科学网-[打听，讨论] 高精度高可靠性风速、风向短期预报的具体技术和方法是什么？-杨正瓴的博文

切换到桌面版

[打听，讨论] 高精度高可靠性风速、风向短期预报的具体技术和方法是什么？

2024-5-24 22:49

阅读：1742

汉语是联合国官方正式使用的 6 种同等有效语言之一。请不要歧视汉语！

Chinese is one of the six equally effective official languages of the United Nations.

Not to discriminate against Chinese, please!

[打听，讨论] 高精度高可靠性风速、风向短期预报的具体技术和方法是什么？

风： wind

风速： wind speed

风向： wind direction

欧洲中期天气预报中心： European Centre for Medium-Range Weather Forecasts, ECMWF

基于AI技术的天气预报模型： Artificial Intelligence/Integrated Forecasting System, AIFS

风力发电（风电功率预测）需要的未来天气信息：

未来36小时，尤其是未来24小时，特别是未来4小时的“风速、方向、湿度、降雨”等。

不过，对于不同的人，需要的未来时间，也不一定和上面列举的完全一样。

一、[打听] ECMWF 的 AIFS 风（风速、方向）预报效果？

许小峰 2024-05-19 欧洲中期天气预报中心的AI发展之路 11.png

图1 许小峰老师，ECMWF又推出了新的AIFS版本，水平分辨率提升到了28 km （0.25°）

https://blog.sciencenet.cn/blog-1310230-1434731.html

从许小峰老师 2024-05-19《欧洲中期天气预报中心的AI发展之路》的上图看，该版AIFS的短期（3天以内）误差并不算小。

风力发电渴望的是不低于“98%的定时定量”风预报，提前时间不应低于24小时。

满足此要求的的“风，风电功率”预测的具体技术是什么？

二、我们的“基于空间相关性的区域风电预测网络 A regional network for wind power forecasting by spatial correlation”应该采用那些新技术？

图2 我们的“基于空间相关性的区域风电预测网络”应用地域示意图，图中我国东南部的浅蓝色区域。

背景：中国地图 1:1400万 4开有邻国线划二

http://bzdt.ch.mnr.gov.cn/download.html?searchText=4620

相关技术细节。请看我们的论文和硕士学位论文。感谢！

空间相关性首选的区域，为我国东南部的季风区。东部、东南部的沿海区域。海面的风，通常比陆地平稳，且昼夜差明显小。图2中“浅蓝色区域”的重要性，不需要我说吧？

三、[怀疑，打听] 我们坚持多年的研究思路，仍然处在世界领先？

AI大模型的根本性缺陷，来自“归纳、类比”推理的内在缺陷。详见刘伟老师的博客。

http://blog.sciencenet.cn/u/twhlw

https://blog.sciencenet.cn/home.php?mod=space&uid=40841

2022-11 前后《知乎》里《华为云提出盘古气象大模型：中长期气象预报精度首次超过传统数值方法，速度提升10000倍以上》讨论里有：

https://zhuanlan.zhihu.com/p/582285853

“总体来说强度比较高的台风比较容易预测，台风密集区域的比较容易预测，但是南半球/中东/印度洋还是经常出错的（还有就是台风深入陆地/刚刚生成/不登陆）。”

“气象的物理方程太复杂了[捂脸]奇葩错误确实会有，举个例子我们有一个马达加斯加的台风预测错了，可视化里显示AI把台风分裂了，两个旋度极值往两个方向跑了，然后AI追踪错了，可能AI觉得两个方向都有可能？毕竟也没人和他说台风不能分裂，但是整体轨迹预测非常准，我们直接在best track上测试的（偶尔会有一些一分为二的奇怪错误）”

显然，上面这两类现象基本上就是归纳推理“罗素火鸡 Russell’s Turkey”的直接表现：用过去的经验来直接推测未来。

还有下面的对话值得进一步思考：

喵星算命师：

只能说工作是有意义的，但是说结束争论太夸张了。训练用的ERA5本身就是数值模式的结果，是基于已有物理规律和观测后验的最优估计。ERA5的质量非常高，而实际operational的模式没有这么高质量的初值，这当中的噪声已经不是一般的“大”了。另外，和operational IFS的比较是unfair的。最后，模式提供的是同化、预测、模拟的一整套工具体系，而AI训练还依赖于模式，就没法证明AI比模式更优。等AI什么时候能自己做初值，再自己做预测和模拟的时候才是AI超过NWP的时候

2022-11-11 · IP 属地浙江

基本不用知乎：

确少实际的初值是一个问题，不过我们测试过ERA5和TIGGE里operational IFS预测的初值的差距，基本上只有6小时左右（不同var不太一样），主要影响近期的预报精度，对如5天预报的精度影响是很小的。

