基于數(shù)值分析的電網(wǎng)精細(xì)化氣象預(yù)報(bào)?

梁 允，李 哲，孟高軍，苑司坤，高 陽(yáng)

(1.國(guó)網(wǎng)河南省電力公司電力科學(xué)研究院，河南 鄭州 450052；2.南京工程學(xué)院電力工程學(xué)院，江蘇 南京 211167)

隨著電網(wǎng)規(guī)模的不斷擴(kuò)大和延伸，災(zāi)害性天氣對(duì)電網(wǎng)安全運(yùn)行的影響越來(lái)越大。同時(shí)，隨著全球氣候變暖、環(huán)流異常，災(zāi)害性天氣產(chǎn)生的幾率逐年上升，對(duì)電網(wǎng)安全運(yùn)行的威脅不斷增大。架空線路等輸變電設(shè)備長(zhǎng)期暴露于大氣環(huán)境之中，其能否安全可靠運(yùn)行與外部環(huán)境有密切關(guān)系，因此，精細(xì)化氣象預(yù)報(bào)和輸電線路的故障關(guān)聯(lián)特性，提升電網(wǎng)運(yùn)行可靠性水平一直是電力系統(tǒng)規(guī)劃、調(diào)度運(yùn)行、設(shè)備維修等工作所關(guān)注的重點(diǎn)[1－3]。嚴(yán)重的強(qiáng)對(duì)流大風(fēng)、暴雨等偶發(fā)性天氣均會(huì)影響輸電線路運(yùn)行穩(wěn)定性，嚴(yán)重的氣象變化會(huì)導(dǎo)致聚集性故障，對(duì)電力系統(tǒng)可靠運(yùn)行危害極大。因此研究氣象要素精細(xì)化預(yù)報(bào)，是避免電網(wǎng)發(fā)生氣象災(zāi)害穩(wěn)定運(yùn)行的重點(diǎn)。

在氣象因素對(duì)輸電線路運(yùn)行影響研究方面，文獻(xiàn)[4]采用一種新的集合深度學(xué)習(xí)方法，對(duì)數(shù)值模式預(yù)報(bào)結(jié)果進(jìn)行訂正，并將其應(yīng)用于數(shù)值模式預(yù)報(bào)誤差通常較大的新疆烏魯木齊城市群地區(qū)，文獻(xiàn)[5]以氣象數(shù)值模式數(shù)據(jù)為基礎(chǔ)，設(shè)計(jì)風(fēng)電功率預(yù)測(cè)系統(tǒng)的整體框架，基于高分辨率中尺度氣象模式，利用卡爾曼濾波方法和實(shí)時(shí)觀測(cè)資料對(duì)模式輸出結(jié)果進(jìn)行訂正，文獻(xiàn)[6]從氣象對(duì)電網(wǎng)影響的周期性特征出發(fā)，采用統(tǒng)計(jì)算法計(jì)算全年縱向時(shí)間方向故障率分布函數(shù)，提出了一次基波傅里葉函數(shù)描述輸電線路逐月故障率分布。文獻(xiàn)[7]基于歷史統(tǒng)計(jì)數(shù)據(jù)，分析天氣隨機(jī)變化特點(diǎn)，采用單項(xiàng)S－粗規(guī)律分析方法，建立F－分解規(guī)律分析氣候?qū)煽啃灾笜?biāo)的影響程度，對(duì)輸電線路故障率進(jìn)行預(yù)測(cè)。文獻(xiàn)[8]基于氣象學(xué)原理和電網(wǎng)風(fēng)險(xiǎn)評(píng)估技術(shù)，建立電網(wǎng)臺(tái)風(fēng)災(zāi)害預(yù)警系統(tǒng)，綜合處理臺(tái)風(fēng)信息和輸電線路位置參數(shù)，給出輸電線路的臺(tái)風(fēng)災(zāi)害分析和相應(yīng)預(yù)警等級(jí)。文獻(xiàn)[9]引入絕對(duì)值函數(shù)，以輸電線路有功潮流與線路傳輸容量比值的絕對(duì)值定義輸電線路負(fù)載率，建立一個(gè)惡劣天氣條件下考慮電網(wǎng)載荷均衡程度及N－1 安全約束的防災(zāi)經(jīng)濟(jì)調(diào)度模型，文獻(xiàn)[10]采用數(shù)據(jù)解析服務(wù)器分析采集氣象數(shù)據(jù)寫(xiě)入數(shù)據(jù)庫(kù)內(nèi)，設(shè)計(jì)氣象精細(xì)化數(shù)據(jù)電網(wǎng)災(zāi)害檢測(cè)預(yù)警系統(tǒng)，實(shí)現(xiàn)電網(wǎng)系統(tǒng)運(yùn)行脆性部位精確定位，并對(duì)氣象災(zāi)害快速響應(yīng)制定應(yīng)急方案。

