一种面向电力气象的跨模态数据处理方法和相关设备与流程

本发明涉及电力气象数据处理，尤其是一种面向电力气象的跨模态数据处理方法和相关设备。

背景技术：

1、在电力气象领域，特别是风电功率预测、电网安全调度等业务中，多源气象数据的融合应用是提升精度的关键。这些数据源包括：数值天气预报（nwp）、再分析数据、地面/海上气象站观测以及风机scada数据。然而，这些数据在时空分辨率、物理定义、坐标系统上存在巨大差异。例如，nwp是规则网格点数据，而气象站是离散点观测；scada记录的是风机轮毂高度的风速，nwp提供的是特定气压层的风速。现有的数据融合方法通常是简单的最近邻插值或时间线性匹配，存在时空错位引入噪声、忽略业务时序导致未来信息泄漏、无法有效识别和修复由风机自身工况引起的异常、缺乏对处理结果的可信度量化等问题。这严重制约了高精度电力气象模型的构建。

技术实现思路

1、有鉴于此，本发明实施例主要目的在于提供一种面向电力气象的跨模态数据处理方法和相关设备，以期解决现有技术问题至少之一，能够提高电力气象跨模态数据的处理精度。

2、为实现上述目的，本发明实施例的一方面提供了一种面向电力气象的跨模态数据处理方法，该方法包括：

3、响应于数据接入请求，对接入的电力气象的跨模态原始数据进行标准化处理，得到跨模态标准数据，并根据所述跨模态标准数据，构建标准中间数据模型；

4、根据待处理目标对象、目标锚点时间、目标空间位置、目标高度、目标物理变量及统计窗口，构建时空语义锚点；

5、基于所述时空语义锚点，对所述标准中间数据模型中的所述跨模态标准数据进行跨模态对齐处理，得到跨模态对齐数据；

6、对所述跨模态对齐数据进行质量评估，得到综合质量评分；

7、根据所述综合质量评分，对所述跨模态对齐数据进行异常分类以及异常差异化处理，生成目标数据。

8、在一些实施例中，所述基于所述时空语义锚点，对所述标准中间数据模型中的所述跨模态标准数据进行跨模态对齐处理，得到跨模态对齐数据，包括以下步骤：

9、基于所述时空语义锚点以及预设的双时间标签，对所述跨模态标准数据进行可用性筛选与物理时序匹配，得到时序对齐数据；

10、基于所述时空语义锚点以及大气传输方向特性，获取所述时序对齐数据到所述目标空间位置以及所述目标高度的映射权重，并根据所述映射权重对所述时序对齐数据进行方向性加权映射，得到空间映射数据；

11、基于所述时空语义锚点以及变量语义字典，对所述空间映射数据进行变量语义对齐处理，得到所述跨模态对齐数据。

12、在一些实施例中，所述基于所述时空语义锚点以及预设的双时间标签，对所述跨模态标准数据进行可用性筛选与物理时序匹配，得到时序对齐数据，包括以下步骤：

13、基于所述双时间标签，对每条所述跨模态标准数据进行物理时间和可获取时间的标注处理；所述物理时间表征所述跨模态标准数据所描述的观测时刻或预报时刻；所述可获取时间表征所述跨模态标准数据在业务系统中允许被调用的最早时刻；

14、根据所述时空语义锚点，确定目标锚点时间，并根据所述目标锚点时间构建候选数据窗口；

15、筛选出所述物理时间在所述候选数据窗口内，且所述可获取时间在预设业务处理时刻之前的所述跨模态标准数据，得到跨模态可用数据；

16、基于所述跨模态可用数据的物理时间，通过最近邻匹配、固定时间间隔匹配、统计窗口聚合匹配或预报步长匹配中的一种或多种方式，建立所述跨模态可用数据与所述目标锚点时间的物理对应关系；

