楊知,趙彬,李闖,漢京善,高潔,黃杰
(1.中國電力科學(xué)研究院有限公司,北京 100192; 2.國網(wǎng)安徽省電力有限公司,合肥 230000)
架空輸電線路是能源輸送的重要基礎(chǔ)設(shè)施。隨著新型電力系統(tǒng)持續(xù)推進,架空輸電線路建設(shè)規(guī)模持續(xù)增大。近年來,極端天氣日趨增多,氣象條件復(fù)雜多變,雨雪冰凍災(zāi)害對架空輸電線路安全穩(wěn)定運行造成巨大挑戰(zhàn)。據(jù)統(tǒng)計,2017年至今冰害造成的架空輸電線路故障停運占總體故障的約37%。因此,輸電線路覆冰預(yù)測預(yù)警、監(jiān)測評估和融冰處置成為每年冬季各級相關(guān)管理部門的工作重點。其中,輸電線路覆冰預(yù)測預(yù)警作為提前處置與防治的基礎(chǔ),如何優(yōu)化覆冰預(yù)警精度一直是行業(yè)研究熱點。
輸電線路覆冰形成機理較為復(fù)雜[1-3],與局地氣象條件緊密相關(guān)。從歷史資料看,覆冰與氣象條件(如溫度、濕度、風(fēng)速、風(fēng)向、液態(tài)含水量等)和結(jié)構(gòu)參數(shù)(如導(dǎo)線直徑和材料表面性能等)有關(guān),大多發(fā)生在雨凇氣象條件下,且環(huán)境溫度小于0 ℃。覆冰多發(fā)地區(qū)為我國的華中和西南地區(qū),多發(fā)季節(jié)為每年冬季的11月到次年春季3月份期間[4-5]。海拔變化很大的山區(qū),如山巔、埡口、分水嶺等垂直擋距很大的微氣象區(qū)域,容易發(fā)生覆冰和倒塔事故[6]。
目前,國內(nèi)外學(xué)者先后開發(fā)了多種覆冰預(yù)測模型,認(rèn)可度較高的包括Imai、Lenhard和Goodwin等模型[7-9]。其中,Imai模型考慮了環(huán)境溫度和導(dǎo)線半徑因素,而且假設(shè)覆冰形成過程中,表面最外層為液態(tài),保持濕增長;Lenhard模型則重點考慮了覆冰過程前后,導(dǎo)線周圍的總降水量;Goodwin模型則假設(shè)導(dǎo)線覆冰是干增長過程,過冷卻水滴在接觸導(dǎo)線-覆冰體之前,已全部凍結(jié),結(jié)合降水量、水密度和風(fēng)速等計算覆冰厚度。文獻(xiàn)[10]對四川東部輸電線路歷史覆冰案例和記錄數(shù)據(jù)進行了分析和梳理,建立了霧凇厚度增長和覆冰載荷預(yù)測評估模型。近年來,隨著人工智能(機器學(xué)習(xí)和深度學(xué)習(xí))方法的興起,通過引入包括神經(jīng)網(wǎng)絡(luò)、模糊理論、灰色理論、粗糙集理論等算法,結(jié)合輸電線路地面?zhèn)鞲袛?shù)據(jù)建立了導(dǎo)線覆冰厚度預(yù)測模型,提升了輸電線路覆冰災(zāi)害預(yù)測預(yù)警精度[11-15]。然而,在實際應(yīng)用過程中,研究人員發(fā)現(xiàn)輸電線路跨度長,地面氣象觀測數(shù)據(jù)分布較少且監(jiān)測范圍有限,無法全面反映局地氣象信息。因此,單純利用地面氣象觀測數(shù)據(jù)作為覆冰預(yù)測模型的輸入數(shù)據(jù)難以保證模型訓(xùn)練質(zhì)量,不同條件下的覆冰厚度預(yù)測精度波動較大,導(dǎo)致現(xiàn)有覆冰模型泛化能力較差,結(jié)果差異較大,實用性不強。
鑒于此,為滿足在地面觀測數(shù)據(jù)不足的情況下提升覆冰預(yù)報預(yù)警能力的迫切需求,文中嘗試在已有覆冰預(yù)測模型的基礎(chǔ)上,重點通過提升覆冰預(yù)測模型的氣象輸入數(shù)據(jù)來提高覆冰預(yù)測的準(zhǔn)確性。通過加入衛(wèi)星遙感觀測數(shù)據(jù),將衛(wèi)星和地面觀測數(shù)據(jù)進行融合同化,對覆冰預(yù)測模型中核心氣象輸入?yún)?shù)(如溫度、降水、風(fēng)速)預(yù)報精度進行優(yōu)化提升,進而提高復(fù)雜氣象條件下輸電線路覆冰預(yù)警精度。結(jié)果表明本文方法對溫度和降水的預(yù)報效果提升較為明顯,進而提升了24 h和72 h的覆冰預(yù)測準(zhǔn)確性,為滿足覆冰預(yù)測預(yù)警能力的需求提供支撐。
