[發明專利]氣象數據的獲取方法及裝置在審
| 申請號: | 201711250212.5 | 申請日: | 2017-12-01 |
| 公開(公告)號: | CN108375807A | 公開(公告)日: | 2018-08-07 |
| 發明(設計)人: | 李宇婷;尹康;韓盟;焦建林;董寧 | 申請(專利權)人: | 國網北京市電力公司;國家電網公司 |
| 主分類號: | G01W1/02 | 分類號: | G01W1/02;G01W1/10 |
| 代理公司: | 北京康信知識產權代理有限責任公司 11240 | 代理人: | 趙囡囡 |
| 地址: | 100031 *** | 國省代碼: | 北京;11 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 氣象數據 網格點 桿塔 預設算法 集合 插值法 變電站 輸電線路桿塔 獲取目標 目標區域 氣溫數據 輸電線路 點連接 降水量 加權 申請 風力 | ||
1.一種氣象數據的獲取方法,其特征在于,包括以下步驟:
獲取目標區域內的網格點氣象數據集合,其中,所述網格點氣象數據集合包括多個網格點的氣象數據,每個網格點的氣象數據中至少包括:風力數據、氣溫數據和降水量數據;
確定所述目標區域內的多個電力點,其中,所述電力點至少包括:變電站和桿塔點,其中,多個桿塔點連接形成輸電線路;
采用預設算法對所述網格點氣象數據集合中的數據進行計算,確定每個電力點的氣象數據,其中,所述預設算法至少包括:加權插值法和線性插值法。
2.根據權利要求1所述的方法,其特征在于,所述每個電力點的氣象數據包括風力值,所述加權插值法包括第一加權插值法,采用預設算法對所述網格點氣象數據集合中的數據進行計算,確定每個電力點的氣象數據包括:
采用所述第一加權插值法對所述網格點氣象數據集合中的風力數據進行計算,確定每個電力點的風力值,其中,
所述第一加權插值法為:
其中,(i,j)是電力點的坐標位置,u1(i,j)是電力點的風力值,r是電力點的坐標位置到第k個網格點的距離,n是網格點的總數,u1k是第k個網格點的風力數據,W1k(r)是第k個網格點的權函數,其中:
其中,RE是影響半徑。
3.根據權利要求1所述的氣象數據的獲取方法,其特征在于,所述每個電力點的氣象數據包括氣溫值,所述加權插值法包括第二加權插值法,采用預設算法對所述網格點氣象數據集合中的數據進行計算,確定每個電力點的氣象數據包括:
采用所述第二加權插值法對所述網格點氣象數據集合中的氣溫數據進行計算,確定每個電力點的氣溫值,其中,
所述第二加權插值法為:
其中,(i,j)是電力點的坐標位置,u2(i,j)是電力點的氣溫值,r是電力點的坐標位置到第k個網格點的距離,u2k是第k個網格點的氣溫數據,W2k(r)是第k個網格點的權函數,具體為:
其中,RE是影響半徑。
4.根據權利要求1所述的氣象數據的獲取方法,其特征在于,所述每個電力點的氣象數據包括降水量值,采用預設算法對所述網格點氣象數據集合中的數據進行計算,確定每個電力點的氣象數據包括:
采用所述線性插值法對所述網格點氣象數據集合中的降水量數據進行計算,確定每個電力點的降水量值,其中,
所述線性插值法為:
其中,(i,j)是電力點的坐標位置,u3(i,j)表示電力點的降水量值,uk表示第k個網格點的降水量數據,r表示當前電力點的坐標位置到第一個網格點的距離,r1表示兩個網格點位置之間的距離。
5.根據權利要求1所述的氣象數據的獲取方法,其特征在于,獲取目標區域內的網格點氣象數據集合包括:
獲取目標區域內的多個網格點當前的氣象數據;
基于所述當前的氣象數據預測預設時間段內每個網格點的氣象數據,得到預測數據集合;
所述當前的氣象數據和所述預測數據集合組成所述網格點氣象數據集合。
6.根據權利要求1所述的氣象數據的獲取方法,其特征在于,在采用預設算法對所述網格點氣象數據集合中的數據進行計算,確定每個電力點的氣象數據之后,所述方法還包括:
將每個電力點的氣象數據存入預設數據庫。
7.根據權利要求6所述的氣象數據的獲取方法,其特征在于,在將每個電力點的氣象數據存入預設數據庫之后,所述方法還包括:
從所述預設數據庫中獲取每個電力點的氣象數據;
對所述每個電力點的氣象數據進行分析,得到分析結果;
將所述每個電力點的氣象數據和所述分析結果進行顯示。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于國網北京市電力公司;國家電網公司,未經國網北京市電力公司;國家電網公司許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201711250212.5/1.html,轉載請聲明來源鉆瓜專利網。
- 上一篇:氣象地圖的獲取方法和裝置
- 下一篇:NRIET基于機器學習的大霧預報方法





