基于EnKF-ConvLSTM混合模型的沙尘暴时空预报及其在光伏电站运维中的应用
《Atmosphere》:Spatiotemporal Prediction of Sandstorm Utilizing Multi-Source Data and ConvLSTM Model: A Case Study in Northwest China
【字体:
大
中
小
】
时间:2026年09月25日
来源:Atmosphere 2.6
摘要
频繁的沙尘暴对干旱地区的光伏发电构成重大威胁。光伏电站的有效运行需要对粉尘气溶胶的时空分布进行准确预报。本研究通过结合地面 PM10 浓度数据和葵花 -8/9 卫星的气溶胶光学厚度(AOD)数据,考察了中国西北甘肃省的沙尘特征。结果表明,沙尘暴主要发生在春季,且西北部地区(如酒泉、武威)的浓度显著高于东南部。为了解决传统数值模型在时间分辨率方面的局限性以及单源机器学习方法在空间依赖性方面的差距,我们开发了一种创新的混合模型,该模型集成了集合卡尔曼滤波(EnKF)和卷积长短期记忆(ConvLSTM)网络。通过使用 EnKF 同化多源数据,并采用具有高值关注损失函数的多尺度卷积模块,该模型实现了提前 4 小时的准确预报,均方根误差(RMSE)为 30.1 μg m?3,平均绝对误差(MAE)为 16.1 μg m?3。针对 2024 年 4 月的一次区域沙尘事件进行验证,EnKF-ConvLSTM 模型有效捕捉了沙尘暴的演变过程,每次模拟的计算时间不到 30 秒。该方法为光伏电站的主动维护提供了坚实的基础,并增强了易发沙尘暴地区可再生能源系统的稳定性。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号