第四章 微电网规划基础：负荷预测方法、分布式电源建模（光伏、风电）、资源评估与选址原则

各位同行，咱们今天聊聊微电网规划里最基础、也最要命的三件事：负荷预测、分布式电源建模、资源评估与选址。这三件事要是没做好，后面的运营方案就是空中楼阁。我这些年踩过的坑，十有八九都跟规划阶段的数据不准有关。

4.1 负荷预测方法：别让“拍脑袋”毁了你的微电网

负荷预测，说白了就是回答一个问题：未来一段时间，这个微电网到底要用多少电？ 你想想看，如果预测偏大，设备容量冗余，投资打水漂；预测偏小，系统天天过载，用户投诉不断。

我个人习惯把负荷预测分成三步走：

1. 数据清洗——把异常值、缺失值处理掉。我在项目中遇到过，某工厂的负荷数据里混入了检修期间的零值，如果不剔除，预测结果会严重偏低。
2. 模式识别——看负荷有没有日规律、周规律、季节规律。比如学校，寒暑假负荷断崖式下降。
3. 模型选择——根据数据量和场景选方法。

常用的方法我列个表，大家对比着看：

方法	适用场景	数据需求	精度
时间序列法（ARIMA）	负荷规律性强，无突变	至少1年历史数据	中等
回归分析法	有强相关影响因素（如气温）	多维度数据	中等偏高
神经网络（LSTM）	非线性、复杂模式	大量高质量数据	高（但易过拟合）
相似日法	短期预测，无历史数据	少量参考数据	较低

4.2 分布式电源建模：光伏和风电的“脾气”你得摸透

分布式电源不像火电，说发多少就发多少。光伏看天吃饭，风电看风吃饭。建模的核心就是把“不确定性”变成“可计算的区间”。

4.2.1 光伏建模

光伏出力主要受辐照度、温度、组件参数影响。基础公式其实不复杂：

P_pv = G * A * η * (1 - β * (T_cell - 25))

其中：
G  = 实际辐照度 (W/m²)
A  = 组件总面积 (m²)
η  = 标准测试效率
β  = 温度系数 (通常 -0.003~-0.005 /°C)
T_cell = 电池板温度 (°C)

嗯，这里要注意：T_cell 不是环境温度。我见过有人直接用气象站的气温代入，结果夏季出力算出来偏高20%。实际T_cell = T_ambient + 0.03 * G，这个经验公式在很多场景下都适用。

4.2.2 风电建模

风电的功率曲线是核心。每台风机出厂都有一条P-v曲线，但实际运行中会有衰减。我建议用下面的分段模型：

P_wind = 
  0,                          v < v_cut_in
  P_rated * (v³ - v_cut_in³) / (v_rated³ - v_cut_in³),  v_cut_in ≤ v < v_rated
  P_rated,                    v_rated ≤ v < v_cut_out
  0,                          v ≥ v_cut_out

其中v_cut_in一般是3~4 m/s，v_rated是12~15 m/s，v_cut_out是25 m/s左右。但说实话，这个理想曲线跟实际偏差不小。我习惯在模型里加一个老化系数，每年递减0.5%~1%。

4.3 资源评估与选址原则：选对地方，事半功倍

资源评估，说白了就是回答：这个地方的光/风资源够不够好？ 选址原则更综合，要考虑资源、电网、土地、环境等多方面。

我总结了一个“四步评估法”：

1. 资源普查——用长期气象数据（至少10年）评估年均辐照度、年均风速、有效小时数。
2. 微观选址——避开阴影遮挡（光伏）、湍流区（风电）。我在山地项目里吃过亏，风机放在山脊上，但没考虑山谷风的湍流，结果机组频繁振动停机。
3. 电网接入——评估并网点容量、线路距离、电压等级。距离超过5公里，线损就可能吃掉5%以上的发电量。
4. 环境与社会——避开生态红线、基本农田、居民密集区。噪声和视觉影响往往是项目被否的隐形杀手。

4.4 本章知识体系：一张图看懂

下面这张图是我自己梳理的框架，把负荷预测、分布式电源建模、资源评估与选址的逻辑关系串起来了。你仔细看，这三件事其实是相互耦合的——负荷预测的结果会影响电源容量配置，而资源评估又决定了电源的实际出力曲线。

你看，从负荷预测得到需求曲线，从资源评估确定可用资源，然后建模得到电源出力，三者共同决定了微电网的容量配置、储能规模、运行策略。任何一个环节的偏差，都会像蝴蝶效应一样放大到最终方案里。

好了，这一章的内容就这些。负荷预测、电源建模、资源评估，这三板斧你掌握了，微电网规划的基础就算打牢了。下一章咱们聊聊储能系统的容量配置——那又是一个充满“坑”的领域。

---

公众号:蓝海资料掘金营，微信deep3321