數(shù)值預(yù)報屬于微分方程的初值問題,初始場的正確性對預(yù)報有決定性的影響。星地數(shù)據(jù)融合或者資料同化本質(zhì)上就是利用衛(wèi)星監(jiān)測數(shù)據(jù)和地面觀測數(shù)據(jù)修正模式的預(yù)報使其更接近實況大氣狀態(tài)的過程,從而為預(yù)報提供更準(zhǔn)確的初始場。
輸電線路沿線往往會部署自動氣象觀測站,同時氣象局的常規(guī)業(yè)務(wù)觀測體系中,自動觀測站點分布也非常密集,融合自動觀測站數(shù)據(jù)可以有效地改善數(shù)值結(jié)果。但是自動站實際高度和氣象預(yù)報模式中的地形高度往往并不匹配,與其它資料如衛(wèi)星等三維場資料相配合進行同化分析效果會更加理想[16-18]。
氣象衛(wèi)星遙感數(shù)據(jù)具有時空上的高分辨率和覆蓋范圍廣的特點,彌補了常規(guī)觀測資料在地形復(fù)雜區(qū)域或者野外區(qū)域分布不足的缺點。利用美國新一代環(huán)境衛(wèi)星數(shù)據(jù)進行同化可以改善溫度、濕度和風(fēng)場的預(yù)報能力[19]。不同的衛(wèi)星數(shù)據(jù)進行資料同化時,對氣象要素的優(yōu)化效果并不一致,需要通過多次試驗進行優(yōu)化以及組合,從而改進氣象要素的模擬效果[20]。
目前,衛(wèi)星數(shù)據(jù)應(yīng)用仍存在相當(dāng)多的困難,衛(wèi)星數(shù)據(jù)的誤差分析、偏差訂正、快速輻射傳輸模式以及大氣透過率回歸模型都是技術(shù)上的難點。本文在采用成熟同化系統(tǒng)的基礎(chǔ)上,加入了歐美衛(wèi)星探測數(shù)據(jù)以及風(fēng)云三號衛(wèi)星數(shù)據(jù)。歐美衛(wèi)星數(shù)據(jù)技術(shù)成熟,資料應(yīng)用廣泛,但是對我國的覆蓋不足,風(fēng)云三號極軌衛(wèi)星數(shù)據(jù)是很好的補充。風(fēng)云三號衛(wèi)星上攜帶有先進的微波探測儀器和紅外垂直探測儀,實現(xiàn)了我國氣象衛(wèi)星從二維遙感成像到三維大氣探測的跨越,其中MWTS、MWHS是風(fēng)云3衛(wèi)星上首次搭載的微波遙感器件。因此,在歐美氣象衛(wèi)星數(shù)據(jù)的基礎(chǔ)上加入風(fēng)云衛(wèi)星MWTS、MWHS數(shù)據(jù),有效地彌補衛(wèi)星觀測資料不足的情況,可以更好地提升數(shù)值預(yù)報精度和輸電線路覆冰預(yù)測水平。
文章總體技術(shù)路線主要是在傳統(tǒng)地面站點數(shù)據(jù)的基礎(chǔ)上,充分考慮地形因素,全面利用了地面觀測數(shù)據(jù),并加入衛(wèi)星紅外高光譜探測數(shù)據(jù)、微波探測數(shù)據(jù)、微波掃描數(shù)據(jù)、紅外高光譜掃描數(shù)據(jù)以及GPS掩星數(shù)據(jù),進行多源數(shù)據(jù)同化融合,改善氣象要素實測和預(yù)報場的準(zhǔn)確性。然后,將精度改善后的氣象預(yù)報數(shù)據(jù)作為覆冰預(yù)測模型的輸入,提升覆冰預(yù)報預(yù)警的及時性、快速性以及有效性,降低電網(wǎng)運營安全風(fēng)險?;炯夹g(shù)路線如圖1所示。
圖1 基于星地數(shù)據(jù)融合的覆冰預(yù)測優(yōu)化基本思路
