本申请涉及一种基于气象站预报的杆塔气温订正方法、装置和计算机设备。所述方法包括:获取目标电网在设定的历史时间段内的监测气温数据和气温预报数据,同时获取与电网杆塔相关的待训练气温预测模型。将监测气温数据和预报数据作为训练集输入模型,对其进行训练,生成已训练气温预测模型。对该模型在低温区间、全段温度区间和低温预报性能方面进行评估,以获得低温区间指标、全段温度指标和低温预报性能指标。基于这些评估结果,对模型的不同指标赋予组合权重,生成多种调整后气温预测模型。选择在所有权重组合中权重指标总量最大的调整模型,作为最终应用于电网杆塔的目标气温预测模型。采用本方法能够有效地提高对电网覆冰的预测的准确度。
背景技术
精细化气象预报数据是准确覆冰预测的先决条件,对于预防冬季因低温凝冻天气出现导线覆冰引发的输电线路倒塔、断线、绝缘子闪络等应急事件具有重要意义。近年来随着数值天气预报精度的不断提高,已成为各国气象预报业务机构的主要技术支撑,但对于降水、气温等气象要素预报与业务应用实况仍存在较大误差。目前气温订正的研究已经较为丰富,如模式输出统计后处理(Model Output Statistics,MOS)方法、基于机器学习和深度学习的算法订正、线性回归法等,其订正后的气温预报数据与原始预报相比均具有更低的均方根误差和更高的相关系数。
目前的气温订正研究多考虑对最高最低气温订正、对总体的订正进行评估及选取方法等,对于覆冰预测重点关注的低温情况(0℃以下)研究较少,并且经评估电网覆冰监测终端冬季的气温预报偏差较大,导致对电网覆冰的预测出现了偏差。
实现思路