本文基于區(qū)域數(shù)值預(yù)報(bào)產(chǎn)品獲得某地區(qū)未來(lái)三天的氣象要素預(yù)報(bào)。采用動(dòng)力降尺度技術(shù)消除具體地形和障礙物差值對(duì)氣象數(shù)據(jù)的影響，通過(guò)歷史樣本統(tǒng)計(jì)分析，同時(shí)引入實(shí)時(shí)預(yù)報(bào)誤差作為訂正因子，利用回歸統(tǒng)計(jì)方法，建立參考目標(biāo)格點(diǎn)處的精細(xì)化訂正模型，提升氣象數(shù)據(jù)預(yù)報(bào)精度，并對(duì)氣象數(shù)據(jù)及電網(wǎng)數(shù)據(jù)按照不同規(guī)則進(jìn)行元素拆解，研究電力氣象的數(shù)值分析整合，提高電網(wǎng)附近區(qū)域氣象要素預(yù)報(bào)精度。

1 建立精細(xì)化氣象預(yù)報(bào)模型

對(duì)于數(shù)值預(yù)報(bào)數(shù)據(jù)建立誤差指標(biāo)，采用經(jīng)驗(yàn)統(tǒng)計(jì)方法對(duì)連續(xù)變量(風(fēng)速、相對(duì)濕度和氣溫)進(jìn)行檢驗(yàn)，包括偏差檢驗(yàn)(Bias Inspect，BIAS)和均方根誤差(Root Mean Squared Error，RMSE)分析。

式中:Vobs，i代指INCA 預(yù)報(bào)的氣象要素值，Vmodel，i代指WRF 預(yù)報(bào)的氣象要素值，M表示統(tǒng)計(jì)樣本個(gè)數(shù)，BIAS 為偏差檢驗(yàn)值，RMSE 為均方根誤差值。

依據(jù)氣象要素平均絕對(duì)誤差分析值分析氣溫、濕度、風(fēng)速和風(fēng)向等數(shù)值誤差變化趨勢(shì)，各要素的絕對(duì)誤差變化值與奧地利國(guó)家氣象局開(kāi)發(fā)的短臨集成分析預(yù)報(bào)系統(tǒng)(Integrated Nowcasting through Comprehensive Analysis，INCA)預(yù)報(bào)效果進(jìn)行對(duì)比分析，數(shù)值預(yù)報(bào)基于高精度氣象模擬軟件(Weather Research Forecast，WRF)開(kāi)發(fā)完成，WRF 模式中包括輻射過(guò)程、邊界層參數(shù)化過(guò)程、對(duì)流參數(shù)過(guò)程、次網(wǎng)格湍流擴(kuò)散過(guò)程、以及微物理過(guò)程等，利用衛(wèi)星資料反演了土地利用類型、葉面積指數(shù)、植被覆蓋度等產(chǎn)品[11]，在此基礎(chǔ)上形成了可直接應(yīng)用的數(shù)值模式。

