1.本公開涉及風電技術領域，特別是涉及一種風電出力預測方法、電子設備、存儲介質及系統(tǒng)。


背景技術：

2.隨著風力發(fā)電技術的日臻成熟，風電單機容量和風電場規(guī)模不斷擴大，風電占電力系統(tǒng)發(fā)電總量的比例也逐年增加。風電場穿透功率不斷加大，給電力系統(tǒng)所帶來的一系列問題日益突出，不利于電力系統(tǒng)安全、穩(wěn)定、經濟、可靠的運行。對風電出力進行及時、準確地預測，可以增強電力系統(tǒng)的安全性、穩(wěn)定性、經濟性和可控性。


技術實現(xiàn)要素：

3.本公開提供一種風電出力預測方法，所述方法包括：
4.周期性獲取每個接收時間節(jié)點對應的初始氣象數(shù)據(jù)集；每個所述初始氣象數(shù)據(jù)集包括與至少一個氣象要素一一對應的初始氣象數(shù)據(jù)，所述初始氣象數(shù)據(jù)包括與其對應的氣象要素的至少一個維度的初始氣象子數(shù)據(jù)；
5.在獲取到最新接收時間節(jié)點對應的最新初始氣象數(shù)據(jù)集后，從各個最新初始氣象子數(shù)據(jù)中識別異常子數(shù)據(jù)；
6.當識別出異常子數(shù)據(jù)時，對識別出的所述異常子數(shù)據(jù)進行平滑處理，得到平滑氣象數(shù)據(jù)集，當未識別出異常子數(shù)據(jù)時，將所述最新初始氣象數(shù)據(jù)集為平滑氣象數(shù)據(jù)集；
7.確定所述最新接收時間節(jié)點對應的瞬時風能密度；
8.對所述瞬時風能密度進行滾動均值計算，得到目標時間段內的平均風能密度；所述目標時間段包括所述最新接收時間節(jié)點；
9.將所述目標時間段內的所述平滑氣象數(shù)據(jù)集以及所述平均風能密度作為輸入特征，輸入至風電出力預測模型，以使所述風電出力預測模型輸出所述目標時間段的風電出力預測值。
10.可選地，所述對所述瞬時風能密度進行滾動均值計算，得到目標時間段內的平均風能密度；所述目標時間段包括所述最新接收時間節(jié)點，包括：
11.沿時間軸滾動第一時間窗，以使所述第一時間窗與所述目標時間段對齊；
12.對所述第一時間窗內的多個所述瞬時風能密度進行均值計算，得到所述目標時間段內的平均風能密度。
13.可選地，所述平滑氣象子數(shù)據(jù)至少包括平滑風機輪轂處風速和平滑空氣密度，所述確定所述最新接收時間節(jié)點對應的瞬時風能密度，包括：
14.根據(jù)所述最新接收時間節(jié)點對應的所述平滑風機輪轂處風速和所述平滑空氣密度，確定所述最新接收時間節(jié)點對應的瞬時風能密度。
15.可選地，所述在獲取到最新接收時間節(jié)點對應的最新初始氣象數(shù)據(jù)集后，從各個最新初始氣象子數(shù)據(jù)中識別異常子數(shù)據(jù)，包括：
16.在獲取到最新接收時間節(jié)點對應的最新初始氣象數(shù)據(jù)集后，沿時間軸滾動第二時間窗，以使所述第二時間窗包括所述最新接收時間節(jié)點；
17.對所述第二時間窗內屬于相同所述氣象要素的相同所述維度且為非空值的所述初始氣象子數(shù)據(jù)，進行正態(tài)標準化處理，得到每個所述最新初始氣象子數(shù)據(jù)對應的正態(tài)標準化值；
18.將所述正態(tài)標準化值未處于預設數(shù)值范圍的所述最新初始氣象子數(shù)據(jù)，確定為所述異常子數(shù)據(jù)。
19.可選地，所述在獲取到最新接收時間節(jié)點對應的最新初始氣象數(shù)據(jù)集后，沿時間軸滾動第二時間窗，以使所述第二時間窗包括所述最新接收時間節(jié)點之后，還包括：
20.將所述第二時間窗內的各個所述最新初始氣象子數(shù)據(jù)中的空值，確定為所述異常子數(shù)據(jù)。
21.可選地，所述當識別出異常子數(shù)據(jù)時，對識別出的各個所述異常子數(shù)據(jù)進行平滑處理，得到平滑氣象數(shù)據(jù)集，包括：
22.對于識別出的任一所述異常子數(shù)據(jù)，沿時間軸滾動第三時間窗，以使所述第三時間窗包括所述異常子數(shù)據(jù)對應的所述接收時間節(jié)點，以及先于所述異常子數(shù)據(jù)對應的所述接收時間節(jié)點的多個所述接收時間節(jié)點；
23.對所述第三時間窗內與所述異常子數(shù)據(jù)屬于相同所述氣象要素的相同所述維度的所述初始氣象子數(shù)據(jù)，進行均值計算，得到所述異常子數(shù)據(jù)對應的新值；
24.將每個所述異常子數(shù)據(jù)替換為對應的所述新值，得到平滑氣象數(shù)據(jù)集。
25.可選地，所述周期性獲取每個接收時間節(jié)點對應的初始氣象數(shù)據(jù)集，包括：
26.周期性獲取每個接收時間節(jié)點對應的初始氣象數(shù)據(jù)預測集；所述初始氣象數(shù)據(jù)預測集根據(jù)至少一個歷史的接收時間節(jié)點對應的歷史的初始氣象數(shù)據(jù)真值集進行預測得到。
27.可選地，所述周期性獲取每個接收時間節(jié)點對應的初始氣象數(shù)據(jù)集，包括：
28.周期性獲取每個接收時間節(jié)點對應的初始氣象數(shù)據(jù)真值集。
29.可選地，所述周期性獲取每個接收時間節(jié)點對應的初始氣象數(shù)據(jù)集之前，還包括：
30.獲取多個第一樣本集；所述第一樣本集包括歷史時間段內的每個歷史接收時間節(jié)點對應的平滑氣象數(shù)據(jù)集樣本、所述歷史時間段內的平均風能密度樣本，以及所述歷史時間段的風電出力真值樣本；
31.構建提升模型；
32.根據(jù)多個所述第一樣本集，對所述提升模型進行訓練，得到訓練后提升模型；
33.根據(jù)所述訓練后提升模型，生成所述風電出力預測模型。
34.可選地，所述根據(jù)多個所述第一樣本集，對所述提升模型進行訓練，得到訓練后提升模型，包括：
35.根據(jù)多個所述第一樣本集，通過交叉驗證法對所述提升模型進行訓練，得到訓練后提升模型。
