基于GIS分区的水电站流域面雨量气象预报方法

摘要

本发明公开了一种基于GIS分区的水电站流域面雨量气象预报方法，在气象台预报产品和数值预报产品的基础上，对所辖地区内的各个流域的面雨量进行预报，实现了计算机系统集成，自动数据采集，电网和整个地区的所有水电站进行统一的预报，预报精度高，通过数据库链接实现数据的存取功能，通过web网络，实现气象信息的网站发布和浏览，为电力生产和电力调度提供了科学依据，具有良好的应用前景。

说明书

技术领域

本发明涉及电网气象预告技术领域，具体涉及一种基于GIS分区的水电站流域面雨量气象预报方法。

背景技术

电网是一个有机的整体，电网内交流电能的生产、输送与使用总量又随时都在变化，但在任何瞬间又都必须保持平衡，这样才能确保电能质量指标符合国家规定的标准，电力调度是为了保证电网安全稳定运行、对外可靠供电、各类电力生产工作有序进行而采用的一种有效的管理手段。而电力生产运行受气象及环境影响越来越明显，对气象信息的需求及应用也越来越广泛，但受到气象技术装备水平及服务方式的限制，电网调度水平受到直接影响，从而增加了购电成本。

为了确保电网持续安全稳定运行，目前，电网公司会联合当地气象台，由气象台提供一些短中期预报气象信息，电网公司会根据当地气象台的一系列预报产品和部分电厂自建的库区流域雨量自动遥测站点观测的雨量调整各个电厂的生产计划。但是，气象台提供的一些气象预报产品在水电调度及电网生产运行中的实际应用有以下几个缺点：

1、气象预报产品主要是当地气象台提供的常规预报，预报的范围及天气过程粗广，难以量值化；加上各县市水电站疏散、降水的局地性强，以点代面预测范围过大，代表性不足，难以真正反映各水电站区域的降雨实况；

2、气象预报产品的数值预报产品针对性不够强，大多数只针对台站或格点的雨量进行预报，没有专门针对电力调度的天气预报为开展梯级区间流量预报、水电优化调度安排、省地大小水电联合优化调度提供决策依据，电力生产常常陷入被动应对局面；

3、面雨量的预报方法存在局限，以及预报员缺少预报经验，有时会出现强降水过程的预报准确，但面雨量的预报偏差较大，同样影响电力生产；

4、部分水电站自建的库区流域雨量自动遥测站点疏散，气象信息滞后，难以满足流量预报要求，电网公司所属地县级供电企业和水电厂没有统一的气象预报信息，小水电站来水及发电缺乏计划预测。

发明内容

目前，随着天气预报技术不断发展，各类预报产品也日益增多。预报员在制作天气预报时会面对许多结果有可能不尽相同的预报产品，这无疑会增加预报员分析难度；加上单一的气象预报产品的水平再提高越来越困难，而且存在不确定性、不稳定性，这就需要采用集成预报方法，集各家预报产品之所长，减少单一预报产品的预报准确率起伏不定造成的预报失误。本发明的基于GIS分区的水电站流域面雨量气象预报方法，利用GIS技术，根据各梯级水电站分布情况、水电站河流汇流情况与降雨气候背景分析，确定面雨量预报范围和分区，然后从众多的降雨量预报产品中，选取在实际应用中预报精度较高的预报产品基础上，采用集成预报方法对各分区的面雨量进行预报，形成优化的分区面雨量集成预报产品，实现了针对电网各梯级水电站不同流域分区制作不同等级面雨量的一体化预报产品，为电力生产和电力调度提供了科学依据，具有良好的应用前景。

为了达到上述目的，本发明所采用的技术方案是：

一种基于GIS分区的水电站流域面雨量气象预报方法，其特征在于：包括以下步骤，

步骤（1），利用GIS，根据流域内各梯级水电站分布情况、水电站河流汇流情况与降雨气候背景分析，确定面雨量预报范围和分区；

步骤（2），通过局域网获取的五种预报子产品，五种预报子产品包括气象台降雨量预报、流域强降雨预报、神经网络89站点雨量预报、欧洲ECMWF细网格数值雨量预报和日本数值雨量预报；

步骤（3），对于气象台降雨量预报和神经网络89站点雨量预报产品，使用泰森多边形插值法，将各流域内所有气象站点的雨量值插值到对应流域里，分别得到各流域的第一面雨量预报值；对于欧洲细网格数值预报和日本数值预报，将各流域内所含格点雨量总和除以各流域内所含格点个数，分别得到各流域的第二面雨量预报值；