文章以浙江省為例,基于地面資料和衛(wèi)星資料對浙江省的氣溫、降水、風(fēng)速和降水類型進行數(shù)據(jù)融合同化,將融合前后地面要素的變化以及覆冰預(yù)測結(jié)果的變化進行對比分析。
控制試驗的邊界條件和背景場數(shù)據(jù)來源于美國國家環(huán)境預(yù)報中心(NCEP)的全球預(yù)報系統(tǒng)(Global Forecast System,GFS)資料,水平分辨率為0.25°×0.25°,時間分辨率為6 h。
同化的常規(guī)觀測資料包括浙江省的3 123個國家站和自動氣象站(分布圖如圖2所示),經(jīng)過質(zhì)量控制,實際使用1 176個國家站和自動氣象站數(shù)據(jù),其中國家站102個,自動氣象站1 074個。選取10個國家站數(shù)據(jù)作為驗證,剩余站點作為融合數(shù)據(jù)來源。
圖2 浙江省自動氣象站分布圖
衛(wèi)星輻射資料來自NCEP的全球資料同化系統(tǒng)(Global Data Assimilation System,GDAS)以及國產(chǎn)風(fēng)云3衛(wèi)星。使用的主要資料有溫度微波探測儀AMSU-A、濕度微波探測儀MHS、高光譜紅外探測器HIRS/4、GPSRO掩星數(shù)據(jù)等。微波探測儀和紅外探測儀有不同波長的輻射通道,可以提供高分辨率的三維溫度、壓力、濕度的廓線。實驗數(shù)據(jù)使用清單如表1所示。
表1 數(shù)據(jù)使用清單
為了實現(xiàn)更準(zhǔn)確的覆冰預(yù)測,文章采用WRF4.2版本的區(qū)域數(shù)值氣象預(yù)報模式,融合NOAA18、NPP、Metop和FY3四類氣象衛(wèi)星數(shù)據(jù)與地面站點數(shù)據(jù),通過參數(shù)調(diào)優(yōu)改進模式對浙江省區(qū)域的氣象要素(覆冰模型關(guān)鍵輸入?yún)?shù)溫度T0、降水P和風(fēng)速V)優(yōu)化預(yù)測效果。
星地數(shù)據(jù)同化系統(tǒng)采用GSI(Grid point Statistical Interpolation)系統(tǒng)。GSI是由NCEP開發(fā)的新一代變分同化系統(tǒng)[21]?;驹砭褪歉鶕?jù)背景場信息、觀測信息和各自的誤差特征,將同化分析問題歸結(jié)為所定義的一個反映分析場與模式預(yù)報結(jié)果之間及分析場與實際觀測值之間距離的目標(biāo)函數(shù)的最優(yōu)化問題,即求解代價函數(shù)(J)的極小值。
J(x)=Jb+J0
(1)
式中x為模式狀態(tài)變量構(gòu)成的分析向量,在文章中是溫度T0、降水P和風(fēng)速V組成的向量,用于后續(xù)覆冰模型輸入。
Jb為背景場(分析場)信息對目標(biāo)函數(shù)構(gòu)成的貢獻(xiàn),表示為:
(2)
式中xb表示x的先驗估計,也就是背景場狀態(tài)向量,通常由預(yù)報模式結(jié)果來提供第一猜場;B為背景誤差協(xié)方差矩陣,用來表達(dá)背景場的誤差統(tǒng)計特征。背景協(xié)方差矩陣的元素是格點間的協(xié)方差:
(3)
式中n為分析變量x的要素個數(shù)。文中主要關(guān)注溫度T0、降水P和風(fēng)速V,因此n=3。
J0表示觀測場對目標(biāo)函數(shù)構(gòu)成的貢獻(xiàn),表示為:
(4)
式中y0代表觀測向量,同化衛(wèi)星資料時,y0是同化時間窗口內(nèi)所有同化通道內(nèi)衛(wèi)星輻射率數(shù)據(jù)構(gòu)成的向量。在實際計算中通常將衛(wèi)星輻射率先轉(zhuǎn)化為等效黑體亮溫,然后進行同化計算。H代表觀測算子,將模式格點位置上的變量插值和通過輻射傳輸模式轉(zhuǎn)換為等效黑體亮溫。R為觀測誤差協(xié)方差矩陣,用來表達(dá)觀測的誤差統(tǒng)計特征。R表示為:
