买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：长江三峡集团实业发展(北京)有限公司;中国长江三峡集团有限公司

摘要：本发明公开了一种高分辨率新能源历史再分析数据集生成方法及系统，包括数据收集，通过多源数据融合收集目标区域内风光资源观测数据；收集中尺度再分析气象数据集的全周期高空大气状态变量、地表变量和强迫变量；收集地球系统耦合模式运行所需要的下垫面静态数据；数据预处理；利用数据同化生成预定时段内的高分辨率风光再分析数据集；将高分辨率风光再分析数据集与风光降尺度数据集对比，利用深度学习算法分析二者间的差异特性，训练得到数据同化优化模块，可以生成以多成员构成的高分辨率新能源历史再分析数据集，为AI气象大模型训练提供更加全面的辅助资料。

主权项：1.一种高分辨率新能源历史再分析数据集生成方法，其特征在于，包括以下步骤：数据收集：通过多源数据融合收集目标区域内风光资源观测数据；收集中尺度再分析气象数据集的全周期高空大气状态变量、地表变量和强迫变量；收集地球系统耦合模式运行所需要的下垫面静态数据；数据预处理：对收集的中尺度再分析气象数据集中的高空大气状态变量、地表变量和强迫变量做预处理，得到地球系统耦合模式运行所需要的初始场和边界场；对收集的中尺度再分析气象数据集中的下垫面静态数据做预处理，得到地球系统耦合模式运行所需要的区域地形文件；代入地球系统耦合模式，生成风光降尺度数据集；具体包括：对中尺度再分析气象数据集中的高空大气状态变量、地表变量和强迫变量做预处理，生成地球系统耦合模式运行所需要的初始场和边界场；对下垫面静态数据做预处理，生成地球系统耦合模式运行所需要的区域地形文件；将生成的初始场、边界场和区域地形文件代入地球系统耦合模式并设置模式格点大小为1公里，时间分辨率设置为1小时，驱动地球系统耦合模式进行动力降尺度模拟，得到1公里空间分辨率1小时时间分辨率的高时空分辨率的风光降尺度数据集；数据同化：利用数据同化生成预定时段内的高分辨率风光再分析数据集；具体包括：选择数据同化方法，通过数学计算和统计过程将收集到的目标区域内风光资源观测数据整合到地球系统耦合模式的模拟工作中，更新模式状态，生成预定时段内的高分辨率风光再分析数据集；数据同化方法包括卡尔曼滤波、集合卡尔曼滤波、三维变分和四维变分方法中的一种或多种；数据同化的数学模型为： ；其中，指分析状态，是模式模拟更新后的结果，指背景状态，是基于模式的初始模拟结果，包括数据预处理过程中模拟得到的风光降尺度数据集；y是实际观测数据；H是从初始模拟状态到观测变量的映射函数，指卡尔曼增益，表示观测数据相对于模式模拟结果的权重；数据同化优化模块训练：将高分辨率风光再分析数据集与风光降尺度数据集对比，利用深度学习算法分析高分辨率风光再分析数据集与风光降尺度数据集间的差异特性，训练得到数据同化优化模块，具体包括：选用图神经网络GNNs执行深度学习，训练得到数据同化优化模块；具体步骤为：a.将地球系统耦合模式模拟所得的风光降尺度数据集进行预处理，作为训练的输入数据；对数据同化技术生成的高分辨率风光再分析数据集做预处理，作为训练的目标输出数据；预处理包括标准化处理和特征编码，并将其数据结构转换为图结构，其中每个节点代表一个具体的地理位置，节点的特征包括风速、风向、地面入射太阳辐射和地形特征；b.基于地理临近性来定义节点之间的边，将相邻气象站点或在相同气候区域内的点连接起来，边的权重根据两点间的距离或地形屏障动态调整；c.使用图卷积层GCNs处理图结构数据，图卷积层定义为： ；其中，是节点添加自环的临接矩阵，是度矩阵的对角矩阵，是第l层的节点特征，是层的权重，是非线性激活函数；d.设置多层图卷积层GCNs，最后的图卷积层后连接全连接层，得到需要的数据同化优化模块；生成高时空分辨率风光再分析数据集。

全文数据：

权利要求：

百度查询： 长江三峡集团实业发展(北京)有限公司 中国长江三峡集团有限公司 一种高分辨率新能源历史再分析数据集生成方法及系统