步骤（4），将各流域内的第一、第二面预报雨量和流域强降雨预报结合，对各流域内的预报面雨量划分为七个量级；

步骤（5），通过模糊综合评分公式（1），分别计算每个预报子产品内各流域的前n天内的历史评分Mp（i），

$>\mathrm{Mp}\left(i\right)=60+40*(1-\frac{|F_i-O_i|}{\max (F_i-O_i)})$>      公式（1）

其中，p为1，2，3，4，5，为五个预报子产品的编号；i取1，2，3，4，……m，m为流域的数量；预报基础分为60分；F_i、O_i分别为对应流域的前n天的面雨量预报量级和实况量级；max(F_i-O_i)为对应流域的前n天的面雨量预报量级和实况量级中的最大项，当面雨量预报量级与实况量级一致时，预报评分为100；当预报量级有误差时，按误差大小给分，误差越大，分值越低，相反，误差越小，分值越高；

步骤（6），利用归一化方法处理步骤（6）的历史评分Mp（i），得到五个预报子产品的预报技巧权重系数Wp(i)；

步骤（7），建立各预报子产品的各量级的集成预报方程，Y_k为对应量级的预报面雨量的集成预报结果，如公式（2），

$>Y_k=\underset{i=1}{\overset{m}{\Sigma }}\mathrm{Wp}\left(i\right)X_{\mathrm{pik}}{P}_{\mathrm{pik}}$>      公式（2）

其中，k=1，2，……，7，为步骤（4）划分的七个量级；i取1，2，3，4，……m，m为降水预报产品的总个数；X_pik为五个预报子产品分别对各流域的分级降水预报；P_pik为5五个预报子产品分别对各流域的降水量级的概率值；

步骤（8），各流域的最终预报面雨量的计算，将最终预报面雨量传输至电力部门数据库，并通过web网络，实现气象信息的网站发布和浏览。

前述的基于GIS分区的水电站流域面雨量气象预报方法，其特征在于：步骤（8）各流域的最终预报面雨量的计算方法为，

（1）根据步骤（7）计算的各流域对应量级的预报面雨量的集成预报结果，当各流域只有一个预报子产品的降水量级与集成预报结果相同时，取这个子预报产品的预报数值作为最终预报面雨量；

（2）当各流域有两个或两个以上预报子产品的降水量级与集成预报结果相同时，利用灰色预测方法来确定最终预报面雨量，建立灰色预测模型，将符合集成预报结果代入灰色预测模型进行计算，得到最终预报面雨量。

前述的基于GIS分区的水电站流域面雨量气象预报方法，其特征在于：所述建立灰色预测模型为采用静态h元灰色预测模型对原始数列只作一次累加生成处理，h的值为2、3、4或5。

本发明的有益效果是：本发明的基于GIS分区的水电站流域面雨量气象预报方法，首先是选取了预报精度较高的降雨量预报产品的基础上，然后对其进行优化集成，形成集成的预报产品，对所辖地区内的各个流域面雨量进行预报，实现了计算机系统集成，自动数据采集，电网和整个地区的所有水电站进行统一的预报，预报精度高，通过数据库链接实现数据的存取功能，通过web网络，实现气象信息的网站发布和浏览，为电力生产和电力调度提供了科学依据，具有良好的应用前景。

附图说明

图1是本发明的基于GIS分区的水电站流域面雨量气象预报方法的流程图。

具体实施方式

下面将结合说明书附图，对本发明作进一步的说明。

如图1所示，基于GIS分区的水电站流域面雨量气象预报方法，包括以下步骤，

步骤（1），利用GIS，根据流域内各梯级水电站分布情况、水电站河流汇流情况与降雨气候背景分析，确定面雨量预报范围和分区；

步骤（2），通过局域网接收五种预报子产品，五种预报子产品包括气象台降雨量预报、流域强降雨预报、广西神经网络89站点雨量预报、欧洲ECMWF细网格数值雨量预报和日本数值雨量预报；气象台降水预报采用气象台每日14时降水落区预报资料、相关气象台站每日08时的精细化预报产品资料作为主观预报资料，按照流域分布范围划分到各流域中；流域强降雨预报是利用1988-2008年91个气象台站逐日降水资料、ECMWF逐日数值预报产品资料，找出造成广西流域强降雨的天气动力模型，及其相关的预报因子，预报系统根据这些因子，利用逐步回归方程、事件概率回归估计法等，建立各种模式的面雨量预报方程，从而得到广西流域强降雨的面雨量预报产品；数值预报包括日本数值预报、德国数值预报和T639数值预报，资料一日两次（08时和20时），预报间隔12个小时，预报时效24-144小时；