36.可選地，所述將所述目標時間段內的所述平滑氣象數(shù)據(jù)集以及所述平均風能密度作為輸入特征，輸入至風電出力預測模型，以使所述風電出力預測模型輸出所述目標時間段的風電出力預測值之前，還包括：
37.獲取所述目標時間段內每個所述接收時間節(jié)點對應的歷史風電出力真值；
38.所述將所述目標時間段內的所述平滑氣象數(shù)據(jù)集以及所述平均風能密度作為輸入特征，輸入至風電出力預測模型，以使所述風電出力預測模型輸出所述目標時間段的風電出力預測值，包括：
39.將所述目標時間段內的各個所述歷史風電出力真值、所述平滑氣象數(shù)據(jù)集以及所述平均風能密度作為輸入特征，輸入至風電出力預測模型，以使所述風電出力預測模型輸出所述目標時間段的風電出力預測值。
40.可選地，所述根據(jù)所述訓練后提升模型，生成所述風電出力預測模型之前，還包括：
41.獲取多個第二樣本集；所述第二樣本集包括所述歷史時間段內的每個所述歷史接收時間節(jié)點對應的歷史風電出力真值樣本；
42.構建時間序列模型；
43.根據(jù)多個所述第二樣本集，對所述時間序列模型進行訓練，得到訓練后時間序列模型；
44.所述根據(jù)所述訓練后提升模型，生成所述風電出力預測模型，包括：
45.將所述訓練后提升模型與所述訓練后時間序列模型進行堆疊融合，獲得所述風電出力預測模型。
46.可選地，所述方法還包括：
47.在獲取到多個新第一樣本集和多個新第二樣本集后，根據(jù)多個所述新第一樣本集和多個所述新第二樣本集，對所述風電出力預測模型進行重新訓練，以對所述風電出力預測模型進行更新。
48.可選地，所述氣象要素包括風速、氣體密度、氣壓和氣溫。
49.可選地，所述最新初始氣象子數(shù)據(jù)至少包括最新初始風機輪轂處風速，所述方法還包括：
50.在獲取到最新接收時間節(jié)點對應的最新初始氣象數(shù)據(jù)集后，當所述最新初始風機輪轂處風速小于第一預設風速，或大于第二預設風速時，從所述最新接收時間節(jié)點開始監(jiān)測每次獲取的初始風機輪轂處風速；所述第一預設風速小于所述第二預設風速；
51.根據(jù)預設時長內監(jiān)測到的每次獲取的所述初始風機輪轂處風速，進行預警提示。
52.可選地，所述根據(jù)預設時長內監(jiān)測到的每次獲取的所述初始風機輪轂處風速，進行預警提示，包括：
53.當所述預設時長內監(jiān)測到的每次獲取的所述初始風機輪轂處風速均小于所述第一預設風速時，輸出用于建議關閉風電場的風機的預警提示；或者，
54.統(tǒng)計所述預設時長內監(jiān)測到的每次獲取的所述初始風機輪轂處風速中小于所述第一預設風速的風速數(shù)據(jù)數(shù)量；當所述風速數(shù)據(jù)數(shù)量大于第一預設數(shù)量時，輸出用于建議關閉風電場的風機的預警提示。
55.可選地，所述根據(jù)預設時長內監(jiān)測到的每次獲取的所述初始風機輪轂處風速，進行預警提示，包括：
56.當所述預設時長內監(jiān)測到的每次獲取的所述初始風機輪轂處風速均大于所述第二預設風速時，輸出用于建議關閉風電場的風機的預警提示；或者，
57.統(tǒng)計所述預設時長內監(jiān)測到的每次獲取的所述初始風機輪轂處風速中大于所述
第二預設風速的風速數(shù)據(jù)數(shù)量；當所述風速數(shù)據(jù)數(shù)量大于第二預設數(shù)量時，輸出用于建議關閉風電場的風機的預警提示。
58.本公開還提供一種電子設備，包括處理器、存儲器及存儲在所述存儲器上并可在所述處理器上運行的程序，所述程序被所述處理器執(zhí)行時實現(xiàn)如上所述的風電出力預測方法的步驟。
59.本公開還提供一種計算機非瞬態(tài)可讀存儲介質，當所述存儲介質中的指令由電子設備的處理器執(zhí)行時，使得電子設備能夠執(zhí)行如上所述的風電出力預測方法。
60.本公開還提供一種風電控制系統(tǒng)，包括多個數(shù)據(jù)采集設備、控制設備，以及如上所述的電子設備，所述數(shù)據(jù)采集設備設置在風電場中，所述數(shù)據(jù)采集設備與所述控制設備通信連接，所述控制設備與所述電子設備通信連接；
61.所述數(shù)據(jù)采集設備，配置為在所述風電場中采集原始氣象子數(shù)據(jù)，并將所述原始氣象子數(shù)據(jù)傳輸至所述控制設備；
62.所述控制設備，配置為根據(jù)各個所述原始氣象子數(shù)據(jù)，生成初始氣象數(shù)據(jù)集，并按照預設時間間隔，將所述初始氣象數(shù)據(jù)集傳輸至所述電子設備，以使所述電子設備進行風電出力預測；每個所述初始氣象數(shù)據(jù)集對應被所述電子設備接收的接收時間節(jié)點。
63.上述說明僅是本公開技術方案的概述，為了能夠更清楚了解本公開的技術手段，而可依照說明書的內容予以實施，并且為了讓本公開的上述和其它目的、特征和優(yōu)點能夠更明顯易懂，以下特舉本公開的具體實施方式。
附圖說明
64.為了更清楚地說明本公開實施例或相關技術中的技術方案，下面將對實施例或相關技術描述中所需要使用的附圖作一簡單地介紹，顯而易見地，下面描述中的附圖是本公開的一些實施例，對于本領域普通技術人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲得其他的附圖。
65.圖1示出了本公開實施例的一種風電出力預測方法的步驟流程圖；
66.圖2示出了本公開實施例的另一種風電出力預測方法的步驟流程圖；
67.圖3示出了本公開實施例的一種訓練風電出力預測模型的步驟流程圖；
68.圖4示出了本公開實施例的另一種訓練風電出力預測模型的步驟流程圖；
69.圖5示出了本公開實施例的一種風電場預警的步驟流程圖；
70.圖6示出了本公開實施例的一種風電控制系統(tǒng)的結構框圖。
具體實施例
71.為使本公開實施例的目的、技術方案和優(yōu)點更加清楚，下面將結合本公開實施例中的附圖，對本公開實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例是本公開一部分實施例，而不是全部的實施例。基于本公開中的實施例，本領域普通技術人員在沒有作出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本公開保護的范圍。