降尺度預(yù)報(bào)采用微尺度模式中的網(wǎng)格化復(fù)雜地形風(fēng)場(chǎng)動(dòng)力診斷模式來(lái)進(jìn)行，它利用質(zhì)量守恒原理對(duì)風(fēng)場(chǎng)進(jìn)行動(dòng)力診斷[12]，主要考慮了地形對(duì)近地層大氣的動(dòng)力效應(yīng)、斜坡氣流產(chǎn)生和障礙物阻擋效應(yīng)，并采用三維無(wú)輻散處理消除插值產(chǎn)生的虛假波動(dòng)。主要原理是，假設(shè)地形作用產(chǎn)生的垂直氣流w與氣流輻合輻散的關(guān)系為:

式中:f是模式網(wǎng)格平均風(fēng)速，ht是地形高度，z是距地面的高度，k是與穩(wěn)定度相關(guān)的衰減系數(shù)，表示為:

式中:N為布倫特－維賽拉頻率。斜坡氣流的速度采用經(jīng)驗(yàn)的方法:

式中:Se是斜坡氣流的平衡風(fēng)速，Le是平衡尺度。障礙物阻擋的熱力和動(dòng)力效應(yīng)用局地弗勞德數(shù)來(lái)衡量，局地弗勞德數(shù)表示為:

式中:Δht是障礙物的有效高度。如果局地弗勞德數(shù)小于等于臨界弗勞德數(shù)且網(wǎng)格點(diǎn)風(fēng)速有上坡的分量，則風(fēng)向就調(diào)整為與地形的切線一致，風(fēng)速不變；如果局地弗勞德數(shù)大于臨界弗勞德數(shù)[13－15]，就不進(jìn)行調(diào)整。

采用微尺度模式對(duì)兩個(gè)重點(diǎn)實(shí)驗(yàn)區(qū)進(jìn)行動(dòng)力降尺度計(jì)算[16－18]，生成重點(diǎn)區(qū)域水平分辨率1 km 的未來(lái)3 天逐小時(shí)預(yù)報(bào)結(jié)果，預(yù)報(bào)要素包括氣溫、風(fēng)速、風(fēng)向、氣壓、濕度、降水等，預(yù)報(bào)高度層為地面、30 m、50 m 和70 m。對(duì)于地面氣象要素而言，不同預(yù)報(bào)時(shí)效、不同區(qū)域存在不同的誤差分布特征，在降尺度預(yù)報(bào)的基礎(chǔ)上采用統(tǒng)計(jì)訂正預(yù)報(bào)技術(shù)。

2 氣象統(tǒng)計(jì)訂正預(yù)報(bào)技術(shù)

首先利用地形訂正的方法將氣象站觀測(cè)資料修正至臨近模式格點(diǎn)處，得到參考目標(biāo)格點(diǎn)處的觀測(cè)和預(yù)報(bào)序列[19]；利用回歸統(tǒng)計(jì)方法，建立參考目標(biāo)格點(diǎn)處的精細(xì)化訂正模型；利用反距離插值和地形訂正相結(jié)合的方法，得到參考目標(biāo)格點(diǎn)處的觀測(cè)和預(yù)報(bào)序列，將精細(xì)化的訂正模型拓展至模式預(yù)報(bào)的全網(wǎng)格[20]。

訂正模型中引入實(shí)時(shí)預(yù)報(bào)誤差作為訂正因子，模型的業(yè)務(wù)運(yùn)行穩(wěn)定性受到一定限制；訂正方案中大多引入全球再分析資料進(jìn)行誤差分析和預(yù)報(bào)訂正，適用于時(shí)空尺度較大的區(qū)域范圍預(yù)報(bào)，模式預(yù)報(bào)誤差在時(shí)間上，隨著預(yù)報(bào)時(shí)效的增長(zhǎng)逐漸增大，可用預(yù)報(bào)信息減少，且預(yù)報(bào)誤差具有顯著的日變化特征，需要針對(duì)各個(gè)預(yù)報(bào)時(shí)次建立不同的訂正模型；空間上相對(duì)濕度和氣溫的誤差大小與海拔有密切關(guān)系，即海拔高的地方，誤差也相對(duì)較大，這可能與該模式下參數(shù)設(shè)置比較粗糙有關(guān)，需要按照地形特征分區(qū)域建立不同的訂正模型。

