[发明专利]一种大气雾霾数值预报的校正预报方法及系统

说明书

本发明提供了一种大气雾霾数值预报的校正预报方法及系统，方法包括：选择需开展雾霾数值预报的区域，划分成等经纬网格；收集全球模式的初始场和边界条件数据，用作开展雾霾数值预测的初始场和边界条件数据；将收集的初始场和边界条件数据按等经纬网格插值，得统一格点的网格数据；选择区域数值预报模式和参数化方案，将网格数据输入区域数值预报模式，开展数值积分计算，生成大气雾霾污染物在未来不同时刻的空间分布数据；采用长短时记忆神经网络对空间分布数据进行长期、中期和短期的训练，得不同时间尺度的模型。该校正预报方法及系统能指导电网企业精准地开展调度排班，提前安排好调度策略，降低电网雾霾浓度，提升空气质量。

技术领域

本发明涉及大气环境和电网调度技术领域，具体而言，涉及一种大气雾霾数值预报的校正预报方法及系统。

背景技术

随着我国工业体量的不断发展增强，工业排放源不断增多，导致了大气雾霾的频繁发生，因而给居民健康带来了严重的影响。

火电厂发电时会产生大量的烟气，这些烟气是大气雾霾形成的原因之一。在大气雾霾较严重时，采用火电厂发电会加重雾霾浓度。

如何开展大气雾霾的数值预测，指导电网企业合理进行发电调度，在大气雾霾严重时增加清洁能源的并网，减少火电场电能的使用，从而降低大气雾霾浓度，提升空气质量，已成为电网企业亟需解决的问题。目前，还没有一种准确率较高的能够科学指导电网企业合理进行发电调度的大气雾霾数值预报方法。

发明内容

本发明的主要目的在于提供一种大气雾霾数值预报的校正预报方法及系统，以解决现有技术中无法科学合理指导电网企业优化发电调度，以降低雾霾的技术问题。

为了实现上述目的，根据本发明的一个方面，提供了一种大气雾霾数值预报的校正预报方法，该校正预报方法包括：

选择需要开展雾霾数值预报的区域，并将区域划分成等经纬网格；

收集一种全球模式的初始场数据和边界条件数据，将其用作开展雾霾数值预测的初始场数据和边界条件数据；

将收集的初始场数据和边界条件数据按照等经纬网格进行插值，得到统一格点的网格数据；

选择一种区域数值预报模式，并选择一种参数化方案，将统一格点的网格数据输入区域数值预报模式，并开展数值积分计算，生成大气雾霾污染物在未来不同时刻的空间分布数据；

采用长短时记忆神经网络对空间分布数据分别进行长期、中期和短期的训练，得到不同时间尺度的模型。

进一步地，采用长短时记忆神经网络对空间分布数据分别进行长期、中期和短期的训练，得到不同时间尺度的模型，具体是指：

采用长短时记忆神经网络对空间分布数据分别进行季节尺度、月尺度和日尺度的训练，得到不同时间尺度的模型，模型表示为：

其中，为预测值；S为一年中的季节类型；M为月度标记；D为日期标记；Y为当前时刻的区域数值预报模式输出结果；Y-为前一时刻的区域数值预报模式输出结果；Re为前一时刻的实际预报值。

进一步地，模型还包括遗忘门、记忆门和输出门；

遗忘门决定上一时刻的单元状态C_t-1有多少保留到当前时刻C_t，其计算方法为：

f_t＝σ(W_f*[h_t-1，Y_t]+b_f)

记忆门决定针对当前输入Y_t的单元状态有多少保存到当前时刻的单元状态C_t，其计算方法为：