[发明专利]气象数据的获取方法及装置在审
申请号: | 201711250212.5 | 申请日: | 2017-12-01 |
公开(公告)号: | CN108375807A | 公开(公告)日: | 2018-08-07 |
发明(设计)人: | 李宇婷;尹康;韩盟;焦建林;董宁 | 申请(专利权)人: | 国网北京市电力公司;国家电网公司 |
主分类号: | G01W1/02 | 分类号: | G01W1/02;G01W1/10 |
代理公司: | 北京康信知识产权代理有限责任公司 11240 | 代理人: | 赵囡囡 |
地址: | 100031 *** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 气象数据 网格点 杆塔 预设算法 集合 插值法 变电站 输电线路杆塔 获取目标 目标区域 气温数据 输电线路 点连接 降水量 加权 申请 风力 | ||
1.一种气象数据的获取方法,其特征在于,包括以下步骤:
获取目标区域内的网格点气象数据集合,其中,所述网格点气象数据集合包括多个网格点的气象数据,每个网格点的气象数据中至少包括:风力数据、气温数据和降水量数据;
确定所述目标区域内的多个电力点,其中,所述电力点至少包括:变电站和杆塔点,其中,多个杆塔点连接形成输电线路;
采用预设算法对所述网格点气象数据集合中的数据进行计算,确定每个电力点的气象数据,其中,所述预设算法至少包括:加权插值法和线性插值法。
2.根据权利要求1所述的方法,其特征在于,所述每个电力点的气象数据包括风力值,所述加权插值法包括第一加权插值法,采用预设算法对所述网格点气象数据集合中的数据进行计算,确定每个电力点的气象数据包括:
采用所述第一加权插值法对所述网格点气象数据集合中的风力数据进行计算,确定每个电力点的风力值,其中,
所述第一加权插值法为:
其中,(i,j)是电力点的坐标位置,u1(i,j)是电力点的风力值,r是电力点的坐标位置到第k个网格点的距离,n是网格点的总数,u1k是第k个网格点的风力数据,W1k(r)是第k个网格点的权函数,其中:
其中,RE是影响半径。
3.根据权利要求1所述的气象数据的获取方法,其特征在于,所述每个电力点的气象数据包括气温值,所述加权插值法包括第二加权插值法,采用预设算法对所述网格点气象数据集合中的数据进行计算,确定每个电力点的气象数据包括:
采用所述第二加权插值法对所述网格点气象数据集合中的气温数据进行计算,确定每个电力点的气温值,其中,
所述第二加权插值法为:
其中,(i,j)是电力点的坐标位置,u2(i,j)是电力点的气温值,r是电力点的坐标位置到第k个网格点的距离,u2k是第k个网格点的气温数据,W2k(r)是第k个网格点的权函数,具体为:
其中,RE是影响半径。
4.根据权利要求1所述的气象数据的获取方法,其特征在于,所述每个电力点的气象数据包括降水量值,采用预设算法对所述网格点气象数据集合中的数据进行计算,确定每个电力点的气象数据包括:
采用所述线性插值法对所述网格点气象数据集合中的降水量数据进行计算,确定每个电力点的降水量值,其中,
所述线性插值法为:
其中,(i,j)是电力点的坐标位置,u3(i,j)表示电力点的降水量值,uk表示第k个网格点的降水量数据,r表示当前电力点的坐标位置到第一个网格点的距离,r1表示两个网格点位置之间的距离。
5.根据权利要求1所述的气象数据的获取方法,其特征在于,获取目标区域内的网格点气象数据集合包括:
获取目标区域内的多个网格点当前的气象数据;
基于所述当前的气象数据预测预设时间段内每个网格点的气象数据,得到预测数据集合;
所述当前的气象数据和所述预测数据集合组成所述网格点气象数据集合。
6.根据权利要求1所述的气象数据的获取方法,其特征在于,在采用预设算法对所述网格点气象数据集合中的数据进行计算,确定每个电力点的气象数据之后,所述方法还包括:
将每个电力点的气象数据存入预设数据库。
7.根据权利要求6所述的气象数据的获取方法,其特征在于,在将每个电力点的气象数据存入预设数据库之后,所述方法还包括:
从所述预设数据库中获取每个电力点的气象数据;
对所述每个电力点的气象数据进行分析,得到分析结果;
将所述每个电力点的气象数据和所述分析结果进行显示。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于国网北京市电力公司;国家电网公司,未经国网北京市电力公司;国家电网公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201711250212.5/1.html,转载请声明来源钻瓜专利网。
- 上一篇:气象地图的获取方法和装置
- 下一篇:NRIET基于机器学习的大雾预报方法