向量，具體可以包括以下步驟：
7、將第一風場數(shù)據(jù)輸入預訓練得到的第一編碼器，以生成對應隱空間下表示的第一目標風場數(shù)據(jù)；通過特征圖金字塔網(wǎng)絡fpn對第一衛(wèi)星圖像數(shù)據(jù)和第一era5再分析數(shù)據(jù)進行特征提取，得到第一多尺度空間特征信息；對第一多尺度空間特征信息和第一目標風場數(shù)據(jù)進行交叉注意力計算，生成第一初始向量；將第一初始向量與第一離散碼本進行匹配，得到量化后的第一隱空間特征向量。
8、根據(jù)本申請實施例的第一方面，在前述分別基于預訓練得到的第一編碼器和第二編碼器對第一數(shù)據(jù)信息和第一差分數(shù)據(jù)信息進行特征提取、交叉注意力計算、匹配篩選以及拼接融合，得到隱空間下的目標向量之前，該三維風場預測方法還可以包括以下步驟：
9、獲取三維風場的第三數(shù)據(jù)信息，第三數(shù)據(jù)信息對應不同歷史時刻且包括第三衛(wèi)星圖像數(shù)據(jù)、第三era5再分析數(shù)據(jù)和第三風場數(shù)據(jù)；通過特征圖金字塔網(wǎng)絡fpn對第三衛(wèi)星圖像數(shù)據(jù)和第三era5再分析數(shù)據(jù)進行特征提取，得到第二多尺度空間特征信息；基于第三風場數(shù)據(jù)和第二多尺度空間特征信息，通過預設的第二目標分析策略訓練得到第一編碼器，并確定量化后的第一特征向量；獲取預設氣象大模型模擬生成的第二大氣場數(shù)據(jù)；將第二大氣場數(shù)據(jù)和第一特征向量輸入至基于前饋神經(jīng)網(wǎng)絡的第一解碼器進行處理，以進行空間轉換并生成當前風場數(shù)據(jù)。
10、根據(jù)本申請實施例的第一方面，前述基于第三風場數(shù)據(jù)和第二多尺度空間特征信息，通過預設的第二目標分析策略訓練得到第一編碼器，并確定量化后的第一特征向量，具體可以包括以下步驟：
11、對第三風場數(shù)據(jù)進行編碼訓練，生成對應隱空間下表示的第二目標風場數(shù)據(jù)并得到第一編碼器；對第二多尺度空間特征信息和第二目標風場數(shù)據(jù)進行交叉注意力計算，生成第二初始向量；將第二初始向量與預設的可學習碼本集進行匹配篩選，確定篩選得到的第一離散碼本，并確定可學習碼本集中與第二初始向量最接近的個體為量化后的第一特征向量。
12、根據(jù)本申請實施例的第一方面，在前述分別基于預訓練得到的第一編碼器和第二編碼器對第一數(shù)據(jù)信息和第一差分數(shù)據(jù)信息進行特征提取、交叉注意力計算、匹配篩選以及拼接融合，得到隱空間下的目標向量之前，該三維風場預測方法具體還可以包括以下步驟：
13、獲取三維風場對應不同歷史時刻的第四數(shù)據(jù)信息；基于時序逐次對第四數(shù)據(jù)信息中的數(shù)據(jù)進行差分處理，得到第二差分數(shù)據(jù)信息；第二差分數(shù)據(jù)信息包括第四衛(wèi)星圖像數(shù)據(jù)、第四era5再分析數(shù)據(jù)和第四風場數(shù)據(jù)；對第四衛(wèi)星圖像數(shù)據(jù)和第四era5再分析數(shù)據(jù)進行特征提取，得到第三多尺度空間特征信息；基于第四風場數(shù)據(jù)和第三多尺度空間特征信息，通過第二目標分析策略訓練得到第二編碼器，得到第二離散碼本以及量化后的第二特征向量；獲取預設氣象大模型預測生成的第三大氣場數(shù)據(jù)，對第三大氣場數(shù)據(jù)進行差分處理，得到第三差分數(shù)據(jù)信息；將第三差分數(shù)據(jù)信息和第二特征向量輸入至基于前饋神經(jīng)網(wǎng)絡的第二解碼器進行處理，得到預測的可差分風場數(shù)據(jù)。
14、第二方面，本申請實施例提供了一種三維風場預測裝置，該三維風場預測裝置包括獲取模塊、差分處理模塊、處理模塊和訓練模塊；其中，獲取模塊用于獲取表征三維風場特征且對應不同歷史時刻的第一數(shù)據(jù)信息和第二數(shù)據(jù)信息；差分處理模塊用于基于第二數(shù)據(jù)信息對應的時序，逐次對第二數(shù)據(jù)信息中的數(shù)據(jù)進行差分處理，得到表征三維風場變化狀態(tài)的第一差分數(shù)據(jù)信息；處理模塊用于分別基于預訓練得到的第一編碼器和第二編碼器對第一數(shù)據(jù)信息和第一差分數(shù)據(jù)信息進行特征提取、交叉注意力計算、匹配篩選以及拼接融合，得到隱空間下的目標向量；訓練模塊用于獲取預設氣象大模型預測的第一大氣場數(shù)據(jù)，將第一大氣場數(shù)據(jù)和目標向量輸入目標解碼器，以進行訓練學習和空間轉換，并得到對應未來時刻的三維風場預測信息。
15、第三方面，本文檔來自技高網(wǎng)...