(5)
式中E為觀測誤差,表示由于儀器、云干擾等因素引起的觀測誤差;F為代表性誤差,表示觀測算子的插值和轉(zhuǎn)換時空間代表性不足引起的誤差。這種誤差主要又兩方面引起,一是觀測算子從模式空間向觀測空間轉(zhuǎn)換時產(chǎn)生的近似誤差,二是觀測算子假設(shè)為線性算子時帶來的誤差。
衛(wèi)星載荷并不能直接探測大氣物理量(溫度T0、降水P、臭氧O3、云等),它測到的是在指定的頻率v下到達(dá)衛(wèi)星觀測點的輻射量[21]。一般情況下,通過輻射傳播方程建立衛(wèi)星直接探測得到的輻射量與最終大氣物理量之間的聯(lián)系。
(6)
式中v為指定頻率;θ為探測角度;τs為地表的大氣透過率;εs為地表發(fā)射率;B(v,x)為Planck函數(shù)項;l為大氣高度。
基于快速輻射傳輸模式,該模型沿著衛(wèi)星掃描角方向,通過獲取云參數(shù)、地表發(fā)射率等初始輸入?yún)?shù),根據(jù)給定的大氣溫濕度廓線以及各個光譜的快速透過率系數(shù),能夠快速模擬出各通道在大氣頂?shù)南蛏陷椛渎省SI資料同化系統(tǒng)中用到的輻射傳輸模式是CRTM (Community Radiative Transfer Model)?;诿咨⑸錂C理,該模式考慮了雨、雪、云水、云冰和冰雹等粒子及對應(yīng)的降水粒子散射效應(yīng)。
(7)
綜上,將式(1)轉(zhuǎn)化為式(7)的目標(biāo)函數(shù)的極小化問題。通過現(xiàn)有的共軛梯度和準(zhǔn)牛頓迭代法[22],實現(xiàn)式(7)的求解,得到優(yōu)化后的T0、降水P和風(fēng)速V三類氣象要素預(yù)測數(shù)據(jù)。
在梳理分析多種真型導(dǎo)線相關(guān)覆冰數(shù)據(jù)、歷年再分析氣象資料和氣象觀測資料、輸電線路運行經(jīng)驗數(shù)據(jù)的基礎(chǔ)上,建立對數(shù)形式的導(dǎo)線覆冰厚度計算公式[23]:
(8)
式中Req表示導(dǎo)線覆冰厚度初步估算值;單位為mm;k為氣象覆冰修正系數(shù),取值范圍為0.1~6;N為覆冰過程的時間,單位為 h;a為訂正系數(shù),參考環(huán)境溫度T0,按照表4插值選?。籔表示覆冰過程降水率,單位為mm/h;ρ0表示水的密度,為常量(1 g/cm3);ρ表示雨凇的密度,為常量(0.9 g/cm3);V表示風(fēng)速,單位為m/s;W表示液態(tài)水含量,單位為g/m3。
由表2可以看出,訂正系數(shù)a(受溫度T0影響)、降水P和風(fēng)速V是該覆冰預(yù)測模型的核心輸入?yún)?shù)。通過提升訂正系數(shù)a、降水P和風(fēng)速V預(yù)測精度和準(zhǔn)確度,可以提升輸電線路覆冰的預(yù)測精度和準(zhǔn)確度。公式(8)所示的覆冰預(yù)測模型中除經(jīng)驗系數(shù)k外,a、P和V三個重要輸入?yún)?shù)均可通過2.2節(jié)進行優(yōu)化得到。
表2 線徑訂正系數(shù)擬合系數(shù)a
浙江省山區(qū)地形復(fù)雜,冬季雨雪冰凍天氣較為嚴(yán)重,為了評估星地數(shù)據(jù)融合對預(yù)報精度和準(zhǔn)確度的影響,以2020年12月29日20時作為目標(biāo)預(yù)報時間,分別選取12月26日和12月28日為起始時間,將地面自動站數(shù)據(jù)和衛(wèi)星數(shù)據(jù)進行融合優(yōu)化,然后進行24 h預(yù)報和72 h預(yù)報,并與國家站實測數(shù)據(jù)進行對比分析。數(shù)值模擬空間精度為 3 km×3 km,時間精度為1 h。
將歐洲數(shù)值預(yù)報中心0.25°×0.25°的確定性預(yù)報作為參照組,對比資料同化后數(shù)值預(yù)報的優(yōu)化效果。
