[發(fā)明專利]一種大氣霧霾數(shù)值預(yù)報(bào)的校正預(yù)報(bào)方法及系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 201910354977.6
• 申請(qǐng)日: 2019-04-29
• 公開(kāi)（公告）號(hào): CN110096795B
• 公開(kāi)（公告）日: 2023-07-18
• 發(fā)明（設(shè)計(jì)）人: 陸佳政;蔡澤林;馮濤;徐勛建;簡(jiǎn)洲;邸悅倫;懷曉偉
• 申請(qǐng)（專利權(quán)）人: 國(guó)網(wǎng)湖南省電力有限公司;國(guó)網(wǎng)湖南省電力有限公司防災(zāi)減災(zāi)中心;國(guó)家電網(wǎng)有限公司
• 主分類號(hào): G06F30/23
• 分類號(hào): G06F30/23;G06N3/0442;G06N3/08
• 代理公司: 長(zhǎng)沙朕揚(yáng)知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 43213
• 代理人: 周孝湖

本發(fā)明提供了一種大氣霧霾數(shù)值預(yù)報(bào)的校正預(yù)報(bào)方法及系統(tǒng)，方法包括：選擇需開(kāi)展霧霾數(shù)值預(yù)報(bào)的區(qū)域，劃分成等經(jīng)緯網(wǎng)格；收集全球模式的初始場(chǎng)和邊界條件數(shù)據(jù)，用作開(kāi)展霧霾數(shù)值預(yù)測(cè)的初始場(chǎng)和邊界條件數(shù)據(jù)；將收集的初始場(chǎng)和邊界條件數(shù)據(jù)按等經(jīng)緯網(wǎng)格插值，得統(tǒng)一格點(diǎn)的網(wǎng)格數(shù)據(jù)；選擇區(qū)域數(shù)值預(yù)報(bào)模式和參數(shù)化方案，將網(wǎng)格數(shù)據(jù)輸入?yún)^(qū)域數(shù)值預(yù)報(bào)模式，開(kāi)展數(shù)值積分計(jì)算，生成大氣霧霾污染物在未來(lái)不同時(shí)刻的空間分布數(shù)據(jù)；采用長(zhǎng)短時(shí)記憶神經(jīng)網(wǎng)絡(luò)對(duì)空間分布數(shù)據(jù)進(jìn)行長(zhǎng)期、中期和短期的訓(xùn)練，得不同時(shí)間尺度的模型。該校正預(yù)報(bào)方法及系統(tǒng)能指導(dǎo)電網(wǎng)企業(yè)精準(zhǔn)地開(kāi)展調(diào)度排班，提前安排好調(diào)度策略，降低電網(wǎng)霧霾濃度，提升空氣質(zhì)量。

技術(shù)領(lǐng)域

本發(fā)明涉及大氣環(huán)境和電網(wǎng)調(diào)度技術(shù)領(lǐng)域，具體而言，涉及一種大氣霧霾數(shù)值預(yù)報(bào)的校正預(yù)報(bào)方法及系統(tǒng)。

背景技術(shù)

隨著我國(guó)工業(yè)體量的不斷發(fā)展增強(qiáng)，工業(yè)排放源不斷增多，導(dǎo)致了大氣霧霾的頻繁發(fā)生，因而給居民健康帶來(lái)了嚴(yán)重的影響。

火電廠發(fā)電時(shí)會(huì)產(chǎn)生大量的煙氣，這些煙氣是大氣霧霾形成的原因之一。在大氣霧霾較嚴(yán)重時(shí)，采用火電廠發(fā)電會(huì)加重霧霾濃度。

如何開(kāi)展大氣霧霾的數(shù)值預(yù)測(cè)，指導(dǎo)電網(wǎng)企業(yè)合理進(jìn)行發(fā)電調(diào)度，在大氣霧霾嚴(yán)重時(shí)增加清潔能源的并網(wǎng)，減少火電場(chǎng)電能的使用，從而降低大氣霧霾濃度，提升空氣質(zhì)量，已成為電網(wǎng)企業(yè)亟需解決的問(wèn)題。目前，還沒(méi)有一種準(zhǔn)確率較高的能夠科學(xué)指導(dǎo)電網(wǎng)企業(yè)合理進(jìn)行發(fā)電調(diào)度的大氣霧霾數(shù)值預(yù)報(bào)方法。

