Review on Technologies and Applications of Numerical Weather Prediction for New Power System

YANG Ming; LI Menglin; WANG Bo; LIU Chun; YU Yixiao; WANG Chuanqi

doi:10.7500/AEPS20240227001

您当前的位置：

首页 >

文章列表页 >

Review on Technologies and Applications of Numerical Weather Prediction for New Power System

Review·Perspective | 更新时间：2025-09-25

- Review on Technologies and Applications of Numerical Weather Prediction for New Power System
- Automation of Electric Power Systems Vol. 49, Issue 17, Pages: 1-20(2025)
- 作者机构：
  
  1.电网智能化调度与控制教育部重点实验室（山东大学），山东省济南市 250061
  2.新能源与储能运行控制国家重点实验室（中国电力科学研究院有限公司），北京市 100192
- 作者简介：
- 基金信息：
  
  National Key R&D Program of China(2022YFB2403000)
- DOI：10.7500/AEPS20240227001
  CLC：
- Received：27 February 2024，
  
  Revised：2024-05-08，
  
  Published Online：20 June 2024，
  
  Published：10 September 2025
- 稿件说明：
移动端阅览
杨明,李梦林,王勃等.面向新型电力系统的数值天气预报技术及应用综述[J].电力系统自动化,2025,49(17):1-20.

YANG Ming,LI Menglin,WANG Bo,et al.Review on Technologies and Applications of Numerical Weather Prediction for New Power System[J].Automation of Electric Power Systems,2025,49(17):1-20.
杨明,李梦林,王勃等.面向新型电力系统的数值天气预报技术及应用综述[J].电力系统自动化,2025,49(17):1-20. DOI： 10.7500/AEPS20240227001.

YANG Ming,LI Menglin,WANG Bo,et al.Review on Technologies and Applications of Numerical Weather Prediction for New Power System[J].Automation of Electric Power Systems,2025,49(17):1-20. DOI： 10.7500/AEPS20240227001.

摘要

新型电力系统以构建高比例新能源供给消纳体系为主线任务，其源网荷储的运行规律与气象变化紧密关联，电网运行调度、规划设计、防灾减灾等环节均需考虑天气的影响，电力与气象两个学科的融合发展成为必然。然而，从目前来看，鲜有研究对面向新型电力系统的数值天气预报关键技术及其应用进行系统性梳理。对此，首先围绕气象观测、质量控制、资料同化、数值模式4个方面

总结了数值天气预报的关键技术；然后，从源荷功率预测、风光资源评估、电网灾害预警3个方面综述了数值气象的典型应用场景及应用方式；最后，分析了新型电力系统对数值天气预报准确性、时效性和精细度方面的独特需求，探讨了数值天气预报技术在满足电力需求上存在的不足以及在需求驱动下关键技术提升之间的矛盾和促进关系，并在数据、模式和平台建设层面对未来电力与气象学科融合发展的重点研究方向进行了展望。

Abstract

The main task of the new power system is to build a high proportion of renewable energy supply and consumption system

and the operation law of its source

grid

load and energy storage is closely related to meteorological changes. The operation and scheduling

planning and design

disaster prevention and reduction

and other aspects of the power grid all need to consider the influence of weather. The integration and development of the two disciplines of electricity and meteorology have become inevitable. However

currently

there is little literature that systematically reviews the key technologies and applications of numerical weather prediction of new power systems. This paper first summarizes the key technologies of numerical weather prediction from four aspects: meteorological observation

quality control

data assimilation

and numerical modeling. Secondly

typical application scenarios and methods of numerical meteorology are summarized from three aspects: source-load power prediction

wind and solar resource assessment

and power grid disaster warning. Finally

the unique requirements of the new power system for the accuracy

timeliness

and precision of numerical weather prediction are analyzed. The shortcomings of numerical weather prediction technologies in electricity demand are discussed

as well as the contradictions and promoting relationships between key technology improvements driven by demand. The key research directions for the integration and development of electricity and meteorology disciplines in the future are discussed in terms of data

mode

and platform construction.

关键词

Keywords

references

胡博，谢开贵，邵常政，等 . 双碳目标下新型电力系统风险评述：特征、指标及评估方法［J］. 电力系统自动化， 2023 ， 47 （ 5 ）： 1 - 15 .

HU Bo ， XIE Kaigui ， SHAO Changzheng ， et al . Commentary on risk of new power system under goals of carbon emission peak and carbon neutrality： characteristics， indices and assessment methods ［J］. Automation of Electric Power Systems ， 2023 ， 47 （ 5 ）： 1 - 15 .

国家能源局 . 国家能源局发布 1 - 10 月份全国电力工业统计数据［EB/OL］.［ 2023-11-20 ］. https：//www.nea.gov.cn/2023-11/20/c_1310751368.htm https://www.nea.gov.cn/2023-11/20/c_1310751368.htm .

National Energy Administration . The statistics of the national power industry from January to October released by National Energy Administration ［EB/OL］. ［ 2023-11-20 ］. https：//www.nea.gov.cn/2023-11/20/c_1310751368.htm https://www.nea.gov.cn/2023-11/20/c_1310751368.htm .

王亚伟 . 构建新型电力系统离不开气象科技的有力支撑［N］. 中国能源报， 2021-08-02 （4）.