72.除非另外定義，本公開使用的技術術語或者科學術語應當為本公開所屬領域內具有一般技能的人士所理解的通常意義。本公開中使用的“第一”、“第二”以及類似的詞語并不表示任何順序、數(shù)量或者重要性，而只是用來區(qū)分不同的組成部分。同樣，“一個”、“一”或
者“該”等類似詞語也不表示數(shù)量限制，而是表示存在至少一個?！鞍ā被蛘摺鞍钡阮愃频脑~語意指出現(xiàn)該詞前面的元件或者物件涵蓋出現(xiàn)在該詞后面列舉的元件或者物件及其等同，而不排除其他元件或者物件?！斑B接”或者“相連”等類似的詞語并非限定于物理的或者機械的連接，而是可以包括電性的連接，不管是直接的還是間接的?！吧稀?、“下”、“左”、“右”等方位詞僅用于表示基于附圖的相對位置關系，當被描述對象的絕對位置改變后，則該相對位置關系也可能相應地改變。
73.圖1示出了本公開實施例的一種風電出力預測方法的步驟流程圖，該方法用于對風電場的風電出力情況進行預測，參照圖1，該方法包括以下步驟：
74.步驟101：周期性獲取每個接收時間節(jié)點對應的初始氣象數(shù)據(jù)集；每個初始氣象數(shù)據(jù)集包括與至少一個氣象要素一一對應的初始氣象數(shù)據(jù)，初始氣象數(shù)據(jù)包括與其對應的氣象要素的至少一個維度的初始氣象子數(shù)據(jù)。
75.在本步驟中，電子設備每隔一定的時間間隔，便可從風電場獲得一個初始氣象數(shù)據(jù)集，一個初始氣象數(shù)據(jù)集對應的接收時間節(jié)點可以是該初始氣象數(shù)據(jù)集被電子設備接收的時間。對于初始氣象數(shù)據(jù)集中的每個初始氣象子數(shù)據(jù)，電子設備可以按照接收時間節(jié)點與初始氣象子數(shù)據(jù)之間的對應關系進行存儲，參照如下表1。
76.表1
[0077][0078][0079]
可以理解的是，上述表1中的數(shù)據(jù)僅為一種示例，并不對本公開構成限定。
[0080]
在具體應用時，風電場可以針對至少一個氣象元素進行數(shù)據(jù)采集，因此，每個初始氣象數(shù)據(jù)集中可以包括多個初始氣象數(shù)據(jù)，每個初始氣象數(shù)據(jù)對應一種氣象要素。在一些可選的實施例中，氣象要素可以包括風速、氣體密度、氣壓和氣溫，當然，還可以包括風向等氣象要素，本公開實施例并不旨在對其進行限定。
[0081]
進一步地，對于每個氣象要素，風電場還可以從至少一個維度進行數(shù)據(jù)采集，不同維度具體可以是指不同位置、不同高度，以及不同對象等。
[0082]
以風速這一氣象元素為例，可以采集距離地表不同高度的風速，例如距離地表100米處風速、距離地表70米處風速、距離地表30米處風速等；還可以采集不同位置的風速，例如風機之間位置處風速、風機輪轂處風速等。
[0083]
以氣體密度這一氣象元素為例，可以采集不同氣體對象的密度，例如空氣密度。
[0084]
以氣壓這一氣象元素為例，可以采集不同位置的氣壓，例如地表氣壓、海平面氣壓
等。
[0085]
以氣溫這一氣象元素為例，可以采集距離地表不同高度的氣溫，例如距離地表30米處氣溫、距離地表2米處氣溫等。
[0086]
電子設備從風電場獲得這些初始數(shù)據(jù)之后，便可以將這些初始數(shù)據(jù)作為模型輸入特征，進行風電出力的預測。
[0087]
步驟102：在獲取到最新接收時間節(jié)點對應的最新初始氣象數(shù)據(jù)集后，從各個最新初始氣象子數(shù)據(jù)中識別異常子數(shù)據(jù)。
[0088]
在實際應用中，獲取的初始氣象子數(shù)據(jù)由于數(shù)據(jù)采集設備異常等情況，可能會出現(xiàn)數(shù)據(jù)缺失、數(shù)值偏離正常范圍過多等異常情況，因此，在本步驟中，每當電子設備獲取到最新接收時間節(jié)點對應的最新初始氣象數(shù)據(jù)集后，電子設備可以對最新初始氣象子數(shù)據(jù)中的異常子數(shù)據(jù)進行識別。
[0089]
步驟103：當識別出異常子數(shù)據(jù)時，對識別出的異常子數(shù)據(jù)進行平滑處理，得到平滑氣象數(shù)據(jù)集，當未識別出異常子數(shù)據(jù)時，將最新初始氣象數(shù)據(jù)集作為平滑氣象數(shù)據(jù)集。
[0090]
在本步驟中，當電子設備從各個最新初始氣象子數(shù)據(jù)中識別出異常子數(shù)據(jù)時，可以對識別出的異常子數(shù)據(jù)進行平滑處理，從而可以避免異常子數(shù)據(jù)對預測結果的干擾，并且保證數(shù)據(jù)的完整性。將最新初始氣象數(shù)據(jù)集中的全部異常子數(shù)據(jù)都處理完畢之后，可以得到平滑氣象數(shù)據(jù)集。
[0091]
當電子設備從各個最新初始氣象子數(shù)據(jù)中未識別出異常子數(shù)據(jù)時，表示各個最新初始氣象子數(shù)據(jù)本身就是較平滑的數(shù)據(jù)，因此，電子設備可以直接將最新初始氣象數(shù)據(jù)集作為平滑氣象數(shù)據(jù)集。
[0092]
步驟104：確定最新接收時間節(jié)點對應的瞬時風能密度。
[0093]
風能密度是氣流在單位時間內垂直通過單位面積的風能，單位為瓦/平方米，風能密度是描述一個地方風能潛力的最方便最有價值的參數(shù)，是影響風電出力的一個重要因素。因此，在本公開實施例中，基于風能密度對風電出力的影響的重要性，可以將風能密度也作為模型輸入特征，從而可以提高風電出力預測的準確性。
[0094]
電子設備在每次獲取到最新初始氣象數(shù)據(jù)集后，可以首先確定最新接收時間節(jié)點對應的瞬時風能密度。
[0095]
步驟105：對瞬時風能密度進行滾動均值計算，得到目標時間段內的平均風能密度；該目標時間段包括最新接收時間節(jié)點。