步骤（3），对于气象台降雨量预报和神经网络89站点雨量预报产品，使用泰森多边形插值法，将各流域内所有气象站点的雨量值插值到对应流域里，分别得到各流域的第一面雨量预报值；对于欧洲细网格数值预报和日本数值预报，将各流域内所含格点雨量总和除以各流域内所含格点个数，分别得到各流域的第二面雨量预报值；

步骤（4），将各流域内的第一、第二面预报雨量和流域强降雨预报（流域强降雨预报输出结果既是面雨量预报数据，不需做转换）结合，对各流域内的预报面雨量划分为七个量级，面雨量标准参照的是2006年实施的《江河流域面雨量等级》(GB/T20486-2006)，根据24小时降雨量（R24）定义：无雨，R24为0mm；小雨，R24为0.1～5.9mm；中雨，R24为6.0～14.9mm；大雨，R24为15.0～29.9mm；暴雨，R24为30.0～59.9mm；大暴雨，R24为60.0～150.0mm；特大暴雨，R24＞150.0mm；

步骤（5），通过模糊综合评分公式（1），分别计算每个预报子产品内各流域的前n天内的历史评分Mp（i），

$>\mathrm{Mp}\left(i\right)=60+40*(1-\frac{|F_i-O_i|}{\max (F_i-O_i)})$>      公式（1）

其中，p为1，2，4，5，为五个预报子产品的编号；i取1，2，3，4，……m，m为流域的数量；预报基础分为60分；F_i、O_i分别为对应流域的前n天的面雨量预报量级和实况量级；max(F_i-O_i)为对应流域的前n天的面雨量预报量级和实况量级中的最大项，当面雨量预报量级与实况量级一致时，预报评分为100；当预报量级有误差时，按误差大小给分，误差越大，分值越低，相反，误差越小，分值越高；

步骤（6），利用归一化方法处理步骤（5）的历史评分Mp（i），得到五个预报子产品的预报技巧权重系数Wp（i）；

步骤（7），建立各预报子产品的各量级的集成预报方程，Y_k为对应量级的预报面雨量的集成预报结果，如公式（2），

$>Y_k=\underset{i=1}{\overset{m}{\Sigma }}\mathrm{Wp}\left(i\right)X_{\mathrm{pik}}{P}_{\mathrm{pik}}$>      公式（2）

其中，k=1，2，……，7，为步骤（4）划分的七个量级；i取1，2，3，4，……m，m为降水预报产品的总个数；X_pik为五个预报子产品分别对各流域的分级降水预报；P_pik为5五个预报子产品分别对各流域的降水量级的概率值；

步骤（8），各流域的最终预报面雨量的计算，根据步骤（7）计算的各流域对应量级的预报面雨量的集成预报结果，当各流域只有一个预报子产品的降水量级与集成预报结果相同时，取这个子预报产品的预报数值作为最终预报面雨量；当各流域有两个或两个以上预报子产品的降水量级与集成预报结果相同时，利用灰色预测方法来确定最终预报面雨量，建立灰色预测模型，将符合集成预报结果代入灰色预测模型进行计算，得到最终预报面雨量，所述建立灰色预测模型为采用静态h元灰色预测模型对原始数列只作一次累加生成处理，h的值为2、3、4或5；将最终预报面雨量传输至电力部门数据库，并通过web网络，实现气象信息的网站发布和浏览。

下面根据本发明的基于GIS分区的水电站流域面雨量气象预报方法，预报过程如下，

（1）首先研究区域位于广西、贵州、云南省（区）的西江流域，首先利用GIS技术，根据各梯级水电站分布情况、水电站河流汇流情况与降雨气候背景分析，确定面雨量预报范围和分区，根据广西电网公司电力调度控制中心生产需求及其统调水电站分布情况，确定水电站流域面雨量预报范围，研究区域位于广西、贵州、云南省（区）的西江流域，使用1:25万基础地理信息数据，在GIS平台上，根据水电站点分布，初步将西江流域进行大流域分区，形成基本的河流流域分布图，初步划分的大流域有红水河、郁江流域、柳江流域、西江流域、桂江流域等大区流域，在大流域分区的基础上，再根据水电站河流汇流情况与降雨气候背景分析，确定水电站面雨量预报小流域，共划分为23个小流域；

（2）通过局域网收集五种预报子产品，五种预报子产品包括气象台降雨量预报、流域强降雨预报、广西神经网络89站点雨量预报、欧洲ECMWF细网格数值雨量预报和日本数值雨量预报，各子预报产品简介如下：

气象台降雨量预报，是广西气象台制作的全区降雨落区预报，包含了预报员丰富的预报经验，近年来，24小时单站的中雨预报准确率为47%，大雨预报准确率为28%，暴雨预报准确率为15%，对面雨量预报有很好的参考作用；