WANG Yawei . The construction of a new power system cannot be separated from the powerful support of meteorological science and technology ［J］. China Energy News ， 2021-08-02 （ 4 ）.

黄勇，魏瑞增，周恩泽，等 . 台风灾害下输电线路损毁预警方法［J］. 电力系统自动化， 2018 ， 42 （ 23 ）： 142 - 147 .

HUANG Yong ， WEI Ruizeng ， ZHOU Enze ， et al . Early warning method of transmission line damage under typhoon disaster ［J］. Automation of Electric Power Systems ， 2018 ， 42 （ 23 ）： 142 - 147 .

李滨，陆明珍 . 考虑实时气象耦合作用的地区电网短期负荷预测建模［J］. 电力系统自动化， 2020 ， 44 （ 17 ）： 60 - 68 .

LI Bin ， LU Mingzhen . Short-term load forecasting modeling of regional power grid considering real-time meteorological coupling effect ［J］. Automation of Electric Power Systems ， 2020 ， 44 （ 17 ）： 60 - 68 .

中国气象局 . 我国基本建成全球最大综合气象观测系统［EB/OL］.［ 2022-09-14 ］. https：//www.cma.gov.cn/2011xwzx/2011xqxxw/2011xqxyw/202209/t20220914_5085066.html https://www.cma.gov.cn/2011xwzx/2011xqxxw/2011xqxyw/202209/t20220914_5085066.html .

China Meteorological Administration . China has basically built the world’s largest comprehensive meteorological observation system ［EB/OL］. ［ 2022-09-14 ］. https：//www.cma.gov.cn/2011xwzx/2011xqxxw/2011xqxyw/202209/t20220914_508506 6.html https://www.cma.gov.cn/2011xwzx/2011xqxxw/2011xqxyw/202209/t20220914_5085066.html .

王建凯，陈汝龙，侯威，等 . 中国地面气象观测业务的发展历程与展望［J］. 气象科技进展， 2022 ， 12 （ 5 ）： 10 - 18 .

WANG Jiankai ， CHEN Rulong ， HOU Wei ， et al . Development and prospect of surface meteorological observations in China ［J］. Advances in Meteorological Science and Technology ， 2022 ， 12 （ 5 ）： 10 - 18 .

中国气象局 . 地面气象自动观测规范［M］. 北京：气象出版社， 2020 ．

China Meteorological Administration . Specification for automatic surface meteorological observation ［M］. Beijing， China ： Meteorological Press ， 2020 .

高浩，唐世浩，韩秀珍 . 风云气象卫星发展及其应用［J］. 科技导报， 2021 ， 39 （ 15 ）： 9 - 22 .

GAO Hao ， TANG Shihao ， HAN Xiuzhen . China’s Fengyun（FY） meteorological satellites， development and applications ［J］. Science & Technology Review ， 2021 ， 39 （ 15 ）： 9 - 22 .

中国气象局 . 里程碑！我国全面启动气象探空系统升级换代［EB/OL］.［ 2023-07-30 ］. https：//www.cma.gov.cn/2011xwzx/2011xqxxw/2011xqxyw/202307/t20230730_5681779.html https://www.cma.gov.cn/2011xwzx/2011xqxxw/2011xqxyw/202307/t20230730_5681779.html .

China Meteorological Administration . Milestone！ China has launched a comprehensive upgrade of the meteorological sounding system ［EB/OL］. ［ 2023-07-30 ］. https：//www.cma.gov.cn/2011xwzx/2011xqxxw/2011xqxyw/202307/t2023073 0_5681779.html https://www.cma.gov.cn/2011xwzx/2011xqxxw/2011xqxyw/202307/t20230730_5681779.html .

彭伟，厉运周，高艳波，等 . 我国海洋观测仪器设备体系化发展研究［J］. 仪器仪表学报， 2023 ， 44 （ 12 ）： 88 - 100 .

PENG Wei ， LI Yunzhou ， GAO Yanbo ， et al . Research on the systematic development of ocean observation instruments and equipment in China ［J］. Chinese Journal of Scientific Instrument ， 2023 ， 44 （ 12 ）： 88 - 100 .

王海军，杨志彪，杨代才，等 . 自动气象站实时资料自动质量控制方法及其应用［J］. 气象， 2007 ， 33 （ 10 ）： 102 - 109 .

WANG Haijun ， YANG Zhibiao ， YANG Daicai ， et al . The method and application of automatic quality control for real time data from automatic weather stations ［J］. Meteorological Monthly ， 2007 ， 33 （ 10 ）： 102 - 109 .

TORETI A ， BRATU M ， MULLER E ， et al . Advancing near-real-time quality controls of meteorological observations ［J］. Bulletin of the American Meteorological Society ， 2022 ， 103 （ 4 ）： 1078 - 1087 .

王婧，李衣长，叶凌锋 . 基于LightGBM的气象数据质量控制方法研究［J］. 海峡科学， 2022 （ 7 ）： 40 - 45 .

WANG Jing ， LI Yichang ， YE Lingfeng . Research on meteorological data quality control method based on LightGBM ［J］. Straits Science ， 2022 （ 7 ）： 40 - 45 .

黄胃建，杨笔锋，卢会国，等 . 基于BP神经网络气象数据质量控制方法研究［J］. 成都信息工程大学学报， 2023 ， 38 （ 4 ）： 392 - 397 .