首先以2020年12月28日20時為初始時間,經(jīng)數(shù)據(jù)融合后,對比24 h氣象要素的預(yù)報結(jié)果,從圖3~圖5中溫度、風(fēng)速和降水的對比可以發(fā)現(xiàn),由于經(jīng)過了WRF模式降尺度計算,數(shù)據(jù)融合后的空間精細(xì)程序明顯高于歐洲中心的預(yù)報結(jié)果。可以看出,在地形復(fù)雜的區(qū)域,加入高精度地形方案進行模擬可以提升預(yù)報的空間分辨率,從而發(fā)現(xiàn)更多細(xì)節(jié)。
圖3 溫度24 h預(yù)報
圖4 風(fēng)速24 h預(yù)報
圖5 降水24 h預(yù)報
具體來看,歷史氣象站數(shù)據(jù)顯示2020年12月29日20時,浙江經(jīng)歷了一次寒潮過程,出現(xiàn)了大范圍的降雪天氣,。但歐洲中心預(yù)報數(shù)據(jù)(圖5(a))的預(yù)報降水基本可以忽略不計,而融合預(yù)報顯示(圖5(b))1 h降水預(yù)報的極值中心在浙北山區(qū),這與圖4((b))的風(fēng)速極值預(yù)報大值區(qū)相吻合,更加符合寒潮帶來的大風(fēng)降溫降水過程的特征??梢姅?shù)據(jù)融合后,溫度、風(fēng)速和降水預(yù)報的精度得到了有效的提升,有助于提高覆冰模型的預(yù)測能力。
圖3~圖5中黑色線段為杭州周邊的輸電線路,為了定量分析氣象要素預(yù)報精度的提升效果,提取輸電線路附近站點和杭州周邊的自動氣象站的實際觀測數(shù)據(jù)進行對比。從圖6可以看出,在溫度預(yù)報方面,數(shù)據(jù)融合預(yù)報結(jié)果比歐洲預(yù)報結(jié)果更接近實測狀況,反應(yīng)出了寒潮帶來的溫度隨空間的變化。在風(fēng)速方面,風(fēng)速預(yù)報結(jié)果在各站表現(xiàn)不一,有些站點預(yù)報風(fēng)速更接近觀測,有些站點預(yù)報存在較大偏差,但整體預(yù)報能力與歐洲中心預(yù)報結(jié)果相當(dāng)。在降水方面,歐洲中心預(yù)報結(jié)果幾乎沒有產(chǎn)生降水,但觀測和融合數(shù)據(jù)顯示輸電線路附近存在明顯降水,這對于覆冰產(chǎn)生的預(yù)報十分重要。從表3的預(yù)報效果對比看,衛(wèi)星數(shù)據(jù)和地面觀測數(shù)據(jù)融合預(yù)報相對于歐洲預(yù)報結(jié)果,MAE和RMSE都有比較明顯的下降。對于24 h預(yù)報而言,融合預(yù)報對溫度和降水預(yù)報精度改善比較明顯,其主要原因是輸電線路沿線氣象站點對溫度、降水的監(jiān)測比較準(zhǔn)確,通過融合衛(wèi)星氣象的溫度降水觀測數(shù)據(jù)實現(xiàn)精度提升。就風(fēng)速預(yù)報而言,融合預(yù)報結(jié)果與歐洲預(yù)報結(jié)果差異不大,其主要原因在于本文研究過程中,輸電線路沿線氣象站點風(fēng)速監(jiān)測數(shù)據(jù)異常值較多,有效值較少。因此融合預(yù)報中主要引入了溫濕度觀測信息,風(fēng)速信息的星地融合同化不足,從而模型對風(fēng)速預(yù)報的能力改進不大,但從圖4可以看出,融合預(yù)報對風(fēng)速的空間刻畫能力提高很多,很好的反映出浙江省山區(qū)地形多變導(dǎo)致的風(fēng)速變化,這主要得益于融合預(yù)報模型對衛(wèi)星遙感高精度三維地形和少量風(fēng)速信息的融合。
圖6 站點24 h預(yù)報結(jié)果對比
表3 24 h預(yù)報效果對比