依據(jù)海拔差異的影響個(gè)例分析，氣象站與模式格點(diǎn)的距離分別約為4 km 和7 km，距離較近，但氣象站的海拔比模式最近格點(diǎn)處的海拔偏低約100 m，地形差異可引起較大的氣溫和相對(duì)濕度的變化。

在海拔訂正基礎(chǔ)上，利用回歸統(tǒng)計(jì)方法，依次計(jì)算站點(diǎn)匹配的格點(diǎn)訂正模型系數(shù)a和b；空間一致性檢驗(yàn)及優(yōu)化，即大于1 個(gè)氣象站匹配同一個(gè)模式格點(diǎn)時(shí)，從數(shù)學(xué)的角度計(jì)算出多套統(tǒng)計(jì)訂正模型，則對(duì)比模型相關(guān)系數(shù)、模型訂正系數(shù)與周圍臨近格點(diǎn)的訂正系數(shù)差異，選出最優(yōu)且唯一的格點(diǎn)訂正模型；全網(wǎng)格點(diǎn)訂正模型:空間外推及平滑，最終建立了氣象要素(地面氣溫和相對(duì)濕度)的精細(xì)化訂正模式。

選取風(fēng)速較大資料中質(zhì)量較好的氣象站為優(yōu)選站，在每個(gè)優(yōu)選站周圍選取n個(gè)模式預(yù)報(bào)格點(diǎn)，將n個(gè)模式格點(diǎn)值插值到優(yōu)選氣象站點(diǎn)，按月份建立優(yōu)選站點(diǎn)觀測(cè)風(fēng)速與模式預(yù)報(bào)風(fēng)速的相關(guān)模型，用模式風(fēng)速計(jì)算高精準(zhǔn)預(yù)報(bào)值。每個(gè)模式格點(diǎn)周圍選m個(gè)優(yōu)選站，將m個(gè)優(yōu)選站點(diǎn)位置的高精準(zhǔn)預(yù)報(bào)值插值到模式格點(diǎn)，得到模式格點(diǎn)的高精準(zhǔn)預(yù)報(bào)值。總計(jì)選出675 個(gè)優(yōu)選站，模式預(yù)報(bào)格點(diǎn)為2 298 個(gè)。對(duì)于風(fēng)速訂正技術(shù)，首先選取風(fēng)速較大資料中質(zhì)量較好的氣象站為優(yōu)選站，在每個(gè)優(yōu)選站周圍選取n個(gè)模式預(yù)報(bào)格點(diǎn)，將n個(gè)模式格點(diǎn)值插值到優(yōu)選氣象站點(diǎn)，按月份建立優(yōu)選站點(diǎn)觀測(cè)風(fēng)速與模式預(yù)報(bào)風(fēng)速的相關(guān)模型，用模式風(fēng)速計(jì)算高精準(zhǔn)預(yù)報(bào)值。每個(gè)模式格點(diǎn)周圍選m個(gè)優(yōu)選站，將m個(gè)優(yōu)選站點(diǎn)位置的高精準(zhǔn)預(yù)報(bào)值插值到模式格點(diǎn)，得到模式格點(diǎn)的高精準(zhǔn)預(yù)報(bào)值。

對(duì)于氣溫和濕度訂正技術(shù)，模式預(yù)報(bào)誤差在時(shí)間上，隨著預(yù)報(bào)時(shí)效的增長(zhǎng)，誤差逐漸增大，可用預(yù)報(bào)信息減少，且預(yù)報(bào)誤差具有顯著的日變化特征，需要針對(duì)各個(gè)預(yù)報(bào)時(shí)次建立不同的訂正模型；空間上相對(duì)濕度和氣溫的誤差大小與海拔有密切關(guān)系，即海拔高的地方，誤差也相對(duì)較大，這可能與該模式下參數(shù)設(shè)置比較粗糙有關(guān)，需要按照地形特征分區(qū)域建立不同的訂正模型。因此，研究中將建立分月、分時(shí)次、分站點(diǎn)的精細(xì)化訂正模型。