HUANG Weijian ， YANG Bifeng ， LU Huiguo ， et al . Research on meteorological data quality control method based on BP neural network ［J］. Journal of Chengdu University of Information Technology ， 2023 ， 38 （ 4 ）： 392 - 397 .

史静，党岳，张永欣，等 . 自动站数据质量控制中关联规则挖掘的应用［J］. 气象科技， 2014 ， 42 （ 4 ）： 612 - 616 .

SHI Jing ， DANG Yue ， ZHANG Yongxin ， et al . Application of association rule mining in AWS data quality control system ［J］. Meteorological Science and Technology ， 2014 ， 42 （ 4 ）： 612 - 616 .

张颖超，姚润进，熊雄，等 . PSO-PSR-ELM集成学习算法在地面气温观测资料质量控制中的应用［J］. 气候与环境研究， 2017 ， 22 （ 1 ）： 59 - 70 .

ZHANG Yingchao ， YAO Runjin ， XIONG Xiong ， et al . Application of PSO-PSR-ELM-based ensemble learning algorithm in quality control of surface temperature observations ［J］. Climatic and Environmental Research ， 2017 ， 22 （ 1 ）： 59 - 70 .

吴莉芬 . 基于LSTM-VAE模型的海平面风速异常检测的研究与应用［D］. 南昌：南昌大学， 2023 .

WU Lifen . Research and application of sea level wind speed anomaly detection based on LSTM-VAE model ［D］. Nanchang ： Nanchang University ， 2023 .

LI N ， WANG Z H ， SUN K Y ， et al . A quality control method of ground-based weather radar data based on statistics ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2018 ， 56 （ 4 ）： 2211 - 2219 .

江源 . 天气雷达观测资料质量控制方法研究及其应用［D］. 北京：中国气象科学研究院， 2013 .

JIANG Yuan . Meteorological radar data quality control studay and application ［D］. Beijing ： Chinese Academy of Meteorological Sciences ， 2013 .

王叶慧 . 风云三号卫星微波温度计辐射率资料的质量控制［D］. 南京：南京信息工程大学， 2011 .

WANG Yehui . A quality control procedure for FY-3 microwave radiance data ［D］. Nanjing ： Nanjing University of Information Science & Technology ， 2011 .

王叶红，张伟，赵玉春 . 面向资料同化的风廓线雷达风场特征分析及其质控方法［J］. 大气科学， 2021 ， 45 （ 1 ）： 123 - 147 .

WANG Yehong ， ZHANG Wei ， ZHAO Yuchun . Analysis of wind characteristics of wind-profiler radars and their quality control methods for data assimilation ［J］. Chinese Journal of Atmospheric Sciences ， 2021 ， 45 （ 1 ）： 123 - 147 .

GANDIKOTA R ， MANJUSARMA M . Pixel noise localization algorithm for Indian satellite data quality control： a novel approach ［C］// 2022 IEEE International Geoscience and Remote Sensing Symposium ， July 17-22 ， 2022 ， Kuala Lumpur， Malaysia .

朱国富 . 数值天气预报中分析同化基本方法的历史发展脉络和评述［J］. 气象， 2015 ， 41 （ 8 ）： 986 - 996 .

ZHU Guofu . Remarks on development of basic methods of atmospheric data assimilation for numerical weather prediction ［J］. Meteorological Monthly ， 2015 ， 41 （ 8 ）： 986 - 996 .

PANOFSKY R A . Objective weather-map analysis ［J］. Journal of Meteorology ， 1949 ， 6 （ 6 ）： 386 - 392 .

BERGTHORSSON P ， DÖÖS B R . Numerical weather map analysis ［J］. Tellus ， 1955 ， 7 （ 3 ）： 329 - 340 .

CRESSMAN G P . An operational objective analysis system ［J］. Monthly Weather Review ， 1959 ， 87 （ 10 ）： 367 - 374 .

BERGMAN K H . Multivariate analysis of temperature and winds using optimum interpolation ［J］. Monthly Weather Review ， 1979 ， 107 （ 11 ）： 1423 - 1444 .

LORENC A C . Analysis methods for numerical weather prediction ［J］. Quarterly Journal of the Royal Meteorological Society ， 1986 ， 112 ： 1177 - 1194 .

HAMILL T M . Ensemble-based atmospheric data assimilation ［M］. Cambridge ： Cambridge University Press ， 2006 ， 124 - 156 .

陈德辉，薛纪善 . 数值天气预报业务模式现状与展望［J］. 气象学报， 2004 ， 62 （ 5 ）： 623 - 633 .

CHEN Dehui ， XUE Jishan . An overview on recent progresses of the operational numerical weather prediction models ［J］. Acta Meteorologica Sinica ， 2004 ， 62 （ 5 ）： 623 - 633 .

胡星，张志强，张强，等 . 次季节—季节（S2S）预测数据分析与应用［J］. 气象科技， 2020 ， 48 （ 6 ）： 779 - 787 .

HU Xing ， ZHANG Zhiqiang ， ZHANG Qiang ， et al . Analysis and application of sub-seasonal to seasonal prediction data ［J］. Meteorological Science and Technology ， 2020 ， 48 （ 6 ）： 779 - 787 .

