2. 数据基础：光伏/风电发电原理与影响发电量的关键气象因素
做发电量预测，说白了就是跟老天爷打交道。你想想看，光伏板不会自己决定发多少电，风机也不会看心情转。它们都听气象的指挥。所以，搞懂发电原理和气象因素的关系，是建模的第一步。
我个人习惯，拿到一个新项目，先不急着调模型。我会花至少一天时间，把电站的物理原理和气象数据摸透。这一步省了，后面全是坑。
2.1 光伏发电原理：光怎么变成电？
光伏发电的核心，就是光生伏特效应。听起来高大上，其实很简单：
- 太阳光照射到硅片上，光子把能量传给电子
- 电子获得能量后，开始跑动，形成电流
- 电流汇集起来，就是直流电，再通过逆变器变成交流电
嗯，这里要注意：光伏板不是只要有光就能满发。它有个温度系数。我在项目中遇到过，夏天大太阳，气温40度，结果发电量反而比春秋天低。为什么？因为温度太高，电子乱跑，效率反而下降了。
关键公式（简化版）：
P = G × A × η × (1 - β × (T_cell - 25))
其中：G是辐照度，A是面积，η是效率，β是温度系数，T_cell是电池板温度
我的经验：建模时别只看气温。电池板温度通常比气温高15-30度。我曾经直接用气温代替板温，结果模型误差大了5%。后来我加了热模型修正，效果立竿见影。
2.2 风电发电原理：风怎么变成电？
风电的原理更直观。风吹动叶片，叶片带动齿轮箱，齿轮箱带动发电机。但这里有个关键点：风能密度和风速的立方成正比。
什么意思？风速翻一倍，风能变成8倍。所以风速预测的准确性，直接决定了风电预测的生死。
我记得有一次做风场预测，风速误差只有0.5m/s，但功率误差却到了20%。后来一查，就是因为忽略了风速的立方关系。
避坑指南：我曾经在建模时直接用风速做特征，效果很差。后来改成风速的立方、风速的平方，再加上风向的正弦余弦变换，模型才稳定下来。记住：特征工程比模型选择更重要。
2.3 影响光伏发电的关键气象因素
做光伏预测，这几个气象因素你必须盯死：
| 因素 | 影响程度 | 我的建议 |
|---|---|---|
| 水平辐照度（GHI） | ★★★★★ | 核心特征，必须精确 |
| 散射辐照度（DHI） | ★★★★ | 阴天时尤其重要 |
| 温度 | ★★★ | 用板温，别用气温 |
| 云量 | ★★★★ | 短时预测的关键 |
| 湿度 | ★★ | 影响散射，间接作用 |
你想想看，如果辐照度数据不准，后面再怎么调模型都是白搭。我见过有人用卫星数据直接建模，结果误差大得离谱。后来换了地面实测数据，精度直接翻倍。
2.4 影响风电发电的关键气象因素
风电这边，因素更集中，但更复杂：
- 风速：核心中的核心，注意要用轮毂高度的风速
- 风向：影响尾流效应，多台风机之间会互相干扰
- 空气密度：受温度和气压影响，高原风场尤其要注意
- 湍流强度：影响风机实际出力，但数据难获取
- 切变指数：描述风速随高度的变化，对大型风机很重要
核心逻辑：风电预测的难点在于风速的随机性和间歇性。不像光伏有昼夜规律，风可能半夜突然变大，也可能白天突然停掉。所以，时序特征和滞后特征在风电模型中特别重要。
2.5 知识体系总览
下面这张图，是我做课程时画的。它把光伏和风电的发电原理、关键气象因素、以及它们如何影响预测模型，串在了一起。你多看几遍，心里就有谱了。
2.6 数据获取与预处理要点
最后，聊几句数据的事。不管光伏还是风电，数据质量决定了模型上限。
# 我常用的数据检查步骤
1. 检查时间戳是否连续（有没有缺失）
2. 检查辐照度/风速是否在合理范围
3. 检查夜间数据是否归零（光伏）
4. 检查切出风速附近的数据（风电）
5. 做滞后相关性分析，确定最佳时间窗口一个小技巧：我习惯把气象数据和发电数据做交叉验证。比如，辐照度很高但发电量很低，那大概率是数据采集出了问题。这种脏数据，比缺失数据更可怕。
好了，这一章就到这里。记住一句话：懂原理，才能做好预测。下一章我们开始动手，讲数据采集和清洗的具体方法。
公众号:蓝海资料掘金营，微信deep3321