第2章 源侧资源解析：分布式光伏、风电、储能电站的并网特性与出力预测

2.1 分布式光伏——我踩过的那些坑

分布式光伏，现在满大街都是。但说实话，真正把它玩明白的人不多。

先说出力特性。光伏的出力曲线，说白了就是跟着太阳走。早上从零开始爬坡，中午达到峰值，下午再慢慢掉下来。我见过太多人拿个PVsyst一跑，觉得数据挺漂亮，结果并网第一天就出问题。

核心问题在哪？ 光伏出力有两个“脾气”：

• 间歇性——云飘过来，出力瞬间掉30%-50%。我曾在浙江一个园区项目里，亲眼看着5秒内功率从800kW跌到400kW。调度那边直接炸了。
• 反调峰性——中午出力最大，但这时候负荷往往不是最高。你想想看，这给电网带来多大压力？

出力预测这块，我建议分三步走：

1. 超短期预测（0-4小时）——靠云图+辐照度传感器。精度能做到85%以上。
2. 短期预测（4-72小时）——靠数值天气预报。嗯，这里要注意，别信单一气象源，我一般至少对比三家。
3. 中长期预测（72小时以上）——说实话，这个级别的预测，误差30%都算正常。别太较真。

2.2 风电——出力曲线像过山车

风电比光伏更难伺候。为什么？因为风的变化比光照复杂得多。

风电的并网特性，我总结了三句话：

• 波动性大——分钟级波动能达到额定功率的20%。
• 反调峰性更强——晚上风大，但负荷低。白天风小，负荷反而高。
• 低电压穿越能力——这是硬指标。电网电压跌到20%，风机必须能坚持625ms不脱网。

我记得在河北张家口做项目时，遇到过一件特别头疼的事。那台2MW的风机，每次风速在8-10m/s之间来回晃的时候，出力就像心电图一样。后来查出来，是变桨系统的响应速度跟不上风速变化。

风电出力预测，我个人习惯用“物理+统计”混合模型：

# 一个简单的风电功率预测模型示例
def wind_power_forecast(wind_speed, air_density, rotor_area):
    """
    风速 -> 功率转换
    cp: 风能利用系数，通常取0.4-0.45
    """
    cp = 0.42  # 实际项目中需要根据风机型号调整
    power = 0.5 * air_density * rotor_area * (wind_speed ** 3) * cp
    return power

但说实话，这个公式只是理论值。实际项目中，我还会加入：

• 湍流强度修正
• 空气密度修正（海拔每升高1000米，密度下降约10%）
• 叶片结冰修正（北方冬季，这个能让你出力直接腰斩）

2.3 储能电站——源侧的“缓冲器”

储能，说白了就是给电网装了个“充电宝”。但怎么用，学问大了。

储能的并网特性，我重点说三个：

特性	说明	我的建议
响应速度	从接收指令到满功率输出，一般≤200ms	做AGC调频时，这个速度是优势
充放电效率	锂电池一般在85%-95%之间	别只看单体效率，系统效率才是关键
循环寿命	通常5000-8000次	深度充放电会大幅缩短寿命

出力预测怎么做？ 储能和光伏、风电不一样。它的出力不是“预测”出来的，而是“调度”出来的。但你要预测的是——它什么时候需要充，什么时候需要放。

我个人习惯用“两阶段法”：

1. 第一阶段： 根据光伏/风电的超短期预测，算出功率缺口。
2. 第二阶段： 结合SOC状态和电价信号，优化充放电策略。

2.4 知识体系总览

下面这张图，是我自己梳理的源侧资源核心逻辑。你把它吃透了，后面几章会轻松很多。

2.5 实战中的几个关键点

最后，我把自己这些年踩过的坑，总结成几条实战建议：

• 数据质量是第一位的。 我见过太多人拿着垃圾数据跑模型，结果预测精度还不如直接取平均值。记住：Garbage in, garbage out。
• 别迷信单一预测模型。 我个人习惯至少跑三个模型，然后取加权平均。权重根据历史表现动态调整。
• 储能SOC管理要留余地。 我曾经为了追求收益，把SOC用到极限，结果第二天一早光伏出力暴增，储能却没容量充电了。现在我的底线是：SOC永远保留10%的缓冲区间。
• 并网协议要逐字看。 尤其是“功率因数”、“谐波含量”、“电压波动”这些指标。一个0.9的功率因数要求，可能让你多花几十万的无功补偿设备。

好了，源侧资源这块，核心内容就这些。下一章我们会聊网侧资源，到时候再细说。