本技術(shù)涉及風力發(fā)電領(lǐng)域，具體涉及一種多源氣象觀測數(shù)據(jù)的同化方法及裝置。

背景技術(shù)：

1、在風電場預報的場景下，通常依賴傳統(tǒng)的數(shù)值天氣預報模式，準確的風電場預報，離不開數(shù)值預報作為第一依據(jù)。而提升數(shù)值天氣預報模式的關(guān)鍵在于改善模式預報初始場的質(zhì)量。

2、在相關(guān)技術(shù)中，觀測數(shù)據(jù)通常僅是常規(guī)或單一數(shù)據(jù)來源，而常規(guī)或單一數(shù)據(jù)來源的數(shù)據(jù)來源在空間覆蓋面和時間尺度上有限，往往無法較好地監(jiān)測到極端天氣(如臺風)的過程，導致預報初始場質(zhì)量較差，進一步影響風電場預報的準確性。

技術(shù)實現(xiàn)思路

1、本技術(shù)提供了一種多源氣象觀測數(shù)據(jù)的同化方法及裝置，能夠提高模式預報初始場的質(zhì)量，進一步提高風電場預報的準確性。所述技術(shù)方案如下。

2、第一方面，提供了一種多源氣象觀測數(shù)據(jù)的同化方法，所述方法包括：

3、獲取模式背景場和多源觀測數(shù)據(jù)，所述多源觀測數(shù)據(jù)包括多種不同數(shù)據(jù)來源的氣象觀測數(shù)據(jù)；

4、基于所述多源觀測數(shù)據(jù)的關(guān)鍵參數(shù)，通過權(quán)重分配模型確定所述多源觀測數(shù)據(jù)的權(quán)重矩陣，所述權(quán)重矩陣用于表征所述多源觀測數(shù)據(jù)中每種數(shù)據(jù)來源的權(quán)重，所述關(guān)鍵參數(shù)包括可靠性參數(shù)、歷史性能參數(shù)、極端天氣參數(shù)、時間參數(shù)和數(shù)據(jù)來源屬性參數(shù)中的至少一項；

5、結(jié)合所述模式背景場、所述多源觀測數(shù)據(jù)以及所述權(quán)重矩陣，得到優(yōu)化后的模式初始場。

6、在一些實施方式中，所述多源觀測數(shù)據(jù)中包括空間位置信息，所述權(quán)重矩陣還用于表征不同數(shù)據(jù)來源在不同空間位置的權(quán)重。

7、在一些實施方式中，所述權(quán)重分配模型是通過以下步驟訓練得到的：

8、獲取多組訓練樣本，每組訓練樣本包括歷史模式背景場、歷史多源觀測數(shù)據(jù)和歷史再分析數(shù)據(jù)；

9、將所述歷史多源觀測數(shù)據(jù)的關(guān)鍵參數(shù)輸入至所述權(quán)重分配模型，確定所述歷史多源觀測數(shù)據(jù)的歷史權(quán)重矩陣；

10、基于所述歷史模式背景場、所述歷史多源觀測數(shù)據(jù)和所述歷史權(quán)重矩陣，確定歷史模式初始場；

11、基于所述歷史模式初始場與所述歷史再分析數(shù)據(jù)之間的偏差調(diào)整所述權(quán)重分配模型的參數(shù)；

12、響應(yīng)于所述歷史模式初始場與所述再分析數(shù)據(jù)之間的偏差滿足停止條件，則停止訓練，得到完成訓練的權(quán)重分配模型。

13、在一些實施方式中，所述響應(yīng)于所述歷史模式初始場與所述再分析數(shù)據(jù)之間的偏差滿足停止條件，則停止訓練，得到完成訓練的權(quán)重分配模型之后，還包括：

14、持續(xù)獲取歷史模式初始場和歷史再分析數(shù)據(jù)，周期性訓練所述權(quán)重分配模型，得到更新后的權(quán)重分配模型。

15、在一些實施方式中，所述權(quán)重分配模型包括編碼器模塊和解碼器模塊，所述基于所述多源觀測數(shù)據(jù)的關(guān)鍵參數(shù)，通過權(quán)重分配模型確定所述多源觀測數(shù)據(jù)的權(quán)重矩陣，包括：

16、通過所述編碼器模塊的多個卷積層、池化層和瓶頸層，對所多源觀測數(shù)據(jù)的關(guān)鍵參數(shù)進行壓縮處理，得到所述多源觀測數(shù)據(jù)的第一關(guān)鍵特征；