李晓东，张庆红，叶瑾琳 . 气候学研究的若干理论问题［J］. 北京大学学报（自然科学版）， 1999 ， 35 （ 1 ）： 101 - 106 .

LI Xiaodong ， ZHANG Qinghong ， YE Jinlin . Some theoretical problems in climatology research ［J］. Acta Scientiarum Naturalium Universitatis Pekinensis ， 1999 ， 35 （ 1 ）： 101 - 106 .

孙荣富，张涛，和青，等 . 风电功率预测关键技术及应用综述［J］. 高电压技术， 2021 ， 47 （ 4 ）： 1129 - 1143 .

SUN Rongfu ， ZHANG Tao ， HE Qing ， et al . Review on key technologies and applications in wind power forecasting ［J］. High Voltage Engineering ， 2021 ， 47 （ 4 ）： 1129 - 1143 .

刘东海，黄静，刘娟，等 . 典型中尺度数值预报模式参数化方案的综述与展望［J］. 地球科学进展， 2023 ， 38 （ 4 ）： 349 - 362 .

LIU Donghai ， HUANG Jing ， LIU Juan ， et al . Review and prospect of parameterization schemes of typical mesoscale numerical prediction models at home and abroad ［J］. Advances in Earth Science ， 2023 ， 38 （ 4 ）： 349 - 362 .

苗长新，李昊，王霞，等 . 基于数据驱动和深度学习的超短期风电功率预测［J］. 电力系统自动化， 2021 ， 45 （ 14 ）： 22 - 29 .

MIAO Changxin ， LI Hao ， WANG Xia ， et al . Data-driven and deep-learning-based ultra-short-term wind power prediction ［J］. Automation of Electric Power Systems ， 2021 ， 45 （ 14 ）： 22 - 29 .

WANG C Q ， YANG M ， YU Y X ， et al . A multi-dimensional copula wind speed correction method for ultra-short-term wind power prediction ［C］// 2022 4th Asia Energy and Electrical Engineering Symposium （AEEES）， March 25-28 ， 2022 ， Chengdu， China ： 219 - 225 .

XU H L ， ZHANG Y R ， ZHEN Z ， et al . Adaptive feature selection and GCN with optimal graph structure-based ultra-short-term wind farm cluster power forecasting method ［J］. IEEE Transactions on Industry Applications ， 2024 ， 60 （ 1 ）： 1804 - 1813 .

张群，唐振浩，王恭，等 . 基于长短时记忆网络的超短期风功率预测模型［J］. 太阳能学报， 2021 ， 42 （ 10 ）： 275 - 281 .

ZHANG Qun ， TANG Zhenhao ， WANG Gong ， et al . Ultra-short-term wind power prediction model based on long and short term memory network ［J］. Acta Energiae Solaris Sinica ， 2021 ， 42 （ 10 ）： 275 - 281 .

MA J ， YANG M ， HAN X ， et al . Ultra-Short-term wind generation forecast based on multivariate empirical dynamic modeling ［J］. IEEE Transactions on Industry Applications ， 2018 ， 54 （ 2 ）： 1029 - 1038 .

李卓，叶林，戴斌华，等 . 基于IDSCNN-AM-LSTM组合神经网络超短期风电功率预测方法［J］. 高电压技术， 2022 ， 48 （ 6 ）： 2117 - 2127 .

LI Zhuo ， YE Lin ， DAI Binhua ， et al . Ultra-short-term wind power prediction method based on IDSCNN-AM-LSTM combination neural network ［J］. High Voltage Engineering ， 2022 ， 48 （ 6 ）： 2117 - 2127 .

LI M L ， YANG M ， YU Y X ， et al . Short-term wind power forecast based on continuous conditional random field ［J］. IEEE Transactions on Power Systems ， 2024 ， 39 （ 1 ）： 2185 - 2197 .

WU Y K ， SU P E ， WU T Y ， et al . Probabilistic wind-power forecasting using weather ensemble models ［J］. IEEE Transactions on Industry Applications ， 2018 ， 54 （ 6 ）： 5609 - 5620 .

TAYLOR J W ， MCSHARRY P E ， BUIZZA R . Wind power density forecasting using ensemble predictions and time series models ［J］. IEEE Transactions on Energy Conversion ， 2009 ， 24 （ 3 ）： 775 - 782 .

LI M L ， YANG M ， YU Y X ， et al . A wind speed correction method based on modified hidden Markov model for enhancing wind power forecast ［J］. IEEE Transactions on Industry Applications ， 2022 ， 58 （ 1 ）： 656 - 666 .

王伟胜，王铮，董存，等 . 中国短期风电功率预测技术现状与误差分析［J］. 电力系统自动化， 2021 ， 45 （ 1 ）： 17 - 27 .

WANG Weisheng ， WANG Zheng ， DONG Cun ， et al . Status and error analysis of short-term forecasting technology of wind power in China ［J］. Automation of Electric Power Systems ， 2021 ， 45 （ 1 ）： 17 - 27 .

YE L ， DAI B H ， PEI M ， et al . Combined approach for short-term wind power forecasting based on wave division and Seq2Seq model using deep learning ［J］. IEEE Transactions on Industry Applications ， 2022 ， 58 （ 2 ）： 2586 - 2596 .