[0096]
其中，風能密度的計算需要依據(jù)風速數(shù)據(jù)，但是，由于風速的隨機性很大，因此，通過瞬時的風能密度無法準確評估風電場的風能潛力。因此，在本步驟中，電子設備可以對目標時間段內已確定的各個瞬時風能密度進行滾動均值計算，從而得到該目標時間段內的平均風能密度，該平均風能密度可以更準確地反映出風電場一段時間內的風能情況，從而可以提高風電出力預測的準確性。
[0097]
步驟106：將目標時間段內的平滑氣象數(shù)據(jù)集以及平均風能密度作為輸入特征，輸入至風電出力預測模型，以使風電出力預測模型輸出目標時間段的風電出力預測值。
[0098]
在本步驟中，電子設備中可以預先部署風電出力預測模型，電子設備獲得該目標時間段內的平滑氣象數(shù)據(jù)集以及平均風能密度后，可以將這些數(shù)據(jù)作為模型的輸入特征，輸入至風電出力預測模型，從而風電出力預測模型可以輸出該目標時間段的風電出力預測
值。
[0099]
電子設備可以將每個氣象元素的每個維度的初始氣象子數(shù)據(jù)，以及對風電出力影響較大的平均風能密度，均作為模型的輸入特征，從而風電出力預測模型可以基于大量特征輸出風電出力預測值，如此，可以實現(xiàn)風電出力的預測。另外，相較于基于時間序列模型，僅通過歷史風力發(fā)電真值這一單一特征進行風電出力預測的方式，本公開實施例所提供的風電出力預測方法能夠獲得更高的預測準確度。
[0100]
在本公開實施例中，電子設備可以周期性獲取每個接收時間節(jié)點對應的初始氣象數(shù)據(jù)集，其中，初始氣象數(shù)據(jù)集包括至少一個氣象元素的至少一個維度的初始氣象子數(shù)據(jù)；在獲取到最新初始氣象數(shù)據(jù)集后，對異常子數(shù)據(jù)進行識別，識別出時進行平滑處理，得到平滑氣象數(shù)據(jù)集，未識別出時將最新初始氣象數(shù)據(jù)集作為平滑氣象數(shù)據(jù)集；然后確定目標時間段內的平均風能密度；進而將目標時間段內的平滑氣象數(shù)據(jù)集以及平均風能密度作為模型的輸入特征，通過風電出力預測模型獲得目標時間段的風電出力預測值。在本公開實施例中，電子設備可以將每個氣象元素的每個維度的初始氣象子數(shù)據(jù)，以及對風電出力影響較大的平均風能密度，均作為模型的輸入特征，從而風電出力預測模型可以基于大量特征輸出風電出力預測值，如此，可以實現(xiàn)風電出力的預測，并且能夠獲得較高的預測準確度。
[0101]
可選地，在一些實施例中，步驟101具體可以包括：周期性獲取每個接收時間節(jié)點對應的初始氣象數(shù)據(jù)預測集；初始氣象數(shù)據(jù)預測集根據(jù)至少一個歷史的接收時間節(jié)點對應的歷史的初始氣象數(shù)據(jù)真值集進行預測得到。
[0102]
其中，在一些場景下，風電場可以向電子設備提供未來一段時間的氣象數(shù)據(jù)，也即氣象預報數(shù)據(jù)，該氣象預報數(shù)據(jù)是根據(jù)歷史氣象數(shù)據(jù)進行預測得到的預測值，而不是真值，進而電子設備可以根據(jù)未來一段時間的氣象預報數(shù)據(jù)，可以對未來一段時間(也即目標時間段)的風力發(fā)電出力進行預測。
[0103]
例如，當前時間為7:50，在7:50之前，電子設備已分別在7:00、7:15、7:30和7:45獲取到初始氣象數(shù)據(jù)預測集1、2、3和4，也即電子設備每隔15分鐘可以獲得一個初始氣象數(shù)據(jù)預測集。其中，初始氣象數(shù)據(jù)預測集1、2、3和4分別是8:00、8:15、8:30和8:45對應的氣象預報數(shù)據(jù)。此時，電子設備可以根據(jù)8:00-9:00的氣象預報數(shù)據(jù)，對目標時間段8:00-9:00的風力發(fā)電出力進行預測。
[0104]
在另一些實施例中，步驟101具體可以包括：周期性獲取每個接收時間節(jié)點對應的初始氣象數(shù)據(jù)真值集。
[0105]
其中，在另一些場景下，風電場可以向電子設備提供過去一段時間的氣象數(shù)據(jù)，也即氣象歷史數(shù)據(jù)，該氣象歷史數(shù)據(jù)是氣象數(shù)據(jù)的真值，而不是預測值，進而電子設備可以根據(jù)過去一段時間的氣象歷史數(shù)據(jù)，對未來一段時間(也即目標時間段)的風力發(fā)電出力進行預測。
[0106]
例如，當前時間為7:50，在7:50之前，電子設備已分別在7:00、7:15、7:30和7:45獲取到初始氣象數(shù)據(jù)真值集1、2、3和4，也即電子設備每隔15分鐘可以獲得一個初始氣象數(shù)據(jù)真值集。其中，初始氣象數(shù)據(jù)預測集1、2、3和4可以是7:00、7:15、7:30和7:45對應的氣象歷史數(shù)據(jù)。此時，電子設備可以根據(jù)7:00-8:00的氣象歷史數(shù)據(jù)，對目標時間段8:00-9:00的風力發(fā)電出力進行預測。
[0107]
可選地，在一些實施例中，步驟102具體可以包括：
[0108]
s11：在獲取到最新接收時間節(jié)點對應的最新初始氣象數(shù)據(jù)集后，沿時間軸滾動第二時間窗，以使第二時間窗包括最新接收時間節(jié)點；
[0109]
s12：對第二時間窗內屬于相同氣象要素的相同維度且為非空值的初始氣象子數(shù)據(jù)，進行正態(tài)標準化處理，得到每個最新初始氣象子數(shù)據(jù)對應的正態(tài)標準化值；
[0110]
s13：將正態(tài)標準化值未處于預設數(shù)值范圍的最新初始氣象子數(shù)據(jù)，確定為異常子數(shù)據(jù)。
[0111]
其中，可以采用z-score(z分數(shù))的方式，對接近正態(tài)分布的氣象數(shù)據(jù)計算均值及標準差，并對超過多倍標準差的數(shù)據(jù)進行濾除，縮減了數(shù)據(jù)的范圍，也控制了非空異常值對預測準確度的干擾。z-score方式以標準差為單位，來度量原始數(shù)據(jù)與其均值之間距離多少個標準差。