如果注意的话也会发现，之前的AI方法如FourCastNet短期预报精度能够比IFS方法略好，但是长期落后很多，这就有初值差距的影响，但是我们现在3-7天还是全线领先的，对于7天预报，风速的RMSE已经接近7m/s，这个时候初值影响已经很小了（我们试过加各种形式比较大的噪音）

同化算法我们现在没法做，因为缺乏数据，所以我们想表达，AI是能够超过数值预报的，在medium range预报上，至于同化，后处理和降采样这个我们暂时缺乏数据对比。

2022-11-11 · IP 属地广东

参考资料：

[1] 许小峰，2016-12-28 08:52，不确定性信息与清洁能源的利用精选

https://blog.sciencenet.cn/blog-1310230-1023781.html

风、光能源的弊端在于所供应的电量存在显著的不稳定性。风力风向、日照辐射都会随时发生变化，且对供应量强弱变化的预测准确率难以满足供电部门及时调节供电量以确保稳定性的需求。据介绍，用电部门对供电量稳定性的要求是非常高的，要达到98%以上才算达标。要想满足这一要求，就意味着对风、电变化的预测也要达到相应的准确度，才能在供电时可以根据预测来进行供电方式的调节，而这一问题在利用传统的火电时是不存在的。

首先是从供给侧来看，最直接的考虑是尽量提高风与光的预报准确率，这是供电部门对气象预报最期盼的要求，但实现起来有很大难度，受到目前科技发展水平的制约。就目前的预报准确率而言，98%的定时定量指标确实太高了。气象预报人员可以做出100%的努力，但尚难以达到90%以上准确率的需求。

在大数据时代，对许多复杂且不确定的信息，通过合理的分析就可能得到相对确定的结果。而对于不确定的天气预报，挖掘其确定性的应用显然也是值得尝试的。实际上，每天对公众发布的天气预报，都是不确定的，远达不到100%的准确，但从存在众多的天气预报用户这一角度来看，又有谁能说这些信息没有用呢？

[2] 许小峰，2024-05-19 19:11，欧洲中期天气预报中心的AI发展之路

https://blog.sciencenet.cn/blog-1310230-1434731.html

2023年夏天，经成员国批准，ECMWF组建了自己的技术团队，在分析比较了已发布的各类AI模型，包括英伟达的 FourCastNet，中国的盘古、风乌和伏羲模型，及谷歌的GraphCast等，团队最终在技术框架上选择了与GraphCast类似的图形神经网络（GNN）方案，以达到网格处理的灵活性和提升参数效率的目的。

经过几个月的研发，2023年10月13日，ECMWF发布了基于AI技术的天气预报模型AIFS（Artificial Intelligence/Integrated Forecasting System）alpha版本，垂直方向包括 13 个等压层级，水平分辨率约110公里，可以对温度、湿度、压力、风等要素进行预测，以6小时的时间间隔，1分钟可以完成10天的全球预报。

从对2023年6~8月的500百帕的高度的均方根误差（RMSE）检验看，已较传统模式IFS有了显著改进。2024 年 1 月 10 日，ECMWF又推出了新的AIFS版本，水平分辨率提升到了28 km （0.25°）,准确率较老版本也有了新的提升，这个版本的产品已同ECMWF的传统模式IFS的产品一起对外发布，供用户使用。

[3] 许小峰，2018-04-16，大牛“EC” 精选

http://blog.sciencenet.cn/blog-1310230-1109328.html

[4] 科学出版社，2017-10-12，当气象遇上大数据精选

http://blog.sciencenet.cn/blog-528739-1080292.html

[5] 叶笃正，李崇银，王必魁．动力气象学[M]．北京：科学出版社，1988．

[6] 陈隆勋, 朱乾根, 罗会邦, 何金海, 董敏, 冯志强. 东亚季风[M]. 北京：气象出版社，1991.

[7] Juan Blanco, Houshang Kheradmand. Climate change - geophysical foundations and ecological effects [M]. 2011

https://econpapers.repec.org/bookchap/itopbooks/1173.htm

[8] 曾庆存, 叶笃正. 旋转大气中运动适应过程问题的研究(一)[J]. 大气科学, 1980, 4(4): 379-393.

doi: 10.3878/j.issn.1006-9895.1980.04.12

http://www.dqkxqk.ac.cn/dqkx/dqkx/article/abstract/19800412?st=article_issue

[9] 吕建华，2020-07-03，一篇非SCI文章，两位国家最高奖作者：关于大气中的适应问题精选

http://blog.sciencenet.cn/blog-3360191-1240516.html

[10] 杜钧, 钱维宏. 天气预报的三次跃进[J]. 气象科技进展, 2014, 4(6): 13-26.