马伟，乔颖，谢丽蓉，等 . 考虑气象特征波动划分阈值的双目标短期风功率预测［J］. 高电压技术， 2022 ， 48 （ 10 ）： 4154 - 4162 .

MA Wei ， QIAO Ying ， XIE Lirong ， et al . Short-term wind power prediction with dual targets considering the threshold of meteorological characteristic fluctuation partition ［J］. High Voltage Engineering ， 2022 ， 48 （ 10 ）： 4154 - 4162 .

吴浩天，孙荣富，廖思阳，等 . 基于改进气象聚类分型的短期风电功率概率预测方法［J］. 电力系统自动化， 2022 ， 46 （ 15 ）： 56 - 65 .

WU Haotian ， SUN Rongfu ， LIAO Siyang ， et al . Short-term wind power probability forecasting method based on improved meteorological clustering and classification ［J］. Automation of Electric Power Systems ， 2022 ， 46 （ 15 ）： 56 - 65 .

WU W B ， PENG M . A data mining approach combining K -means clustering with bagging neural network for short-term wind power forecasting ［J］. IEEE Internet of Things Journal ， 2017 ， 4 ： 979 - 986 .

SU H Y ， HUANG C R . Enhanced wind generation forecast using robust ensemble learning ［J］. IEEE Transactions on Smart Grid ， 2020 ， 12 （ 1 ）： 912 - 915 .

LI M L ， YANG M ， YU Y X ， et al . Adaptive weighted combination approach for wind power forecast based on deep deterministic policy gradient method ［J］. IEEE Transactions on Power Systems ， 2024 ， 39 （ 2 ）： 3075 - 3087 .

YU Y X ， YANG M ， HAN X S ， et al . A regional wind power probabilistic forecast method based on deep quantile regression ［J］. IEEE Transactions on Industry Applications ， 2021 ， 57 （ 5 ）： 4420 - 4427 .

DONG X ， SUN Y ， LI Y ， et al . Spatio-temporal convolutional network based power forecasting of multiple wind farms ［J］. Journal of Modern Power Systems and Clean Energy ， 2022 ， 10 （ 2 ）： 388 - 398 .

邓韦斯，车建峰，汪明清，等 . 基于网格型数值天气预报的风电集群日前功率预测方法［J/OL］. 南方电网技术： 1 - 7 ［ 2024-01-31 ］. http：//kns.cnki.net/kcms/detail/44.1643.TK.20231121.1031.008.html http://kns.cnki.net/kcms/detail/44.1643.TK.20231121.1031.008.html .

DENG Weisi ， CHE Jianfeng ， WANG Mingqing ， et al . Day-ahead power forecasting method of wind cluster based on grid numerical weather prediction ［J/OL］. Southern Power System Technology ： 1 - 7 ［ 2024-01-31 ］. http：//kns.cnki.net/kcms/detail/44.1643.TK.20231121.1031.008.html http://kns.cnki.net/kcms/detail/44.1643.TK.20231121.1031.008.html .

SABZEHGAR R ， AMIRHOSSEINI D Z ， RASOULI M . Solar power forecast for a residential smart microgrid based on numerical weather predictions using artificial intelligence methods ［J］. Journal of Building Engineering ， 2020 ， 32 ： 101629 .

龚莺飞，鲁宗相，乔颖，等 . 光伏功率预测技术［J］. 电力系统自动化， 2016 ， 40 （ 4 ）： 140 - 151 .

GONG Yingfei ， LU Zongxiang ， QIAO Ying ， et al . An overview of photovoltaic energy system output forecasting technology ［J］. Automation of Electric Power Systems ， 2016 ， 40 （ 4 ）： 140 - 151 .

司志远，杨明，于一潇，等 . 基于卫星云图特征区域定位的超短期光伏功率预测方法［J］. 高电压技术， 2021 ， 47 （ 4 ）： 1214 - 1223 .

SI Zhiyuan ， YANG Ming ， YU Yixiao ， et al . Ultra-short-term photovoltaic power prediction method based on satellite image feature region positioning ［J］. High Voltage Engineering ， 2021 ， 47 （ 4 ）： 1214 - 1223 .

SI Z Y ， YANG M ， YU Y X ， et al . Photovoltaic power forecast based on satellite images considering effects of solar position ［J］. Applied Energy ， 2021 ， 302 ： 117514 .

吴春华，董阿龙，李智华，等 . 基于图相似日和PSO-XGBoost的光伏功率预测［J］. 高电压技术， 2022 ， 48 （ 8 ）： 3250 - 3259 .

WU Chunhua ， DONG Along ， LI Zhihua ， et al . Photovoltaic power prediction based on graph similarity day and PSO-XGBoost ［J］. High Voltage Engineering ， 2022 ， 48 （ 8 ）： 3250 - 3259 .

阮呈隆，李康平，李正辉，等 . 分布式光伏集群功率短期预测的空间互补特性初探［J］. 电力系统自动化， 2024 ， 48 （ 3 ）： 42 - 50 .

RUAN Chenglong ， LI Kangping ， LI Zhenghui ， et al . Preliminary study on spatial complementarity characteristics of short-term power prediction for distributed photovoltaic clusters ［J］. Automation of Electric Power Systems ， 2024 ， 48 （ 3 ）： 42 - 50 .