3 算例分析

以中部某省區(qū)域的數(shù)值預(yù)報(bào)為例對(duì)本文氣象精細(xì)化數(shù)值分析技術(shù)進(jìn)行驗(yàn)證，針對(duì)該地區(qū)氣象要素，依據(jù)不同預(yù)報(bào)時(shí)效、不同區(qū)域誤差分布特征，開(kāi)展統(tǒng)計(jì)訂正預(yù)報(bào)技術(shù)研究，以精細(xì)化專業(yè)氣象預(yù)報(bào)服務(wù)的時(shí)空需求為目標(biāo)，通過(guò)歷史樣本的統(tǒng)計(jì)分析，針對(duì)地面要素建立精細(xì)化的客觀訂正預(yù)報(bào)模型，以期提高面向?qū)I(yè)服務(wù)的氣象要素預(yù)報(bào)精度。

利用某省121 個(gè)國(guó)家級(jí)氣象觀測(cè)站和2 274 個(gè)區(qū)域自動(dòng)氣象站的逐小時(shí)地面觀測(cè)資料，對(duì)模式近地層的氣象要素(風(fēng)速、氣溫和相對(duì)濕度)進(jìn)行統(tǒng)計(jì)訂正。某省地區(qū)自動(dòng)氣象站的分布如圖1 所示，其中六要素指風(fēng)速、風(fēng)向、氣溫、相對(duì)濕度、氣壓和雨量，單要素為簡(jiǎn)易雨量站。時(shí)間范圍取某地區(qū)14 個(gè)月數(shù)據(jù)。

其中圓形為國(guó)家站、三角形為六要素區(qū)域站、正方形為四要素區(qū)域站、圓點(diǎn)為單要素區(qū)域站。

數(shù)值模式逐小時(shí)預(yù)報(bào)資料:某省9 km 未來(lái)0～72 h 數(shù)值預(yù)報(bào)資料，時(shí)間范圍為14 個(gè)月。首先利用地形訂正的方法將氣象站觀測(cè)資料修正至臨近模式格點(diǎn)處，得到參考目標(biāo)格點(diǎn)處的觀測(cè)和預(yù)報(bào)序列；利用回歸統(tǒng)計(jì)方法和第2 節(jié)參考目標(biāo)格點(diǎn)處的精細(xì)化訂正模型；利用反距離插值和地形訂正相結(jié)合的方法，將精細(xì)化的訂正模型拓展至模式預(yù)報(bào)的全網(wǎng)格。

在海拔訂正基礎(chǔ)上，利用回歸統(tǒng)計(jì)方法，依次計(jì)算站點(diǎn)匹配的格點(diǎn)訂正前模型系數(shù)和訂正后模型系數(shù)；空間一致性檢驗(yàn)及優(yōu)化，即大于1 個(gè)氣象站匹配同一個(gè)模式格點(diǎn)時(shí)，從數(shù)學(xué)的角度計(jì)算出多套統(tǒng)計(jì)訂正模型，則對(duì)比模型相關(guān)系數(shù)、模型訂正系數(shù)與周圍臨近格點(diǎn)的訂正系數(shù)差異，比選出最優(yōu)且唯一的格點(diǎn)訂正模型；全網(wǎng)格點(diǎn)訂正模型:空間外推及平滑，最終建立了氣象要素(地面氣溫和相對(duì)濕度)的精細(xì)化訂正模式。

選擇某省西部山區(qū)的某站點(diǎn)進(jìn)行海拔差異影響研究，氣象站見(jiàn)圖1?？梢?jiàn)，氣象站的距離分別約為4 km，距離較近，但氣象站的海拔比模式最近格點(diǎn)處的海拔偏低約100 m，地形差異可引起較大的氣溫和相對(duì)濕度的變化。

為了檢驗(yàn)訂正模型的預(yù)報(bào)效果，圖2 和圖3 給出了訂正前后預(yù)報(bào)誤差(以RMSE 為指標(biāo))的對(duì)比。