以2020年12月26日20時為初始時間,經(jīng)數(shù)據(jù)融合后,對比72 h氣象要素的預(yù)報結(jié)果,從圖7~圖9中溫度、風(fēng)速和降水的對比可以發(fā)現(xiàn),歐洲中心預(yù)報溫度明顯偏高,風(fēng)速也偏小,同時降水偏弱,沒有重現(xiàn)出杭州及其周邊區(qū)域的大風(fēng)降雪過程,先比24 h預(yù)報結(jié)果,長期預(yù)報的準(zhǔn)確性下降比較快。而融合預(yù)報的溫度、降水和風(fēng)速的分布與24 h的分布形態(tài)基本一致,表明了數(shù)據(jù)融合之后的預(yù)報穩(wěn)定性較高,長期預(yù)報的準(zhǔn)確性有所提升。
圖7 溫度72 h預(yù)報
圖8 風(fēng)速72 h預(yù)報
圖9 降水72 h預(yù)報
從圖10可以看出,數(shù)據(jù)融合預(yù)報結(jié)果基本上比歐洲中心預(yù)報結(jié)果更接近實測狀況,尤其是在輸電線沿線區(qū)域,這與24 h的預(yù)報結(jié)果是一致的。
圖10 站點72 h預(yù)報結(jié)果對比
從表4的預(yù)報效果對比看,對于72 h預(yù)報而言,融合預(yù)報相對于歐洲中心預(yù)報結(jié)果從偏差比較可以看出,MAE和RMSE都有顯著的下降。相比于24 h預(yù)報結(jié)果,數(shù)據(jù)融合預(yù)報在72 h的預(yù)報偏差上呈現(xiàn)略微增加,說明了系統(tǒng)的穩(wěn)定性,歐洲中心預(yù)報效果惡化明顯,系統(tǒng)波動較大。
表4 72 h預(yù)報效果對比
運用2.3節(jié)所述的導(dǎo)線覆冰厚度計算公式,將融合預(yù)報的溫度、降水和風(fēng)速預(yù)測值作為輸入,計算得到杭州周邊輸電線路近600個輸電線路桿塔的覆冰厚度情況,如圖11和圖12所示。從圖11(橫坐標(biāo):輸電線路桿塔編號,縱坐標(biāo):覆冰厚度)可以看出,24 h和72 h預(yù)報結(jié)果趨勢一致,在部分輸電線路預(yù)測出較嚴(yán)重的覆冰增長趨勢,說明經(jīng)過星地數(shù)據(jù)融合,氣象要素預(yù)報時效提高比較明顯,覆冰有效預(yù)測的周期可以提前到72 h以上,為電網(wǎng)安全運行提供強有力的保障。
圖11 輸電線路星地融合預(yù)報覆冰厚度結(jié)果對比
圖12 基于星地融合的輸電線路覆冰標(biāo)準(zhǔn)厚度增量預(yù)測結(jié)果對比
覆冰預(yù)測預(yù)警是電網(wǎng)安全運行的重要課題,在觀測數(shù)據(jù)較少的條件下,結(jié)合氣象環(huán)境條件以及覆冰預(yù)測模型對覆冰進行預(yù)報預(yù)警是可行的方法。因此,對氣象環(huán)境條件的準(zhǔn)確預(yù)測成為了覆冰準(zhǔn)確預(yù)測的前提。由于輸電線路大多位于偏遠(yuǎn)地區(qū),基于衛(wèi)星觀測數(shù)據(jù)覆蓋范圍廣和時空高分辨率的特點,融合氣象衛(wèi)星與地面觀測數(shù)據(jù),不僅可以得到更接近實際狀態(tài)的大氣背景場,同時也可以作為數(shù)值預(yù)報的初始場,提升中長期覆冰預(yù)報的準(zhǔn)確性。經(jīng)過對比分析,數(shù)據(jù)融合后的溫度和降水預(yù)報精度和準(zhǔn)確度均得到有效的提升,風(fēng)速的準(zhǔn)確度提升不大。同時,預(yù)報的有效性也得到了提升,72 h的預(yù)報準(zhǔn)確性和24 h預(yù)報的準(zhǔn)確性差異較小。因此,通過覆冰預(yù)警模型計算得到的覆冰厚度預(yù)測預(yù)警時間可以從24 h提升到72 h,為電網(wǎng)安全運行提供了充分的預(yù)警時間。
后續(xù)研究將持續(xù)開展衛(wèi)星資料融合的對比分析,加入其他多源數(shù)據(jù),提升相關(guān)地面要素如風(fēng)速等的準(zhǔn)確性,進一步提升覆冰預(yù)測預(yù)警水平。