[0112]
具體地，電子設備可以通過滾動方式進行異常子數(shù)據(jù)的識別。首先，可以沿接收時間節(jié)點的時間軸滾動第二時間窗，以使第二時間窗包含當前的最新接收時間節(jié)點，其中，滾動后的第二時間窗中的末位時間節(jié)點即為當前的最新接收時間節(jié)點。然后，對于每個維度下為非空值的最新初始氣象子數(shù)據(jù)，可以進行正態(tài)標準化處理，也即進行z分數(shù)的計算，計算得到z分數(shù)也即正態(tài)標準化值。
[0113]
對于屬于氣象要素y的維度a的最新初始氣象子數(shù)據(jù)a，a的z分數(shù)可以通過公式z＝(x-μ)/σ計算得到，其中，x為最新初始氣象子數(shù)據(jù)a，μ為與最新初始氣象子數(shù)據(jù)a同屬于氣象要素y的維度a的多個初始氣象子數(shù)據(jù)的均值，σ為與最新初始氣象子數(shù)據(jù)a同屬于氣象要素y的維度a的多個初始氣象子數(shù)據(jù)的標準差。
[0114]
之后，可以將對應的z分數(shù)未處于預設數(shù)值范圍的最新初始氣象子數(shù)據(jù)，確定為異常子數(shù)據(jù)。例如，預設數(shù)值范圍可以為[-3,3]，電子設備可以對超過3倍標準差的非空值數(shù)據(jù)進行濾除。
[0115]
進一步可選地，在一些實施例中，在s11之后，步驟102還可以包括以下步驟：
[0116]
s14：將第二時間窗內的各個最新初始氣象子數(shù)據(jù)中的空值，確定為異常子數(shù)據(jù)。
[0117]
其中，異常的數(shù)據(jù)除了數(shù)值較為不合理的非空值之外，還包括空值，電子設備可以將空值也確定為異常子數(shù)據(jù)，從而后續(xù)可以對空值和不合理的非空值都進行平滑處理，而不是直接刪除，從而可使平滑后的數(shù)據(jù)具有時間上的連續(xù)性，有利于進一步提高預測的準確度。
[0118]
在具體應用時，對于為非空值的異常子數(shù)據(jù)，電子設備可以在識別出后將其置為空值，這樣，在后續(xù)進行平滑處理前，最新初始氣象數(shù)據(jù)集中的異常子數(shù)據(jù)都為空值數(shù)據(jù)，這樣，在之后進行平滑處理時，直接關注空值標識(例如nan值)即可，無需關注異常子數(shù)據(jù)的具體行列位置，在一定程度上提高了平滑處理的效率。
[0119]
可選地，在一些實施例中，步驟103中的當識別出異常子數(shù)據(jù)時，對識別出的各個異常子數(shù)據(jù)進行平滑處理，得到平滑氣象數(shù)據(jù)集的步驟，具體可以包括：
[0120]
s21：對于識別出的任一異常子數(shù)據(jù)，沿時間軸滾動第三時間窗，以使第三時間窗包括該異常子數(shù)據(jù)對應的接收時間節(jié)點，以及先于該異常子數(shù)據(jù)對應的接收時間節(jié)點的多個接收時間節(jié)點；
[0121]
s22：對第三時間窗內與該異常子數(shù)據(jù)屬于相同氣象要素的相同維度的初始氣象子數(shù)據(jù)，進行均值計算，得到該異常子數(shù)據(jù)對應的新值；
[0122]
s23：將每個異常子數(shù)據(jù)替換為對應的新值，得到平滑氣象數(shù)據(jù)集。
[0123]
其中，電子設備可以通過滾動方式進行異常子數(shù)據(jù)的平滑處理。首先，對于氣象要素y的維度a，可以沿接收時間節(jié)點的時間軸滾動第三時間窗，以使第三時間窗包含當前的最新初始氣象數(shù)據(jù)集中屬于氣象要素y的維度a的第1個異常子數(shù)據(jù)，其中，滾動后的第三時間窗中的末位時間節(jié)點，即為屬于氣象要素y的維度a的第1個異常子數(shù)據(jù)對應的接收時間節(jié)點t1，滾動后的第三時間窗中還包括t1之前一段時間內的多個接收時間節(jié)點。然后，可以對第三時間窗內的屬于氣象要素y的維度a的各個初始氣象子數(shù)據(jù)，進行均值計算，得到屬于氣象要素y的維度a的第1個異常子數(shù)據(jù)對應的新值。之后，可以將屬于氣象要素y的維度a的第1個異常子數(shù)據(jù)替換為對應的新值。
[0124]
同樣地，再次滾動第三時間窗，可以繼續(xù)重復上述方式，確定屬于氣象要素y的維度a的第2、3、
……
、m個異常子數(shù)據(jù)對應的新值。依次類推，對屬于其他氣象要素的每個維度的每個異常子數(shù)據(jù)的新值確定方式，與對屬于氣象要素y的維度a的每個異常子數(shù)據(jù)的新值確定方式相同。直至將所有氣象要素的所有維度的所有異常子數(shù)據(jù)都替換為對應的新值，完成平滑處理，得到平滑氣象數(shù)據(jù)集。
[0125]
例如，電子設備可以利用某個異常子數(shù)據(jù)b前一小時內的、且與異常子數(shù)據(jù)b屬于相同氣象要素相同維度的初始氣象子數(shù)據(jù)，對異常子數(shù)據(jù)b進行替換(或者說填充)，如此，在保證了數(shù)據(jù)相對準確的同時，也考慮到了數(shù)據(jù)在時序上的連續(xù)性。
[0126]
可選地，在一些實施例中，平滑氣象數(shù)據(jù)集中的平滑氣象子數(shù)據(jù)至少包括平滑風機輪轂處風速和平滑空氣密度，相應地，步驟104具體可以包括：根據(jù)最新接收時間節(jié)點對應的平滑風機輪轂處風速和平滑空氣密度，確定最新接收時間節(jié)點對應的瞬時風能密度。
[0127]
其中，若最新風機輪轂處風速是異常子數(shù)據(jù)，且經過平滑處理，則平滑風機輪轂處風速為平滑處理后的最新風機輪轂處風速，若最新風機輪轂處風速不是異常子數(shù)據(jù)，則平滑風機輪轂處風速即為最新風機輪轂處風速。同樣地，若最新空氣密度是異常子數(shù)據(jù)，且經過平滑處理，則平滑空氣密度為平滑處理后的最新空氣密度，若最新空氣密度不是異常子數(shù)據(jù)，則平滑空氣密度即為最新空氣密度。
[0128]