流域强降雨预报：是2009年广西气象局科研课题项目《广西流域强降雨预报研究》的研究成果，首先采用1988-2008年91个气象台站逐日降水资料、ECMWF逐日数值预报产品资料，找出造成广西流域强降雨的天气动力模型，及其相关的预报因子，然后利用逐步回归方程、事件概率回归估计法等方法，建立流域大雨以上面雨量概率预报方程，从而得到广西流域强降雨的面雨量概率预报产品，近年来，3天内全流域区间大雨以上面雨量过程预报准确率大于70％，具有较高的参考价值；

广西神经网络89站点雨量预报：利用ECMWF数值预报产品、实况物理量等资料，采用人工神经网络方法，建立每个气象站点的雨量预报方程，从而得到广西89个气象站点雨量预报产品，该产品的预报准确率较高，近年来，24小时单站的中雨预报准确率为45%，大雨预报准确率为27%，暴雨预报准确率为18%，具有较高的参考价值；

欧洲ECMWF细网格数值预报：是中国气象局下发的由欧盟气象组织提供的气象数值预报产品资料，为网格点数据，其精度为0.25°×0.25°，近年来，该产品24小时单站的中雨预报准确率为50%，大雨预报准确率为23%，暴雨预报准确率为15%，具有较高的参考价值；

日本数值预报：是中国气象局下发的由日本气象厅提供的数值预报产品资料，为网格点数据，其精度为1.25°×1.25°，近年来，该产品24小时单站的中雨预报准确率为44%，大雨预报准确率为29%，暴雨预报准确率为13%，具有较高的参考价值；

（3）对于气象台降雨量预报和广西神经网络89站点雨量预报产品，使用泰森多边形插值法，将各流域内所有气象站点的雨量值插值到对应流域里，分别得到各流域的面雨量预报值；对于欧洲细网格数值预报和日本数值预报，将各流域内所含格点雨量总和除以各流域内所含格点个数，分别得到各流域的面雨量预报值；流域强降雨预报输出结果既是面雨量预报数据，不需做转换。

（4）按照2006年实施的《江河流域面雨量等级》(GB/T20486-2006)对各流域面雨量进行等级划分。根据24小时降雨量（R24）定义：

无雨，R₂₄为0mm；

小雨，R₂₄为0.1～5.9mm；

中雨，R₂₄为6.0～14.9mm；

大雨，R₂₄为15.0～29.9mm；

暴雨，R₂₄为30.0～59.9mm；

大暴雨，R₂₄为60.0～150.0mm；

特大暴雨，R₂₄＞150.0mm；

（5）根据（4）的等级，分别计算每个预报子产品内各流域的前n天内的历史评分Mp（i），

$>\mathrm{Mp}\left(i\right)=60+40*(1-\frac{|F_i-O_i|}{\max (F_i-O_i)})$>      公式（1）

其中，-p为1，2，3，4，5，为五个预报子产品的编号；i取1，2，3，4，……m，m为流域的数量；预报基础分为60分；F_i、O_i分别为对应流域的前n天的面雨量预报量级和实况量级；max(F_i-O_i)为对应流域的前n天的面雨量预报量级和实况量级中的最大项，当面雨量预报量级与实况量级一致时，预报评分为100；当预报量级有误差时，按误差大小给分，误差越大，分值越低，相反，误差越小，分值越高；

（6），利用归一化方法处理（5）的历史评分Mp（i），得到五个预报子产品的预报技巧权重系数Wp（i）；

（7），建立各预报子产品的各量级的集成预报方程，Y_k为对应量级的预报面雨量的集成预报结果，如公式（2），

$>Y_k=\underset{i=1}{\overset{m}{\Sigma }}\mathrm{Wp}\left(i\right)X_{\mathrm{pik}}{P}_{\mathrm{pik}}$>      公式（2）

其中，k=1，2，……，7，为（3）划分的七个量级；i取1，2，3，4，……m，m为降水预报产品的种类；X_pik为五个预报子产品分别对各流域的分级降水预报；P_pik为五个预报子产品分别对各流域的降水量级的概率值；

（8），将各流域最终预报面雨量的预报结果，传输至广西省电力部门数据库，并通过web网络，实现气象信息的网站发布和浏览。

综上所述，本发明的基于GIS分区的水电站流域面雨量气象预报方法，在气象台预报产品和数值预报产品的基础上，对所辖地区内的各个流域的面雨量进行预报，实现了计算机系统集成，自动数据采集，电网和整个地区的所有水电站进行统一的预报，预报精度高，通过数据库链接实现数据的存取功能，通过web网络，实现气象信息的网站发布和浏览，为电力生产和电力调度提供了科学依据，具有良好的应用前景。

以上显示和描述了本发明的基本原理、主要特征及优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。