17、通过滑动时间窗相关性分析，估计所述跨模态可用数据相对于所述目标锚点时间的动态滞后量，并基于所述动态滞后量修正所述物理对应关系；

18、根据所述跨模态可用数据以及修正后的所述物理对应关系，生成所述时序对齐数据。

19、在一些实施例中，所述基于所述时空语义锚点以及大气传输方向特性，获取所述时序对齐数据到所述目标空间位置以及所述目标高度的映射权重，包括以下步骤：

20、获取所述时序对齐数据对应的地理位置，并获取所述地理位置与所述目标空间位置之间的几何距离；

21、获取所述时序对齐数据对应的风向信息，根据所述地理位置、所述风向信息以及所述目标空间位置，获取风向扇区因子；

22、获取所述时序对齐数据所处高度与所述目标高度之间的高度差；

23、根据所述时序对齐数据对应的第一海陆属性以及所述目标空间位置的第二海陆属性，获取海陆属性一致性因子；

24、获取所述时序对齐数据与所述时空语义锚点之间的历史相关系数；

25、获取所述目标空间位置处的尾流影响因子；

26、将所述几何距离、所述风向扇区因子、所述高度差、所述海陆属性一致性因子、所述历史相关系数及所述尾流影响因子输入预设的加权映射函数，计算得到所述映射权重。

27、在一些实施例中，所述对所述跨模态对齐数据进行质量评估，得到综合质量评分，包括以下步骤：

28、获取所述跨模态对齐数据在各个量化维度的量化指标；所述量化维度包括完整性维度、连续性维度、物理一致性维度、跨模态一致性维度、工况有效性维度以及源可信度维度；

29、根据预设的可调权重系数，对各个所述量化指标进行加权求和，得到所述综合质量评分。

30、在一些实施例中，所述根据所述综合质量评分，对所述跨模态对齐数据进行异常分类以及异常差异化处理，生成目标数据，包括以下步骤：

31、获取所述跨模态对齐数据中的异常数据，并对所述异常数据进行异常分类，得到所述异常数据的异常类型；

32、根据异常类型，采用差异化处理策略，对所述异常数据进行异常差异化处理；所述差异化处理策略包括剔除所述异常数据、保留并标记所述异常数据、修复所述异常数据或者仅标记所述异常数据；

33、当所述跨模态对齐数据存在缺失值，并且所述缺失值为待修复数据时，根据预设的优先级搜索候选修复值；

34、获取所述候选修复值中的目标修复值，根据所述目标修复值对所述缺失值进行填补，得到所述目标数据。

35、在一些实施例中，所述根据所述综合质量评分，对所述跨模态对齐数据进行异常分类以及异常差异化处理，生成目标数据，还包括以下步骤：

36、当在同一个优先级内搜索到多个所述候选修复值，或者存在低优先级的所述候选修复值的所述综合质量评分大于高优先级的所述候选修复值的所述综合质量评分时，触发多源融合处理；

37、响应于多源融合处理，根据各个所述候选修复值的映射权重、所述综合质量评分、时间距离权重、高度一致性权重以及源可信度权重，获取各个所述候选修复值的综合权重；

38、当所述候选修复值属于连续型变量时，根据所述综合权重对各个所述候选修复值进行加权平均，得到所述目标修复值；

39、当所述候选修复值属于风向变量时，对各个所述候选修复值的正弦分量和余弦分量进行加权平均，并对加权平均后的所述正弦分量和余弦分量进行反正切函数反算，得到所述目标修复值；

40、当所述候选修复值属于离散型变量时，通过高可信源优先、多数投票或预设业务规则判定的方式获取所述目标修复值。

41、为实现上述目的，本发明实施例的另一方面提出了一种面向电力气象的跨模态数据处理装置，所述装置包括：

42、数据标准化处理模块，用于响应于数据接入请求，对接入的电力气象的跨模态原始数据进行标准化处理，得到跨模态标准数据，并根据所述跨模态标准数据，构建标准中间数据模型；

43、锚点构建模块，用于根据待处理目标对象、目标锚点时间、目标空间位置、目标高度、目标物理变量及统计窗口，构建时空语义锚点；

44、数据对齐模块，用于基于所述时空语义锚点，对所述标准中间数据模型中的所述跨模态标准数据进行跨模态对齐处理，得到跨模态对齐数据；

45、质量评估模块，用于对所述跨模态对齐数据进行质量评估，得到综合质量评分；

46、异常处理模块，用于根据所述综合质量评分，对所述跨模态对齐数据进行异常分类以及异常差异化处理，生成目标数据。

47、为实现上述目的，本发明实施例的另一方面提供了一种电子设备，所述电子设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现前面所述的方法。

48、为实现上述目的，本发明实施例的另一方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现前面所述的方法。

49、为实现上述目的，本发明实施例的另一方面提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器可以从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行前述的方法。

50、本发明的实施例至少包括以下有益效果：本发明提供一种面向电力气象的跨模态数据处理方法和相关设备，该方案通过响应于数据接入请求，对接入的电力气象的跨模态原始数据进行标准化处理，得到跨模态标准数据，并根据跨模态标准数据，构建标准中间数据模型，为后续跨模态处理提供统一输入基准；根据待处理目标对象、目标锚点时间、目标空间位置、目标高度、目标物理变量及统计窗口，构建时空语义锚点，能够提升后续跨模态数据对齐的准确性，明确处理边界以避免无效数据冗余运算，降低业务资源消耗；基于时空语义锚点，对标准中间数据模型中的跨模态标准数据进行跨模态对齐处理，得到跨模态对齐数据，能够提升跨模态数据的时空匹配精度；对跨模态对齐数据进行质量评估，得到综合质量评分，能够提升数据质量判别的客观性，量化了数据的可信度；根据综合质量评分，对跨模态对齐数据进行异常分类以及异常差异化处理，生成目标数据，能够提升电力气象跨模态数据的处理精度与业务可用性。