發(fā)明內(nèi)容

本發(fā)明的主要目的在于提供一種大氣霧霾數(shù)值預(yù)報(bào)的校正預(yù)報(bào)方法及系統(tǒng)，以解決現(xiàn)有技術(shù)中無(wú)法科學(xué)合理指導(dǎo)電網(wǎng)企業(yè)優(yōu)化發(fā)電調(diào)度，以降低霧霾的技術(shù)問(wèn)題。

為了實(shí)現(xiàn)上述目的，根據(jù)本發(fā)明的一個(gè)方面，提供了一種大氣霧霾數(shù)值預(yù)報(bào)的校正預(yù)報(bào)方法，該校正預(yù)報(bào)方法包括：

選擇需要開(kāi)展霧霾數(shù)值預(yù)報(bào)的區(qū)域，并將區(qū)域劃分成等經(jīng)緯網(wǎng)格；

收集一種全球模式的初始場(chǎng)數(shù)據(jù)和邊界條件數(shù)據(jù)，將其用作開(kāi)展霧霾數(shù)值預(yù)測(cè)的初始場(chǎng)數(shù)據(jù)和邊界條件數(shù)據(jù)；

將收集的初始場(chǎng)數(shù)據(jù)和邊界條件數(shù)據(jù)按照等經(jīng)緯網(wǎng)格進(jìn)行插值，得到統(tǒng)一格點(diǎn)的網(wǎng)格數(shù)據(jù)；

選擇一種區(qū)域數(shù)值預(yù)報(bào)模式，并選擇一種參數(shù)化方案，將統(tǒng)一格點(diǎn)的網(wǎng)格數(shù)據(jù)輸入?yún)^(qū)域數(shù)值預(yù)報(bào)模式，并開(kāi)展數(shù)值積分計(jì)算，生成大氣霧霾污染物在未來(lái)不同時(shí)刻的空間分布數(shù)據(jù)；

采用長(zhǎng)短時(shí)記憶神經(jīng)網(wǎng)絡(luò)對(duì)空間分布數(shù)據(jù)分別進(jìn)行長(zhǎng)期、中期和短期的訓(xùn)練，得到不同時(shí)間尺度的模型。

進(jìn)一步地，采用長(zhǎng)短時(shí)記憶神經(jīng)網(wǎng)絡(luò)對(duì)空間分布數(shù)據(jù)分別進(jìn)行長(zhǎng)期、中期和短期的訓(xùn)練，得到不同時(shí)間尺度的模型，具體是指：

采用長(zhǎng)短時(shí)記憶神經(jīng)網(wǎng)絡(luò)對(duì)空間分布數(shù)據(jù)分別進(jìn)行季節(jié)尺度、月尺度和日尺度的訓(xùn)練，得到不同時(shí)間尺度的模型，模型表示為：

其中，為預(yù)測(cè)值；S為一年中的季節(jié)類型；M為月度標(biāo)記；D為日期標(biāo)記；Y為當(dāng)前時(shí)刻的區(qū)域數(shù)值預(yù)報(bào)模式輸出結(jié)果；Y-為前一時(shí)刻的區(qū)域數(shù)值預(yù)報(bào)模式輸出結(jié)果；Re為前一時(shí)刻的實(shí)際預(yù)報(bào)值。

進(jìn)一步地，模型還包括遺忘門、記憶門和輸出門；

遺忘門決定上一時(shí)刻的單元狀態(tài)C_t-1有多少保留到當(dāng)前時(shí)刻C_t，其計(jì)算方法為：

f_t＝σ(W_f*[h_t-1，Y_t]+b_f)

記憶門決定針對(duì)當(dāng)前輸入Y_t的單元狀態(tài)有多少保存到當(dāng)前時(shí)刻的單元狀態(tài)C_t，其計(jì)算方法為：