【技術保護點】
1.一種三維風場預測方法，其特征在于，包括：
2.如權利要求1所述的三維風場預測方法，其特征在于，所述第一數(shù)據(jù)信息對應不同歷史時刻且包括第一衛(wèi)星圖像數(shù)據(jù)、第一ERA5再分析數(shù)據(jù)和第一風場數(shù)據(jù)；所述第一差分數(shù)據(jù)信息對應不同歷史時刻，且包括基于時序差分處理后的第二衛(wèi)星圖像數(shù)據(jù)、第二ERA5再分析數(shù)據(jù)和第二風場數(shù)據(jù)。
3.如權利要求2所述的三維風場預測方法，其特征在于，所述分別基于預訓練得到的第一編碼器和第二編碼器對所述第一數(shù)據(jù)信息和所述第一差分數(shù)據(jù)信息進行特征提取、交叉注意力計算、匹配篩選以及拼接融合，得到隱空間下的目標向量，包括：
4.如權利要求3所述的三維風場預測方法，其特征在于，所述基于預訓練得到的第一編碼器和預篩選得到的第一離散碼本，通過預設的第一目標分析策略，對所述第一衛(wèi)星圖像數(shù)據(jù)、所述第一ERA5再分析數(shù)據(jù)和所述第一風場數(shù)據(jù)進行處理，得到量化的第一隱空間特征向量，包括：
5.如權利要求1所述的三維風場預測方法，其特征在于，在所述分別基于預訓練得到的第一編碼器和第二編碼器對所述第一數(shù)據(jù)信息和所述第一差分數(shù)據(jù)信息進行特征提取、交
6.如權利要求5所述的三維風場預測方法，其特征在于，所述基于所述第三風場數(shù)據(jù)和所述第二多尺度空間特征信息，通過預設的第二目標分析策略訓練得到第一編碼器，并確定量化后的第一特征向量，包括：
7.如權利要求5所述的三維風場預測方法，其特征在于，在所述分別基于預訓練得到的第一編碼器和第二編碼器對所述第一數(shù)據(jù)信息和所述第一差分數(shù)據(jù)信息進行特征提取、交叉注意力計算、匹配篩選以及拼接融合，得到隱空間下的目標向量之前，所述三維風場預測方法還包括：
8.一種三維風場預測裝置，其特征在于，包括：
9.一種電子設備，其特征在于，包括：處理器、存儲器及存儲在所述存儲器上并可在所述處理器上運行的程序，所述程序被所述處理器執(zhí)行時實現(xiàn)如權利要求1至7中任一項所述的三維風場預測方法。
10.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質上存儲程序或指令，所述程序或指令被處理器執(zhí)行時實現(xiàn)如權利要求1至7任一項所述的三維風場預測方法。
...【技術特征摘要】
1.一種三維風場預測方法，其特征在于，包括：
2.如權利要求1所述的三維風場預測方法，其特征在于，所述第一數(shù)據(jù)信息對應不同歷史時刻且包括第一衛(wèi)星圖像數(shù)據(jù)、第一era5再分析數(shù)據(jù)和第一風場數(shù)據(jù)；所述第一差分數(shù)據(jù)信息對應不同歷史時刻，且包括基于時序差分處理后的第二衛(wèi)星圖像數(shù)據(jù)、第二era5再分析數(shù)據(jù)和第二風場數(shù)據(jù)。
3.如權利要求2所述的三維風場預測方法，其特征在于，所述分別基于預訓練得到的第一編碼器和第二編碼器對所述第一數(shù)據(jù)信息和所述第一差分數(shù)據(jù)信息進行特征提取、交叉注意力計算、匹配篩選以及拼接融合，得到隱空間下的目標向量，包括：
4.如權利要求3所述的三維風場預測方法，其特征在于，所述基于預訓練得到的第一編碼器和預篩選得到的第一離散碼本，通過預設的第一目標分析策略，對所述第一衛(wèi)星圖像數(shù)據(jù)、所述第一era5再分析數(shù)據(jù)和所述第一風場數(shù)據(jù)進行處理，得到量化的第一隱空間特征向量，包括：
5.如權利要求1所述的三維風場預測方法，其特征在于，在所述分別基于預訓練得到的第一編碼器和第二編碼器對所述第一數(shù)據(jù)信息和所述第一差分數(shù)據(jù)信息進行特征...
【專利技術屬性】
技術研發(fā)人員：劉磊，李斌，牛帥旗，
申請(專利權)人：中國科學技術大學，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。