doi: 10.3969/j.issn.2095-1973.2014.06.002

http://cmalibrary.cn/amst/2014/201406/yjlw/zs/201501/t20150109_58585.htm

https://d.wanfangdata.com.cn/conference/8850133

[11] 2023-05-06，区域气候模式/regional climate model/吴佳，中国大百科全书，第三版网络版[DB/OL]

https://www.zgbk.com/ecph/words?SiteID=1&ID=48420&Type=bkzyb&SubID=76747

[12] 2023-01-10，气候模拟/climatic simulation/张学珍，中国大百科全书，第三版网络版[DB/OL]

https://www.zgbk.com/ecph/words?SiteID=1&ID=633780&Type=bkzyb&SubID=248109

[13] 2023-03-16，全大气层通用气候模式/Whole Atmosphere Community Climate Model; WACCM/任荣彩，夏昕，饶建，中国大百科全书，第三版网络版[DB/OL]

https://www.zgbk.com/ecph/words?SiteID=1&ID=539335&Type=bkzyb&SubID=230647

[14] 2023-05-06，数值模式动力框架/dynamic core of numerical model/李兴良，中国大百科全书，第三版网络版[DB/OL]

https://www.zgbk.com/ecph/words?SiteID=1&ID=48400&Type=bkzyb&SubID=76728

[15] 2023-05-06，气候系统模式/climate system model/王在志，中国大百科全书，第三版网络版[DB/OL]

https://www.zgbk.com/ecph/words?SiteID=1&ID=48419&Type=bkzyb&SubID=76747

[16] 2023-01-10，气候变化模拟/climate change modelling/刘健，中国大百科全书，第三版网络版[DB/OL]

https://www.zgbk.com/ecph/words?SiteID=1&ID=633835&Type=bkzyb&SubID=248196

[17] 杨正瓴, 冯勇, 熊定方, 杨钊, 张玺, 张军. 基于季风特性改进风电功率预测的研究展望[J]. 智能电网, 2015, 3(1): 1-7. 2015年01月

doi: 10.14171/j.2095-5944.sg.2015.01.001

https://wap.cnki.net/qikan-ZNDW201501001.html

https://d.wanfangdata.com.cn/periodical/zndw201501001

https://www.cnki.com.cn/Article/CJFDTotal-ZNDW201501001.htm

[18] 杨正瓴, 刘仍祥, 李真真. 基于季风和大气压分布的我国风电功率预测研究[J]. 分布式能源, 2018, 3(2): 29-38. 2018年04月

doi: 10.16513/j.cnki.10-1427/tk.2018.02.005

http://der.tsinghuajournals.com/CN/Y2018/V3/I2/29

http://www.cqvip.com/QK/71975X/201501/90786887504849534849484849.html

https://kns.cnki.net/kcms2/article/abstract?v=LGlPPz-4LgGRWUdm7Vr0BGyxgkBtazT77BH7P3_pKlNSgSm6VNTpv9SlnGe8OnktdtPwAEB8o-mYJRX0q0Qx4nSGZdz_CAJtximhRnOpcctI-6At1Zt7sB1bJ-ZpNbcxTsGpIbB45TC8h4eVj0B-4A==&uniplatform=NZKPT&language=CHS

[19] 杨正瓴, 王如雪, 乔健, 张玺, 杨钊, 张军. 大气压的差值对风速空间相关性预测的影响分析[J]. 发电技术, 2020, 41(6): 617-624.

doi: 10.12096/j.2096-4528.pgt.19126

https://www.pgtjournal.com/CN/10.12096/j.2096-4528.pgt.19126

[20] Zheng-Ling Yang, Han Wang, Sheng Lian, et al. Confidence intervals of six distance indices estimated by numerical simulations [C]. 2021 40th Chinese Control Conference (CCC): 5905-5910. July 2021.

doi: 10.23919/CCC52363.2021.9549775

https://ieeexplore.ieee.org/document/9549775

[21] Zheng-Ling Yang, Hai-Chao Zhao, Han Wang, et al. The spatial correlation and lead time for wind speed prediction in east and southeast coastal region of China [C]. 2022 41st Chinese Control Conference (CCC): 6142-6147. July 2022.

doi: 10.23919/CCC55666.2022.9902451

https://ieeexplore.ieee.org/document/9902451

相关链接：

[1] 2024-05-23，[打听，讨论] ECMWF 人工智能天气预报 AIFS 的核心是什么？

https://blog.sciencenet.cn/blog-107667-1435372.html

[2] 2018-03-03，ECMWF（欧洲中期天气预报中心）的预报误差

https://blog.sciencenet.cn/blog-107667-1102078.html

[3] 2017-07-12，欧洲中期天气预报中心 ECMWF 网址

https://blog.sciencenet.cn/blog-107667-1065890.html

[4] 2022-04-24，[归纳推理] 罗素的第二只火鸡（Russell's second turkey）与贪心算法（Greedy Algorithms）

https://blog.sciencenet.cn/blog-107667-1335405.html

[5] 2021-07-12，[资料] 罗素的火鸡（Russell’s turkey）