17、通過所述解碼器模塊中的上采樣層對所述第一關(guān)鍵特征進行擴展處理，得到所述多源觀測數(shù)據(jù)的第二關(guān)鍵特征，

18、通過所述解碼器模塊中的跳躍連接對所述第一關(guān)鍵特征和所述第二關(guān)鍵特征進行疊加處理，生成所述多源觀測數(shù)據(jù)的權(quán)重矩陣。

19、在一些實施方式中，所述權(quán)重分配模型為u-net模型。

20、在一些實施方式中，所述可靠性參數(shù)包括準確性參數(shù)、一致性參數(shù)、完整性參數(shù)以及時效性參數(shù)中的至少一項，所述方法還包括：

21、基于每種數(shù)據(jù)來源的氣象觀測數(shù)據(jù)相較于參考氣象觀測數(shù)據(jù)之間的偏差，獲得每種數(shù)據(jù)來源的準確性參數(shù)；

22、基于每種數(shù)據(jù)來源在不同時間和天氣條件下提供的氣象觀測數(shù)據(jù)之間的一致性，獲得每種數(shù)據(jù)來源的一致性參數(shù)；

23、基于每種數(shù)據(jù)來源的氣象觀測數(shù)據(jù)中缺失數(shù)據(jù)所占的比例或異常數(shù)據(jù)所占的比例，獲得每種數(shù)據(jù)來源的完整性參數(shù)；

24、基于每種數(shù)據(jù)來源的氣象觀測數(shù)據(jù)的數(shù)據(jù)更新頻率和延遲時間，獲得每種數(shù)據(jù)來源的時效性參數(shù)。

25、在一些實施方式中，所述歷史性能參數(shù)包括穩(wěn)定性參數(shù)和適應(yīng)性參數(shù)，所述方法還包括：

26、基于每種數(shù)據(jù)來源的氣象觀測數(shù)據(jù)在預定時長內(nèi)的變化幅度，獲得每種數(shù)據(jù)來源的穩(wěn)定性參數(shù)；

27、基于每種數(shù)據(jù)來源對不同的氣象條件和環(huán)境變化的適應(yīng)性，獲得每種數(shù)據(jù)來源的適應(yīng)性參數(shù)。

28、在一些實施方式中，所述基于所述多源觀測數(shù)據(jù)的關(guān)鍵參數(shù)，通過權(quán)重分配模型確定所述多源觀測數(shù)據(jù)的權(quán)重矩陣之前，還包括：

29、對所述多源觀測數(shù)據(jù)進行預處理，所述預處理包括數(shù)據(jù)清洗、標準化處理、對齊處理中的至少一項；

30、所述基于所述多源觀測數(shù)據(jù)的關(guān)鍵參數(shù)，通過權(quán)重分配模型確定所述多源觀測數(shù)據(jù)中每種數(shù)據(jù)來源的權(quán)重，包括：

31、基于預處理后的多源觀測數(shù)據(jù)的關(guān)鍵參數(shù)，通過權(quán)重分配模型確定所述多源觀測數(shù)據(jù)中每種數(shù)據(jù)來源的權(quán)重。

32、在一些實施方式中，對所述多源觀測數(shù)據(jù)進行數(shù)據(jù)清洗，包括以下至少一項：

33、識別所述多源觀測數(shù)據(jù)中的缺失，刪除或填充所述缺失值；

34、識別所述多源觀測數(shù)據(jù)中的異常值，刪除或替換或保留所述異常值；

35、識別所述多源觀測數(shù)據(jù)中的重復數(shù)據(jù)，刪除所述重復數(shù)據(jù)；

36、對所述多源觀測數(shù)據(jù)在基礎(chǔ)格式上進行對齊，所述基礎(chǔ)格式包括以下至少一項：日期格式、數(shù)據(jù)單位。

37、在一些實施方式中，對所述多源觀測數(shù)據(jù)進行標準化處理，包括：

38、將所述多源觀測數(shù)據(jù)轉(zhuǎn)換為相同的格式。

39、在一些實施方式中，對所述多源觀測數(shù)據(jù)進行對齊處理，包括：

40、對所述多源觀測數(shù)據(jù)進行雙線性空間插值，得到空間上對齊的多源觀測數(shù)據(jù)；

41、對所述多源觀測數(shù)據(jù)進行線性時間插值，得到時間上對齊的多源觀測數(shù)據(jù)。

42、對所述多源觀測數(shù)據(jù)進行插值處理，得到時間和空間上對齊的多源觀測數(shù)據(jù)