刘晓艳，王珏，姚铁锤，等 . 基于卫星遥感的超短期分布式光伏功率预测［J］. 电工技术学报， 2022 ， 37 （ 7 ）： 1800 - 1809 .

LIU Xiaoyan ， WANG Jue ， YAO Tiechui ， et al . Ultra short-term distributed photovoltaic power prediction based on satellite remote sensing ［J］. Transactions of China Electrotechnical Society ， 2022 ， 37 （ 7 ）： 1800 - 1809 .

LIU L Y ， YANG X T ， LONG C ， et al . Study on the relationship between residential cooling load and temperature under extreme weather of summer ［C］// 2023 Panda Forum on Power and Energy （PandaFPE）， April 27-30 ， 2023 ， Chengdu， China ： 2043 - 2048 .

李云松，张智晟 . 考虑综合需求响应的Transformer-图神经网络综合能源系统多元负荷短期预测［J］. 电工技术学报， 2024 ， 39 （ 19 ）： 6119 - 6128 .

LI Yunsong ， ZHANG Zhisheng . Transformer based multi load short-term forecasting of integrated energy system considering integrated demand response ［J］. Transactions of China Electrotechnical Society ， 2024 ， 39 （ 19 ）： 6119 - 6128 .

李艳，俞剑蔚，蔡芗宁，等 . 南京市电力负荷特征及夏季极端负荷与气象条件关系［J］. 气象科技， 2021 ， 49 （ 4 ）： 637 - 646 .

LI Yan ， YU Jianwei ， CAI Xiangning ， et al . Characteristics of electric loads in Nanjing and relationship between extreme loads and meteorological conditions in summer ［J］. Meteorological Science and Technology ， 2021 ， 49 （ 4 ）： 637 - 646 .

吴倩红，高军，侯广松，等 . 实现影响因素多源异构融合的短期负荷预测支持向量机算法［J］. 电力系统自动化， 2016 ， 40 （ 15 ）： 67 - 72 .

WU Qianhong ， GAO Jun ， HOU Guangsong ， et al . Short-term load forecasting support vector machine algorithm based on multi-source heterogeneous fusion of load factors ［J］. Automation of Electric Power Systems ， 2016 ， 40 （ 15 ）： 67 - 72 .

BROWELL J ， FASIOLO M . Probabilistic forecasting of regional net-load with conditional extremes and gridded NWP ［J］. IEEE Transactions on Smart Grid ， 2021 ， 12 （ 6 ）： 5011 - 5019 .

薛桁，朱瑞兆，杨振斌，等 . 中国风能资源贮量估算［J］. 太阳能学报， 2001 ， 22 （ 2 ）： 167 - 170 .

XUE Heng ， ZHU Ruizhao ， YANG Zhenbin ， et al . Assessment of wind energy reserves in China ［J］. Acta Energiae Solaris Sinica ， 2001 ， 22 （ 2 ）： 167 - 170 .

郝玉珠，李兴华，胡亚男，等 . 内蒙古57年太阳能资源变化规律及影响因子［J］. 太阳能学报， 2021 ， 42 （ 9 ）： 145 - 151 .

HAO Yuzhu ， LI Xinghua ， HU Yanan ， et al . Change rules and influencing factors of 57 years of solar energy resources in inner Mongolia ［J］. Acta Energiae Solaris Sinica ， 2021 ， 42 （ 9 ）： 145 - 151 .

刘羽，张显峰，吕扬 . 基于风云卫星数据的新疆太阳能资源潜力评价方法研究［J］. 太阳能学报， 2014 ， 35 （ 7 ）： 1295 - 1303 .

LIU Yu ， ZHANG Xianfeng ， LV Yang . Solar energy potential mapping and assessment in Xinjiang（China） based on the FY satellite data ［J］. Acta Energiae Solaris Sinica ， 2014 ， 35 （ 7 ）： 1295 - 1303 .

吉会峰，刘吉堂，宋心刚，等 . 基于ERA5数据的江苏海域风能资源评估［J］. 太阳能学报， 2023 ， 44 （ 1 ）： 320 - 324 .

JI Huifeng ， LIU Jitang ， SONG Xingang ， et al . Evaluation of wind energy resources in Jiangsu sea Area based on ERA5 data ［J］. Acta Energiae Solaris Sinica ， 2023 ， 44 （ 1 ）： 320 - 324 .

张双益，李熙晨 . ERA5资料应用于中国地区太阳能资源评估研究［J］. 太阳能学报， 2023 ， 44 （ 5 ）： 280 - 285 .

ZHANG Shuangyi ， LI Xichen . Study on application of ERA5 data to solar energy resource assessment over China’s region ［J］. Acta Energiae Solaris Sinica ， 2023 ， 44 （ 5 ）： 280 - 285 .

TANG W J ， YANG K ， QIN J ， et al . A 16-year dataset （2000-2015） of high-resolution （3 h， 10 km） global surface solar radiation ［J］. Earth System Science Data ， 2019 ， 11 ： 1905 - 1915 .

王姝，胡菊，吕晨，等 . 基于站点逼近气候四维资料同化的全国风资源高分辨率回算数据集［J］. 电网技术， 2019 ， 43 （ 11 ）： 3859 - 3866 .

WANG Shu ， HU Ju ， LÜ Chen ， et al . A hindcast dataset on domestic wind energy resource in fine resolution via observation-nudging climate four-dimension data assimilation method ［J］. Power System Technology ， 2019 ， 43 （ 11 ）： 3859 - 3866 .