圖2 地形訂正前觀測(cè)點(diǎn)與臨近格點(diǎn)預(yù)報(bào)圖

圖3 地形訂正后觀測(cè)點(diǎn)與臨近格點(diǎn)預(yù)報(bào)圖

圖4 中為地面濕度平面對(duì)比結(jié)果，圖中<0 代表訂正后的誤差比訂正前的誤差小，圖中可見(jiàn)訂正模型在某省西部山區(qū)訂正效果明顯，東部平原地區(qū)也有正的訂正效果，可見(jiàn)空間上訂正效果理想。圖5中的線條代表全區(qū)域平均的誤差隨預(yù)報(bào)時(shí)次的對(duì)比，圖5 中虛線線條代表訂正后的誤差，實(shí)線為訂正前的誤差，橫坐標(biāo)代表未來(lái)1 個(gè)～73 個(gè)預(yù)報(bào)時(shí)次，圖中可見(jiàn)，在未來(lái)73 個(gè)預(yù)報(bào)時(shí)次上，訂正后的誤差都普遍小于訂正前?？傮w而言，地面氣溫的精細(xì)化訂正模型在時(shí)間、空間上都具有明顯的正效果。

圖4 地面氣溫平面對(duì)比圖

圖5 地面氣溫誤差對(duì)比圖

與氣溫訂正類似，下圖中給出的相對(duì)濕度的訂正效果，對(duì)比結(jié)果也顯示出了較好的訂正效果(見(jiàn)圖6 及圖7)。

圖6 地面濕度平面對(duì)比圖

圖7 相對(duì)濕度誤差對(duì)比圖

風(fēng)速訂正效果分析從總體特征、地理分布特征、時(shí)間分布特征三個(gè)角度來(lái)分析訂正效果，具體分析如表1、圖8 和圖9 所示。

表1 某省不同預(yù)報(bào)時(shí)段氣象站點(diǎn)風(fēng)速統(tǒng)計(jì)結(jié)果 單位:m/s

表2 某省不同預(yù)報(bào)時(shí)段模式所有格點(diǎn)風(fēng)速統(tǒng)計(jì)結(jié)果

圖8 次氣象站點(diǎn)風(fēng)速絕對(duì)誤差分布

圖9 次氣象站點(diǎn)訂正與模式風(fēng)速絕對(duì)誤差分布

總體特征:如表1 所示，從所有優(yōu)選站30 天72 個(gè)預(yù)報(bào)結(jié)果總體均值來(lái)看，訂正均值與觀測(cè)均值非常接近，偏差僅為0.1 m/s～0.3 m/s；而模式預(yù)報(bào)均值偏差達(dá)到1.4 m/s～1.8 m/s。從絕對(duì)誤差來(lái)看，模式的絕對(duì)誤差為1.8 m/s，訂正后絕對(duì)誤差為0.9 m/s，92%優(yōu)質(zhì)站67.2%的時(shí)次都有改進(jìn)。從675 個(gè)優(yōu)質(zhì)站推廣到2 298個(gè)格點(diǎn)，與675 個(gè)優(yōu)質(zhì)站的統(tǒng)計(jì)結(jié)果非常接近。

次氣象站點(diǎn)風(fēng)速依據(jù)地理分布特征如圖8 和圖9 所示，從訂正效果的絕對(duì)誤差來(lái)看，中東部平原地區(qū)的誤差小，西部山地誤差大；和模式的絕對(duì)誤差相比，訂正后絕對(duì)差減小幅度最大的是北部和中東部，絕對(duì)誤差減小1.0 m/s 以上；西部山地減小幅度不大，絕對(duì)誤差減小不到0.5 m/s，部分地區(qū)訂正后絕對(duì)誤差比模式誤差還大。次氣象站點(diǎn)風(fēng)速均值如圖10 所示，模式與訂正風(fēng)速與觀測(cè)風(fēng)速的日變化特征基本一致，白天風(fēng)速大，夜間風(fēng)速小。訂正誤差在第二天中午前后最大，其他時(shí)間比較平穩(wěn)。

