气象预测模型在风电中的应用

📚 共计 30 章节

气象预测基础

大气运动基本方程 · 数值天气预报原理 · 气象数据来源与格式 (GRIB/NetCDF)

大气科学NWP

风电功率特性

风速与功率曲线 · 空气密度影响 · 湍流强度与切变效应

风能空气动力学

气象数据预处理

缺失值处理 · 异常值检测 · 时间序列重采样 · 空间插值方法

数据清洗插值

气象特征提取 (气压/温度/湿度/风向) · 时序特征构建 · 特征选择方法

特征提取降维

经典统计模型

ARIMA模型原理 · SARIMA季节性模型 · 模型评估指标 (MAE/RMSE)

时间序列ARIMA

机器学习入门

线性回归 · 决策树 · 随机森林在风速预测中的应用

深度学习基础

神经网络结构 · 激活函数 · 损失函数 · 优化器选择

循环神经网络原理 · LSTM门控机制 · 时间步长与批量大小设置

卷积神经网络处理气象格点数据 · 空间特征提取

CNN-LSTM架构 · 注意力机制 · Transformer在时序预测中的应用

混合Attention

模型训练技巧

早停法 · 学习率衰减 · Dropout正则化 · 批量归一化

正则化调参

超参数调优

网格搜索 · 随机搜索 · 贝叶斯优化 · Optuna框架

Bagging · Boosting · Stacking在风电预测中的实战

分位数回归 · 贝叶斯神经网络 · 置信区间估计

不确定性贝叶斯

递归多步 · 直接多步 · Seq2Seq模型 · 教师强制策略

空间相关性

多风电场联合预测 · 图神经网络基础 · 空间注意力机制

数值天气预报降尺度

动力降尺度 · 统计降尺度 · 混合方法

ECMWF集合预报系统 · 概率校准 · Brier评分

实时预测系统

数据管道设计 · 模型部署 · API开发 (Flask/FastAPI)

误差分析与修正

残差分析 · 偏差校正 · 卡尔曼滤波后处理

后处理卡尔曼

极端天气预测

台风 · 雷暴 · 冰冻场景下的风电预测挑战与对策

极端鲁棒性

短期预测 (0-6h)

雷达外推 · 光流法 · 临近预报技术

中期预测 (6-72h)

NWP与ML融合 · 模型输出统计 (MOS)

长期预测 (月/季)

气候模式 · 遥相关因子 · SST异常影响

气候遥相关

风功率爬坡事件

定义与检测 · 爬坡概率预测 · 风险预警系统

模型可解释性

SHAP值 · 特征重要性 · LIME · 部分依赖图

生成对抗网络 (GAN) 生成气象场景 · 时间序列增强

预训练模型微调 · 跨风电场迁移 · 域自适应技术

迁移域自适应

隐私保护下的多风电场协同建模 · 安全聚合协议

AI物理融合模型 · 可微分数值模式 · 数字孪生风电场的展望

AI+物理数字孪生