气象预报数据在风电预测中的融合技巧

📚 共计 30 章节

气象数据基础

风速、风向、温度、气压、湿度的物理意义与测量原理

物理量传感器

数值天气预报(NWP)原理

全球模式与区域模式的差异及分辨率影响

NWP数据获取

ECMWF、GFS、CMA等主流预报源的特点与接口

数据预处理

缺失值处理、异常值检测、时间对齐与重采样

空间匹配技术

双线性插值、最近邻插值在风电场网格中的应用

时间匹配技术

预报时效对齐、滚动预报与观测数据的同步策略

特征工程基础

从原始气象变量构造有效预测特征的方法

风速特征提取

平均风速、阵风系数、风切变指数、湍流强度

风向特征处理

风向的三角函数变换与扇区划分技巧

温压湿特征

空气密度计算、温度层结与稳定度指标

密度稳定度

多源数据融合

加权平均、偏差校正与最优插值方法

融合偏差校正

卡尔曼滤波融合

状态空间模型在气象序列动态校正中的应用

卡尔曼动态

贝叶斯融合

先验分布与似然函数在概率预报中的结合

贝叶斯概率

机器学习融合

随机森林、XGBoost对多源预报的集成策略

随机森林XGBoost

深度学习融合

CNN与LSTM在时空气象特征提取中的角色

注意力机制

Transformer模型对关键气象因子的自适应加权

注意力Transformer

图神经网络

风电场拓扑结构在气象空间传播建模中的应用

时序特征融合

滑动窗口统计、滞后变量与差分特征构造

滑动窗口滞后

频域特征融合

傅里叶变换与小波变换提取周期性气象模式

傅里叶小波

不确定性量化

分位数回归与区间预测在融合结果中的体现

分位数区间

模型评估指标

MAE、RMSE、CRPS、Pinball Loss详解

交叉验证策略

时间序列滚动验证与气象场景划分方法

交叉验证滚动

超参数调优

贝叶斯优化与网格搜索在融合模型中的应用

调优贝叶斯

实时融合系统

流式数据处理与增量学习框架设计

案例实战：海上风电场

某海上风电场多源气象数据融合全流程

海上风电全流程

案例实战：复杂地形

复杂地形风电场局地微气象特征融合技巧

复杂地形微气象

案例实战：极端天气

极端天气事件（台风、寒潮）下的融合策略

模型序列化、API封装与Docker容器化实践

融合模型漂移检测与自动重训机制

物理信息神经网络(PINN)与可解释AI在气象融合中的应用

PINN可解释AI