3、预报产品获取：GFS/ECMWF数据源、API接口调用、数据格式解析

好，咱们进入正题。预报产品怎么拿到手？这是所有后续工作的基础。你算法再牛，模型再先进，拿不到数据，一切都是空谈。

我个人习惯把数据获取分成三步：选源、调接口、解格式。每一步都有坑，我踩过的坑，今天都给你摆出来。

3.1 两大主流数据源：GFS 与 ECMWF

目前风电调度用得最多的，就是美国的 GFS 和欧洲的 ECMWF。说白了，一个免费但粗糙，一个收费但精细。

对比项	GFS（全球预报系统）	ECMWF（欧洲中期天气预报中心）
空间分辨率	约 13 km（0.25°）	约 9 km（0.1°）
时间分辨率	3 小时（0-240h），12 小时（240-384h）	1 小时（0-90h），3 小时（90-240h）
更新频次	每天 4 次（00,06,12,18 UTC）	每天 2 次（00,12 UTC）
获取成本	免费	商业授权（较贵）
适用场景	短期功率预测、资源评估	中期调度、极端天气预警

3.2 API 接口调用：别让数据卡在第一步

拿到数据源之后，怎么调？现在主流方式是通过 RESTful API。我给你看一个我常用的 Python 示例，调用 NOAA 的 GFS 数据接口。

import requests
import json

# GFS 数据 API 端点（示例）
url = "https://api.weather.gov/points/39.7456,-97.0892"

headers = {
    "User-Agent": "MyWindApp/1.0 (myemail@example.com)",
    "Accept": "application/json"
}

try:
    response = requests.get(url, headers=headers, timeout=10)
    response.raise_for_status()
    data = response.json()
    print("数据获取成功！")
    # 后续解析...
except requests.exceptions.Timeout:
    print("请求超时，检查网络或重试。")
except requests.exceptions.HTTPError as e:
    print(f"HTTP 错误：{e.response.status_code}")
except Exception as e:
    print(f"其他错误：{e}")

为什么会这样？因为这些气象机构要防止滥用。你想想看，如果每个人都不加限制地狂刷数据，服务器早崩了。所以，加 User-Agent、控制请求频率、做好重试机制，这是基本功。

3.3 数据格式解析：GRIB2 与 NetCDF

数据拿到手了，但打开一看，一堆二进制乱码。嗯，这里要注意，气象数据不是 CSV 或 JSON 那种人类可读的格式。主流格式就两种：GRIB2 和 NetCDF。

3.3.1 GRIB2 格式

GRIB2 是 WMO（世界气象组织）的标准。说白了，它把数据压缩得很小，但解析起来麻烦。我推荐用 pygrib 库。

import pygrib

# 打开 GRIB2 文件
grbs = pygrib.open("gfs.t00z.pgrb2.0p25.f006")

# 遍历所有消息
for grb in grbs:
    print(f"参数: {grb.name}, 层次: {grb.level}, 时间: {grb.validDate}")

# 提取 10 米风速
u10 = grbs.select(name="10 metre U wind component")[0]
v10 = grbs.select(name="10 metre V wind component")[0]

# 计算风速大小
import numpy as np
speed = np.sqrt(u10.values**2 + v10.values**2)
print(f"风速矩阵形状: {speed.shape}")

grbs.close()

3.3.2 NetCDF 格式

NetCDF 更现代一些，自描述性强。ECMWF 的数据很多用这个格式。我用 xarray 库解析，非常方便。

import xarray as xr

# 打开 NetCDF 文件
ds = xr.open_dataset("ecmwf_20250101.nc")

# 查看数据结构
print(ds)

# 提取特定经纬度的风速序列
lat, lon = 39.5, 116.3
wind_speed = ds["si10"].sel(latitude=lat, longitude=lon, method="nearest")
print(wind_speed)

# 转换为 pandas DataFrame 方便后续处理
df = wind_speed.to_dataframe()
print(df.head())

ds.close()

3.4 知识体系总览

我把这一章的核心逻辑画成了图，方便你理解整个数据获取的流程。

这张图把整个流程串起来了。从选源到调接口，再到解析格式，每一步都有对应的工具和注意事项。你照着这个流程走，基本不会出大问题。