李湃，管晓宏，吴江 . 基于大气动力模型的多风电场出力场景生成方法［J］. 中国电机工程学报， 2015 ， 35 （ 18 ）： 4581 - 4590 .

LI Pai ， GUAN Xiaohong ， WU Jiang . Wind power scenario generation for multiple wind farms based on atmospheric dynamic model ［J］. Proceedings of the CSEE ， 2015 ， 35 （ 18 ）： 4581 - 4590 .

孙惠娟，刘君，彭春华 . 基于分类概率综合多场景分析的分布式电源多目标规划［J］. 电力自动化设备， 2018 ， 38 （ 12 ）： 39 - 45 .

SUN Huijuan ， LIU Jun ， PENG Chunhua . Multi-objective DG planning based on classified probability integration multi-scenario analysis ［J］. Electric Power Automation Equipment ， 2018 ， 38 （ 12 ）： 39 - 45 .

王守相，陈海文，李小平，等 . 风电和光伏随机场景生成的条件变分自动编码器方法［J］. 电网技术， 2018 ， 42 （ 6 ）： 1860 - 1869 .

WANG Shouxiang ， CHEN Haiwen ， LI Xiaoping ， et al . Conditional variational automatic encoder method for stochastic scenario generation of wind power and photovoltaic system ［J］. Power System Technology ， 2018 ， 42 （ 6 ）： 1860 - 1869 .

CHEN Y Z ， WANG Y S ， KIRSCHEN D ， et al . Model-free renewable scenario generation using generative adversarial networks ［J］. IEEE Transactions on Power Systems ， 2018 ， 33 （ 3 ）： 3265 - 3275 .

马燕峰，傅钰，赵书强，等 . 基于WGAN风光资源场景模拟和时序生产模拟的新能源电源容量配置［J］. 电力自动化设备， 2020 ， 40 （ 11 ）： 77 - 86 .

MA Yanfeng ， FU Yu ， ZHAO Shuqiang ， et al . Capacity allocation of new energy source based on wind and solar resource scenario simulation using WGAN and sequential production simulation ［J］. Electric Power Automation Equipment ， 2020 ， 40 （ 11 ）： 77 - 86 .

IMAI I . Studies on ice accretion ［J］. Researches on Snow and Ice ， 1953 ， 3 （ 1 ）： 35 - 44 .

LENHARD R W . An indirect method for estimating the weight of glaze on wires ［J］. Bulletin of the American Meteorological Society ， 1955 ， 36 （ 1 ）： 1 - 5 .

GOODWIN E ， MOZER J ， DIGIOIA A ， et al . Predicting ice and snow loads for transmission line design ［C］// Proceedings of the First International Workshop on Atmospheric Icing of Structures ， May 31 ， 1982， Hannover， Germany .

CHAIN P M ， CASFONGUAY G . New approach to add ice thickness concept applied to bundle like conductors ［R］. Toronto， Canada ： Environment Canada .

LASSE M . Heat transfer and icing of a rough cylinder ［J］. Cold Regions Science and Technology ， 1985 ， 10 （ 2 ）： 105 - 116 .

朱君，向卫国，赵夏菁 . 贵州导线覆冰的致灾机理研究［J］. 高原山地气象研究， 2011 ， 31 （ 4 ）： 42 - 50 .

ZHU Jun ， XIANG Weiguo ， ZHAO Xiajing . Study on disaster-causing mechanism of wire icing in Guizhou ［J］. Plateau and Mountain Meteorology Research ， 2011 ， 31 （ 4 ）： 42 - 50 .

潘浩，周仿荣，马仪，等 . 输电线路覆冰情势与气象要素关联模型研究［J］. 高压电器， 2023 ， 59 （ 12 ）： 75 - 82 .

PAN Hao ， ZHOU Fangrong ， MA Yi ， et al . Association model for icing situation with meteorological factors for transmission line ［J］. High Voltage Apparatus ， 2023 ， 59 （ 12 ）： 75 - 82 .

郝艳捧，王信媛，梁苇，等 . 连续3天覆冰微气象数据驱动的架空输电线路覆冰类型识别与预测［J］. 南方电网技术， 2023 ， 17 （ 6 ）： 107 - 116 .

HAO Yanpeng ， WANG Xinyuan ， LIANG Wei ， et al . Ice types identification and prediction of overhead transmission lines driven by micro-meteorological data of three consecutive days icing ［J］. Southern Power System Technology ， 2023 ， 17 （ 6 ）： 107 - 116 .

陈科技，卞荣，周为政，等 . 台风天气山区地貌某线路跳线风偏事故分析［J］. 高电压技术， 2023 ， 49 （ 4 ）： 1507 - 1514 .

CHEN Keji ， BIAN Rong ， ZHOU Weizheng ， et al . Wind-induced flashover incident analysis of jumper considering the effect of typhoon and mountainous topography ［J］. High Voltage Engineering ， 2023 ， 49 （ 4 ）： 1507 - 1514 .

郑凌铭，舒胜文，陈彬，等 . 强台风环境下基于格点化和支持向量机的10 kV杆塔受损量预测方法［J］. 高电压技术， 2020 ， 46 （ 1 ）： 42 - 51 .