進一步可選地，在一些實施例中，步驟105具體可以包括：
[0129]
s31：沿時間軸滾動第一時間窗，以使第一時間窗與目標時間段對齊；
[0130]
s32：對第一時間窗內的多個瞬時風能密度進行均值計算，得到目標時間段內的平均風能密度。
[0131]
通常，一段時間(t1-t2)內的風能密度w可以通過下述公式(1)計算，在公式(1)中，ρ
t
為時刻t對應的空氣密度，v
t
為時刻t對應的風機輪轂處風速。
[0132][0133]
在上述公式(1)中，是以一段時間為計算標準的，但在實際應用中，無法獲取到連續(xù)時刻的空氣密度和風機輪轂處風速，獲得的是離散時刻的空氣密度和風機輪轂處風速，因此，本公開實施例可以通過下述公式(2)，確定一段時間(目標時間段)內的平均風能密度w。
[0134]
[0135]
在上述公式(2)中，n為目標時間段內所包括的接收時間節(jié)點數(shù)量，wi為接收時間節(jié)點i對應的平滑瞬時風能密度，wi＝0.5
·
ρi·
(vi)3，ρi為接收時間節(jié)點i對應的平滑空氣密度，vi為接收時間節(jié)點i對應的平滑風機輪轂處風速。
[0136]
在實際應用中，電子設備可以首先確定每個接收時間節(jié)點i對應的平滑瞬時風能密度wi。然后，電子設備再對各個瞬時風能密度進行求和平均，得到目標時間段的平均風能密度。
[0137]
其中，電子設備可以通過滾動方式進行平均風能密度的計算。首先，可以沿接收時間節(jié)點的時間軸滾動第一時間窗，以使第一時間窗與目標時間段對齊。然后，可以通過上述公式(2)，對第一時間窗內已確定的多個瞬時風能密度進行均值計算，得到目標時間段內的平均風能密度。
[0138]
此外，在實際應用中，還可以對瞬時風能密度進行滾動最大值和滾動最小值計算。
[0139]
可選地，在一些實施例中，風電出力預測模型可采用提升(boosting)模型。在這種情況下，風電出力預測模型的輸入特征可以只包括目標時間段內的平滑氣象數(shù)據(jù)集以及平均風能密度。
[0140]
由于提升模型可以更多地關注多特征挖掘，因此，經過實際應用，相較于只采用時間序列模型，采用提升模型進行風電出力預測，能夠達到更高的預測準確度。
[0141]
還可選地，在另一些實施例中，風電出力預測模型可采用提升模型與時間序列模型的融合模型。在這種情況下，風電出力預測模型的輸入特征除了目標時間段內的平滑氣象數(shù)據(jù)集以及平均風能密度之外，還可以包括目標時間段內每個接收時間節(jié)點對應的歷史風電出力真值。
[0142]
相應地，參照圖2，在步驟106之前，還可以包括：
[0143]
步驟107：獲取目標時間段內每個接收時間節(jié)點對應的歷史風電出力真值。
[0144]
相應地，參照圖2，步驟106具體可以包括：
[0145]
步驟1061：將目標時間段內的各個歷史風電出力真值、平滑氣象數(shù)據(jù)集以及平均風能密度作為輸入特征，輸入至風電出力預測模型，以使風電出力預測模型輸出目標時間段的風電出力預測值。
[0146]
由于提升模型可以更多地關注多特征挖掘，而時間序列模型可以更多地關注特征的時序關系，因此，經過實際應用，相較于只采用提升模型或者只采用時間序列模型，采用提升模型與時間序列模型的融合模型進行風電出力預測，能夠達到更高的預測準確度。
[0147]
在步驟101之前，該方法還可以包括模型的訓練過程。參照圖3，對于風電出力預測模型采用提升模型的情況，模型的訓練過程具體可以包括：
[0148]
步驟201：獲取多個第一樣本集；第一樣本集包括歷史時間段內的每個歷史接收時間節(jié)點對應的平滑氣象數(shù)據(jù)集樣本、歷史時間段內的平均風能密度樣本，以及歷史時間段的風電出力真值樣本。
[0149]
在本步驟中，電子設備可以獲取用于訓練提升模型的多個第一樣本集，其中，第一樣本集為帶標簽的數(shù)據(jù)集，歷史時間段的風電出力真值樣本，即為該歷史時間段內的平滑氣象數(shù)據(jù)集樣本和平均風能密度樣本所構成的一組樣本對應的標簽。不同的第一樣本集所對應的歷史時間段不同，且不同的第一樣本集所對應的歷史時間段可以是連續(xù)的。
[0150]
步驟202：構建提升模型。
[0151]
其中，提升模型為采用boosting集成學習機制進行訓練得到的模型，例如梯度提升(gradient boosting)模型，進一步地，梯度提升模型中可采用gbdt(gradientboosting decisiontree，梯度提升決策樹)模型，gbdt中可以具體采用xgboost(extreme gradient boosting，極限梯度提升)模型，或者lightgbm(light gradient boosting machine，輕量級梯度提升機)模型等，本公開實施例對此不作具體限定。
[0152]
在本步驟中，可以根據(jù)需求，選取一個合適的梯度提升模型，例如lightgbm模型。在實際應用中，電子設備可以從其他平臺獲取該提升模型，并配置在電子設備本地的模型池中，進而可以從模型池中選取出該提升模型，完成模型構建。當然，也可以在電子設備本地直接構造出該提升模型，并配置在模型池中，進而從模型池中選取出該提升模型，完成模型構建。
[0153]
步驟203：根據(jù)多個第一樣本集，對提升模型進行訓練，得到訓練后提升模型。
[0154]
在本步驟中，可以將多個第一樣本集劃分為訓練集和測試集，并將訓練集依次輸入提升模型，每次輸入后，都可以對提升模型中的參數(shù)進行調整，直至全部訓練集輸入完畢，再將測試集輸入提升模型進行模型驗證，驗證結果達到一定的準確度時，則完成模型的調參，得到訓練后提升模型。
[0155]
在實際應用中，可以借助自動調參工具，對模型進行調參，例如hyperopt工具。
[0156]
進一步可選地，步驟203具體可以包括：根據(jù)多個第一樣本集，通過交叉驗證法對提升模型進行訓練，得到訓練后提升模型。
[0157]
為了使最終的模型參數(shù)不過度依賴于訓練集和測試集的劃分方式，并且能夠充分利用已有的第一樣本集，可以采用交叉驗證法對提升模型進行訓練，以使每個第一樣本集都有一次機會單獨作為測試集，從而可以優(yōu)化風電出力預測模型，進一步提高預測準確度。