圖10 次氣象站點(diǎn)風(fēng)速均值統(tǒng)計(jì)結(jié)果

為了驗(yàn)證資料同化的作用，該部分工作主要將INCA 預(yù)報(bào)產(chǎn)品和同期的輸入INCA 的區(qū)域模式場(chǎng)資料與某省境內(nèi)119 個(gè)國(guó)家氣象站常規(guī)觀測(cè)資料進(jìn)行相同參數(shù)的統(tǒng)計(jì)對(duì)比分析，檢驗(yàn)資料同化對(duì)地面要素預(yù)報(bào)性能的影響。

各要素預(yù)報(bào)平均絕對(duì)誤差曲線如圖11 所示:從分析時(shí)刻到12 h 預(yù)報(bào)時(shí)效，氣溫、濕度、風(fēng)速、風(fēng)向預(yù)報(bào)誤差緩慢增長(zhǎng)，各要素的INCA 系統(tǒng)預(yù)報(bào)絕對(duì)誤差增長(zhǎng)情況為:溫度從0.3°增加到1.5°，相對(duì)濕度誤差從3%增加到10%，風(fēng)速?gòu)?.3 m/s 增加到1.8 m/s，風(fēng)向從30°增加到50°，這種預(yù)測(cè)準(zhǔn)確率的水平與INCA 在奧地利的應(yīng)用水平相當(dāng)，各要素INCA 預(yù)報(bào)的效果均優(yōu)于數(shù)值預(yù)報(bào)結(jié)果。

圖11 INCA 系統(tǒng)在某省預(yù)報(bào)區(qū)預(yù)報(bào)效果檢驗(yàn)

通過(guò)上述統(tǒng)計(jì)檢驗(yàn)及分析可知，應(yīng)用INCA 系統(tǒng)同化融合了某省區(qū)域幾千個(gè)區(qū)域站資料及14 部雷達(dá)資料后，常規(guī)要素(溫度、風(fēng)速、風(fēng)向、濕度等)和降水的預(yù)報(bào)效果均得到了改善，在12 h 預(yù)報(bào)時(shí)效內(nèi)，均是INCA 的效果比INCA 接入的背景場(chǎng)BJRUC效果優(yōu)。

4 結(jié)論

本文基于準(zhǔn)確的氣象要素預(yù)報(bào)提出了基于數(shù)值分析的電網(wǎng)精細(xì)化氣象數(shù)值分析技術(shù)，通過(guò)研究得出以下結(jié)論。

①數(shù)值分析預(yù)處理以實(shí)時(shí)資料融合及外推預(yù)報(bào)系統(tǒng)INCA 開(kāi)展某省區(qū)域地面觀測(cè)資料在數(shù)值預(yù)報(bào)產(chǎn)品中的融合同化及預(yù)報(bào)技術(shù)研究，在0～6 h 內(nèi)的多要素預(yù)測(cè)結(jié)果都是外推結(jié)果，而6 h～12 h 之間是外推預(yù)報(bào)和數(shù)值預(yù)報(bào)的融合結(jié)果，

②降尺度預(yù)報(bào)采用微尺度模式來(lái)進(jìn)行，利用質(zhì)量守恒原理對(duì)風(fēng)場(chǎng)進(jìn)行動(dòng)力診斷，采用三維無(wú)輻散處理消除插值產(chǎn)生的虛假波動(dòng)，生成重點(diǎn)區(qū)域水平分辨率為1 km 的未來(lái)三天逐小時(shí)預(yù)報(bào)結(jié)果，預(yù)報(bào)要素包括氣溫、風(fēng)速、風(fēng)向、氣壓、濕度和降水等，預(yù)報(bào)高度層為地面、30 m、50 m 和70 m。

③訂正模型引入實(shí)時(shí)預(yù)報(bào)誤差作為訂正因子，針對(duì)地面要素建立精細(xì)化的客觀訂正預(yù)報(bào)模型，通過(guò)訂正模型前后對(duì)比效果驗(yàn)證，訂正模型提高面向電網(wǎng)的氣象要素預(yù)報(bào)精度。