ZHENG Lingming ， SHU Shengwen ， CHEN Bin ， et al . Prediction method for amount of 10 kV damaged poles under severe typhoon environment based on meshing and support vector machine ［J］. High Voltage Engineering ， 2020 ， 46 （ 1 ）： 42 - 51 .

王飞 . 雷达资料在北京地区雷电预警中的应用研究［D］. 北京：中国气象科学研究院， 2007 .

WANG Fei . The application research of radar data for the lightning warning of isolated storm cells in beijing ［D］. Beijing ： Chinese Academy of Meteorological Sciences ， 2007 .

高太长，黄子洋，张鹏，等 . 大气电场资料与雷达回波融合的一种方法［J］. 解放军理工大学学报（自然科学版）， 2006 ， 7 （ 3 ）： 302 - 306 .

GAO Taichang ， HUANG Ziyang ， ZHANG Peng ， et al . Method of amalgamate atmospheric electric field data and radar data ［J］. Journal of PLA University of Science and Technology （Natural Science Edition）， 2006 ， 7 （ 3 ）： 302 - 306 .

谷山强，王剑，冯万兴，等 . 电网雷电监测数据统计与挖掘分析［J］. 高电压技术， 2016 ， 42 （ 11 ）： 3383 - 3391 .

GU Shanqiang ， WANG Jian ， FENG Wanxing ， et al . Statistical and mining analysis of lightning detection data in power grid ［J］. High Voltage Engineering ， 2016 ， 42 （ 11 ）： 3383 - 3391 .

谷山强，陈家宏，陈维江，等 . 架空输电线路雷击闪络预警方法［J］. 高电压技术， 2013 ， 39 （ 2 ）： 423 - 429 .

GU Shanqiang ， CHEN Jiahong ， CHEN Weijiang ， et al . Method for lightning flashover warning of overhead transmission lines ［J］. High Voltage Engineering ， 2013 ， 39 （ 2 ）： 423 - 429 .

刘维 . 架空输电线路雷击闪络预警原理和方法［J］. 电子技术与软件工程， 2015 （ 21 ）： 224 - 225 .

LIU Wei . Principle and method of lightning flashover early warning for overhead transmission lines ［J］. Electronic Technology & Software Engineering ， 2015 （ 21 ）： 224 - 225 .

BREUNIG M ， KRIEGEL H ， NG R T ， et al . LOF： identifying density-based local outliers ［C］// Proceedings of the 2000 ACM SIGMOD International Conference on Management of Data Dallas ， May 15 - 18 ， Texas， USA.

ABRAHAM B ， BOX G E P . Bayesian analysis of some outlier problems in time series ［J］. Biometrika ， 1979 ， 66 （ 2 ）： 229 - 236 .

DANG T T ， NGAN H Y T ， LIU W . Distance-based k -nearest neighbors outlier detection method in large-scale traffic data ［C］// 2015 IEEE International Conference on Digital Signal Processing （DSP）， July 21-24 ， 2015 ， Singapore.

NG R T ， HAN J . Efficient and effective clustering methods for spatial data mining ［C］// Proceedings of the 20th International Conference on Very Large Data Bases ， September 12-15 ， 1994 ， Santiago de Chile， Republic of Chile .

薛建军，贾朋群，肖子牛 . 集合、同化思想在大气科学中的渗透［J］. 气象科技进展， 2022 ， 12 （ 6 ）： 64 - 72 .

XUE Jianjun ， JIA Pengqun ， XIAO Ziniu . Application and progress of ensemble and assimilation for the atmospheric science ［J］. Advances in Meteorological Science and Technology ， 2022 ， 12 （ 6 ）： 64 - 72 .

LYNGOC L . A numerical coupled model for studying air-sea-wave interaction ［J］. Physics of Fluids ， 1995 ， 7 （ 10 ）： 2396 - 2406 .

山东大学电力系统经济运行团队 . 能源气象科研数据服务平台［EB/OL］.［ 2024-04-05 ］. https：//energymeteo-pseo.sdu.edu.cn https://energymeteo-pseo.sdu.edu.cn .

Power System Economic Operation Team of Shandong University . Energy & meteorology research service platform ［EB/OL］. ［ 2024-04-05 ］. https：//energymeteo-pseo.sdu.edu.cn https://energymeteo-pseo.sdu.edu.cn .

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Review on Applications and Solving Techniques of Time-series Production Simulation for New Power System

Transient Frequency Safety Assessment Based on Independent Spatial-temporal Feature Extraction and Grouped Enhancement

Marginal Carbon Emission Factors in Multiple Time Periods and Analysis of Their Uncertainties

Efficient Solution to Source-Grid-Storage Coordinated Planning Based on Integration of Evolutionary Algorithms and Empirical Rules

Related Author

WEI Lishen

AI Xiaomeng

FANG Jiakun

ZHU Bangxian

WEN Jinyu

YANG Wenxian

SHI Fang

SONG Xuemeng

Related Institution

State Key Laboratory of Advanced Electromagnetic Technology (Huazhong University of Science and Technology)

National Joint Engineering Laboratory of Power Grid with Electric Vehicles (Shandong University)

School of Computer Science and Technology, Shandong University

School of Electrical Engineering, Shandong University

State Grid Shandong Electric Power Research Institute

⁰