[0158]
步驟204：根據(jù)訓練后提升模型，生成風電出力預測模型。
[0159]
在本步驟中，電子設備可以在本地對訓練后提升模型進行部署，從而得到可使用的風電出力預測模型。
[0160]
參照圖4，對于風電出力預測模型采用提升模型與時間序列模型的融合模型的情況，步驟204之前，模型的訓練過程還可以包括：
[0161]
步驟205：獲取多個第二樣本集；第二樣本集包括歷史時間段內的每個歷史接收時間節(jié)點對應的歷史風電出力真值樣本。
[0162]
在本步驟中，電子設備可以獲取用于訓練時間序列模型的多個第二樣本集，其中，第二樣本集為不帶標簽的數(shù)據(jù)集。不同的第二樣本集所對應的歷史時間段不同，且不同的第二樣本集所對應的歷史時間段可以是連續(xù)的。
[0163]
步驟206：構建時間序列模型。
[0164]
在本步驟中，可以根據(jù)需求，選取一個合適的時間序列模型，例如arima模型(autoregressive integrated movingaverage model，自回歸滑動平均模型)、sarima模型(seasonalautoregressive integrated movingaverage，季節(jié)性自回歸滑動平均模型)、lstm模型(long short-term memory，長短期記憶模型)，或者上述這些模型的變種模型。
[0165]
步驟207：根據(jù)多個第二樣本集，對時間序列模型進行訓練，得到訓練后時間序列模型。
[0166]
在本步驟中，可以將多個第二樣本集劃分為訓練集和測試集，并將訓練集依次輸
入時間序列模型，每次輸入后，都可以對時間序列模型中的參數(shù)進行調整，直至全部訓練集輸入完畢，再將測試集輸入時間序列模型進行模型驗證，驗證結果達到一定的準確度時，則完成模型的調參，得到訓練后時間序列模型。
[0167]
需要說明的是，本公開實施例對于提升模型和時間序列模型的訓練先后順序不作限定，可以先通過步驟201-203對提升模型進行訓練，再通過步驟205-207對時間序列模型進行訓練，也可以先通過步驟205-207對時間序列模型進行訓練，再通過步驟201-203對提升模型進行訓練。
[0168]
相應地，對于風電出力預測模型采用提升模型與時間序列模型的融合模型的情況，步驟204具體可以包括：
[0169]
步驟2041：將訓練后提升模型與訓練后時間序列模型進行堆疊融合，獲得風電出力預測模型。
[0170]
在分別訓練得到訓練后提升模型和訓練后時間序列模型之后，可以通過stacking(堆疊)方式對訓練后梯度提升模型與訓練后時間序列模型進行融合。其中，訓練后梯度提升模型和訓練后時間序列模型作為基礎模型，并通過stacking集成學習機制訓練一個元模型來組合這些基礎模型。
[0171]
可選地，該方法還可以包括以下步驟：
[0172]
在獲取到多個新第一樣本集和多個新第二樣本集后，根據(jù)多個新第一樣本集和多個新第二樣本集，對風電出力預測模型進行重新訓練，以對風電出力預測模型進行更新。
[0173]
在實際應用中，風電場的情況不是一成不變的，所以部署的風電出力預測模型可能經過一段時間后，可能就無法達到較高的預測準確度，因此，在風電出力預測模型部署完成后，電子設備后續(xù)還可以獲取或生成很多新的數(shù)據(jù)，然后可以將這些數(shù)據(jù)作為新的第一樣本集和新的第二樣本集，進而對舊模型進行重新訓練，得到新模型，從而實現(xiàn)了模型的更新，以使模型能夠適應風電場的變化情況，從而在絕大部分時間都能夠保持較高的預測準確度。
[0174]
可選地，在一些實施例中，電子設備還可以具備預警機制，具體地，電子設備可以根據(jù)最新初始氣象數(shù)據(jù)集中的數(shù)據(jù)，判斷當前風電場的風機是否適合繼續(xù)工作，不適合繼續(xù)工作時，可以進行預警提示。
[0175]
具體地，最新初始氣象子數(shù)據(jù)至少包括最新初始風機輪轂處風速，相應地，參照圖5，該方法還可以包括以下步驟：
[0176]
步驟301：在獲取到最新接收時間節(jié)點對應的最新初始氣象數(shù)據(jù)集后，當最新初始風機輪轂處風速小于第一預設風速，或大于第二預設風速時，從最新接收時間節(jié)點開始監(jiān)測每次獲取的初始風機輪轂處風速；第一預設風速小于第二預設風速。
[0177]
電子設備每次獲得最新的初始氣象數(shù)據(jù)集之后，可以對其中的初始風機輪轂處風速進行判斷。當初始風機輪轂處風速小于第一預設風速時，說明風電場當前風力很小，考慮電力傳輸?shù)冗^程的損耗，此時風力所產生的電力不足，成本較高。當初始風機輪轂處風速大于第二預設風速時，說明風電場當前風力很大，可能會對風機造成損壞，影響電力系統(tǒng)穩(wěn)定性。
[0178]
但是，由于瞬時風速具有偶然性，僅憑瞬時的風機輪轂處風速進行判斷，會造成頻繁預警，還需要人工判斷風機是否真的不適合再繼續(xù)工作，使得預警機制無法起到很好的
預警效果。因此，在本公開實施例中，當最新初始風機輪轂處風速小于第一預設風速，或大于第二預設風速時，電子設備可以開始監(jiān)控一段時間內獲取的初始風機輪轂處風速，進而可以結合一段時間內的初始風機輪轂處風速，判斷是否需要進行預警提示。
[0179]
步驟302：根據(jù)預設時長內監(jiān)測到的每次獲取的初始風機輪轂處風速，進行預警提示。
[0180]
電子設備可以在風機運行成本較高時進行預警提示，以及可以在電力系統(tǒng)不穩(wěn)定時進行預警提示。
[0181]
其中，對于在風機運行成本較高時進行預警提示的情況，步驟302具體可以包括：
[0182]
s41：當預設時長內監(jiān)測到的每次獲取的初始風機輪轂處風速均小于第一預設風速時，輸出用于建議關閉風電場的風機的預警提示；或者，
[0183]
s42：統(tǒng)計預設時長內監(jiān)測到的每次獲取的初始風機輪轂處風速中小于第一預設風速的風速數(shù)據(jù)數(shù)量；當風速數(shù)據(jù)數(shù)量大于第一預設數(shù)量時，輸出用于建議關閉風電場的風機的預警提示。