43、在一些實施方式中，所述多源觀測數(shù)據(jù)包括：

44、衛(wèi)星設(shè)備提供的臺風路徑、云層特性和海面風電場信息；

45、雷達提供的徑向風以及雷達反射率；

46、浮標以及地面站提供的海洋和陸地上的實時天氣狀況；

47、風電場中風電機組中的傳感器采集的風電機組的運行數(shù)據(jù)，所述運行數(shù)據(jù)包括風速、風向和發(fā)電量。

48、在一些實施方式中，所述結(jié)合所述模式背景場、所述多源觀測數(shù)據(jù)、所述權(quán)重矩陣，得到優(yōu)化后的模式初始場之后，所述方法還包括：

49、基于所述優(yōu)化后的模式初始場驅(qū)動數(shù)值天氣預報模型，得到風電場預報結(jié)果。

50、第二方面，提供了一種一種多源氣象觀測數(shù)據(jù)的同化裝置，所述裝置包括：

51、獲取單元，用于獲取模式背景場和多源觀測數(shù)據(jù)，所述多源觀測數(shù)據(jù)包括多種不同數(shù)據(jù)來源的氣象觀測數(shù)據(jù)；

52、確定單元，用于基于所述多源觀測數(shù)據(jù)的關(guān)鍵參數(shù)，通過權(quán)重分配模型確定所述多源觀測數(shù)據(jù)的權(quán)重矩陣，所述權(quán)重矩陣用于表征所述多源觀測數(shù)據(jù)中每種數(shù)據(jù)來源的權(quán)重，所述關(guān)鍵參數(shù)包括可靠性參數(shù)、歷史性能參數(shù)、極端天氣參數(shù)、時間參數(shù)和數(shù)據(jù)來源屬性參數(shù)中的至少一項；

53、處理單元，用于結(jié)合所述模式背景場、所述多源觀測數(shù)據(jù)以及所述權(quán)重矩陣，得到優(yōu)化后的模式初始場。

54、第三方面，提供了一種計算設(shè)備，該計算設(shè)備包括處理器，所述處理器與存儲器耦合，所述存儲器中存儲有至少一條計算機程序指令，所述至少一條計算機程序指令由所述處理器加載并執(zhí)行，以使所述計算設(shè)備實現(xiàn)上述第一方面或第一方面任一種可選方式所提供的方法。第二方面提供的計算設(shè)備的具體細節(jié)可參見上述第一方面或第一方面任一種可選方式，此處不再贅述。

55、第四方面，提供了一種計算機可讀存儲介質(zhì)，該存儲介質(zhì)中存儲有至少一條指令，該指令在計算機上運行時，使得計算機執(zhí)行上述第一方面或第一方面任一種可選方式所提供的方法。

56、第五方面，提供了一種計算機程序產(chǎn)品，所述計算機程序產(chǎn)品包括一個或多個計算機程序指令，當所述計算機程序指令被計算機加載并運行時，使得所述計算機執(zhí)行上述第一方面或第一方面任一種可選方式所提供的方法。

57、本技術(shù)實施例具有如下有益效果：

58、本技術(shù)實施例由于獲取模式背景場和多源觀測數(shù)據(jù)，多源觀測數(shù)據(jù)包括多種不同數(shù)據(jù)來源的氣象觀測數(shù)據(jù)；基于多源觀測數(shù)據(jù)的關(guān)鍵參數(shù)，通過權(quán)重分配模型確定多源觀測數(shù)據(jù)的權(quán)重矩陣，權(quán)重矩陣用于表征多源觀測數(shù)據(jù)中每種數(shù)據(jù)來源的權(quán)重，關(guān)鍵參數(shù)包括可靠性參數(shù)、歷史性能參數(shù)、極端天氣參數(shù)、時間參數(shù)和數(shù)據(jù)來源屬性參數(shù)中的至少一項；結(jié)合模式背景場、多源觀測數(shù)據(jù)、權(quán)重矩陣，得到優(yōu)化后的模式初始場。由于可靠性參數(shù)、歷史性能參數(shù)、極端天氣參數(shù)、時間參數(shù)或/和數(shù)據(jù)來源屬性參數(shù)，采用機器學習的手段確定多源觀測數(shù)據(jù)的權(quán)重矩陣，實現(xiàn)了權(quán)重智能分配，在確定數(shù)據(jù)源的權(quán)重不僅考慮了數(shù)據(jù)源的固有特性，還考慮了數(shù)據(jù)源在歷史的表現(xiàn)，從而實現(xiàn)更精細化和個性化的權(quán)重分配，基于該權(quán)重矩陣以及多源觀測數(shù)據(jù)優(yōu)化模式初始場，能夠提供更高準確性的初始風電場預報，從而提高極端天氣下風電場預報的準確性。