[0184]
在一種可選的實施方式中，對初始風機輪轂處風速監(jiān)測預設時長后，可以在預測時長內的每個初始風機輪轂處風速均小于第一預設風速的情況下，輸出預警提示，以建議相關人員關閉風電場的風機，以降低風機運行成本。
[0185]
在另一種可選的實施方式中，對初始風機輪轂處風速監(jiān)測預設時長后，可以在預測時長內小于第一預設風速的初始風機輪轂處風速達到較大數(shù)據(jù)量的情況下，輸出預警提示，以建議相關人員關閉風電場的風機，以降低風機運行成本。
[0186]
其中，對于在電力系統(tǒng)不穩(wěn)定時進行預警提示的情況，步驟302具體可以包括：
[0187]
s51：當預設時長內監(jiān)測到的每次獲取的初始風機輪轂處風速均大于第二預設風速時，輸出用于建議關閉風電場的風機的預警提示；或者，
[0188]
s52：統(tǒng)計預設時長內監(jiān)測到的每次獲取的初始風機輪轂處風速中大于第二預設風速的風速數(shù)據(jù)數(shù)量；當風速數(shù)據(jù)數(shù)量大于第二預設數(shù)量時，輸出用于建議關閉風電場的風機的預警提示。
[0189]
在一種可選的實施方式中，對初始風機輪轂處風速監(jiān)測預設時長后，可以在預測時長內的每個初始風機輪轂處風速均大于第二預設風速的情況下，輸出預警提示，以建議相關人員關閉風電場的風機，以避免因風機損壞而造成電力系統(tǒng)的不穩(wěn)定。
[0190]
在另一種可選的實施方式中，對初始風機輪轂處風速監(jiān)測預設時長后，可以在預測時長內小于第一預設風速的初始風機輪轂處風速達到較大數(shù)據(jù)量的情況下，輸出預警提示，以建議相關人員關閉風電場的風機，以避免因風機損壞而造成電力系統(tǒng)的不穩(wěn)定。
[0191]
可選地，預警提示的方式可以是通過揚聲器等音頻播放裝置播放特定音頻(例如特殊警示音等)、通過燈光裝置產生警示燈光等，本公開實施例對此不作具體限定。
[0192]
此外，在實際應用中，第一預設風速和第二預設風速可以結合具體風電場的發(fā)電成本、風機歷史損壞情況等數(shù)據(jù)進行設定。
[0193]
本公開實施例還公開了一種電子設備，包括處理器、存儲器及存儲在所述存儲器上并可在所述處理器上運行的程序，所述程序被所述處理器執(zhí)行時實現(xiàn)如上所述的風電出力預測方法的步驟。
[0194]
本公開實施例還公開了一種計算機非瞬態(tài)可讀存儲介質，當所述存儲介質中的指
令由電子設備的處理器執(zhí)行時，使得所述電子設備能夠執(zhí)行如上所述的風電出力預測方法。
[0195]
參照圖6，本公開實施例還公開了一種風電控制系統(tǒng)1000，包括多個數(shù)據(jù)采集設備100，以及控制設備200，以及如上所述的電子設備300，所述數(shù)據(jù)采集設備100設置在風電場q中，所述風電場q中包括多個風機q，所述數(shù)據(jù)采集設備100與所述控制設備200通信連接，所述控制設備200與所述電子設備300通信連接；
[0196]
所述數(shù)據(jù)采集設備100，配置為在所述風電場q中采集原始氣象子數(shù)據(jù)，并將所述原始氣象子數(shù)據(jù)傳輸至所述控制設備200；
[0197]
所述控制設備200，配置為根據(jù)各個所述原始氣象子數(shù)據(jù)，生成初始氣象數(shù)據(jù)集，并按照預設時間間隔，將所述初始氣象數(shù)據(jù)集傳輸至所述電子設備300，以使所述電子設備300進行風電出力預測；每個所述初始氣象數(shù)據(jù)集對應被所述電子設備300接收的接收時間節(jié)點。
[0198]
其中，控制設備可以為數(shù)據(jù)采集設備對應的主控設備?？刂圃O備可以對各個原始氣象子數(shù)據(jù)進行初步處理，得到初始氣象子數(shù)據(jù)，進而獲得初始氣象數(shù)據(jù)集。其中，每個氣象數(shù)據(jù)的每個維度的原始氣象子數(shù)據(jù)，均可以通過至少一個數(shù)據(jù)采集設備采集得到，例如，距離地表30米處風速這一氣象要素的維度，可以通過多個距離地表30米處的風速采集設備，獲得多個距離地表30米處原始風速(也即原始氣象子數(shù)據(jù))，進而控制設備可以將多個距離地表30米處原始風速進行均值計算，得到待發(fā)送給電子設備的距離地表30米處風速(也即初始氣象子數(shù)據(jù))。
[0199]
當然，在實際應用中，初步處理包括但不限于均值計算。
[0200]
此外，在具體應用中，控制設備可以為一個以上的電子設備提供初始氣象數(shù)據(jù)集。
[0201]
本文中所稱的“一個實施例”、“實施例”或者“一個或者多個實施例”意味著，結合實施例描述的特定特征、結構或者特性包括在本公開的至少一個實施例中。此外，請注意，這里“在一個實施例中”的詞語例子不一定全指同一個實施例。
[0202]
在此處所提供的說明書中，說明了大量具體細節(jié)。然而，能夠理解，本公開的實施例可以在沒有這些具體細節(jié)的情況下被實踐。在一些實例中，并未詳細示出公知的方法、結構和技術，以便不模糊對本說明書的理解。
[0203]
在權利要求中，不應將位于括號之間的任何參考符號構造成對權利要求的限制。單詞“包含”不排除存在未列在權利要求中的元件或步驟。位于元件之前的單詞“一”或“一個”不排除存在多個這樣的元件。本公開可以借助于包括有若干不同元件的硬件以及借助于適當編程的計算機來實現(xiàn)。在列舉了若干裝置的單元權利要求中，這些裝置中的若干個可以是通過同一個硬件項來具體體現(xiàn)。單詞第一、第二、以及第三等的使用不表示任何順序?？蓪⑦@些單詞解釋為名稱。
[0204]
最后應說明的是：以上實施例僅用以說明本公開的技術方案，而非對其限制；盡管參照前述實施例對本公開進行了詳細的說明，本領域的普通技術人員應當理解：其依然可以對前述各實施例所記載的技術方案進行修改，或者對其中部分技術特征進行等同替換；而這些修改或者替換，并不使相應技術方案的本質脫離本公開各實施例技術方案的精神和范圍。