4、新能源出力预测：光伏与风电出力特性、数值天气预报(NWP)应用、概率预测方法
各位做电力市场的朋友，咱们今天聊聊新能源出力预测。说实话，这玩意儿在现货市场里太关键了。你预测不准，交易策略就是空中楼阁。我见过太多团队，模型跑得飞起，结果一到实际交易就翻车——问题往往出在出力预测这个环节。
4.1 光伏出力特性：别被“太阳”骗了
光伏出力，表面上看是跟着太阳走。但实际做起来，坑多得很。
先说基本规律：
- 日特性：正午出力最大，早晚为零。这个大家都知道。
- 季节特性：夏季出力峰值高，但冬季日照时长短。不过，夏季的云层遮挡反而更频繁。
- 天气敏感性：晴空万里时，出力曲线像座平滑的山峰。一旦有云飘过，立马锯齿状波动。
核心要点：光伏出力的不确定性，80%来自云层变化。不是太阳高度角，是云！
我在项目中遇到过一件事。某光伏电站，装机容量100MW。夏天某日，上午10点出力冲到85MW，结果一片积雨云飘过来，15分钟内掉到12MW。现货市场里，这种波动直接导致我们之前报的“高发策略”全部作废。嗯，从那以后，我对光伏预测多了一个心眼——必须考虑云层移动速度。
4.2 风电出力特性：比光伏更“任性”
风电比光伏更难预测。为什么？因为风是三维的，受地形、气压、温度等多重因素影响。
风电出力特点：
- 反调峰特性：很多地区，夜间风速反而大。白天用电高峰时，风可能停了。这跟光伏正好互补，但给调度带来麻烦。
- 湍流与阵风：几分钟内出力波动20%-30%是常事。我见过最夸张的一次，10分钟内从50MW飙到120MW，然后又跌回40MW。
- 尾流效应：上风向的风机遮挡下风向的风。大型风电场里，后排风机出力可能比前排低20%。
个人经验：做风电预测时，别只看单台风机数据。要看整个风电场的“集群效应”。我曾经吃过亏，单台预测精度90%，但整个场站预测误差却高达25%。后来发现是忽略了尾流和地形加速效应。
4.3 数值天气预报(NWP)：预测的“地基”
说白了，新能源出力预测的底层依赖就是NWP。没有好的气象数据，再牛的AI模型也是白搭。
NWP的核心要素：
| 要素 | 对光伏影响 | 对风电影响 |
|---|---|---|
| 短波辐射 | 直接决定理论出力 | 无直接影响 |
| 云量/云类型 | 遮挡衰减关键 | 间接影响（气压变化） |
| 风速/风向 | 无直接影响 | 核心驱动因素 |
| 温度 | 影响光伏板效率（温度系数） | 影响空气密度 |
| 气压 | 无直接影响 | 影响风能密度 |
NWP的“坑”：
- 空间分辨率：很多免费NWP数据是25km×25km网格。一个网格里可能有平原、山地、湖泊。你想想看，这能准吗？我建议至少用9km×9km，最好3km×3km。
- 时间分辨率：现货市场需要15分钟级预测。但NWP通常1小时甚至3小时输出一次。中间需要插值，插值本身就会引入误差。
- 更新频率：ECMWF一天更新两次，GFS一天四次。对于日内交易来说，这个频率太低了。我习惯用高分辨率快速更新模式（如HRRR），每小时更新一次。
避坑指南：我曾经直接拿NWP的“地表风速”做风电预测，结果误差巨大。后来发现，NWP的地表风速是10米高度处的值。而现代风机轮毂高度是80-120米。必须用风廓线公式（如对数律或幂律）将10米风速换算到轮毂高度。这个换算，误差能差出30%。
4.4 概率预测方法：别只给一个数
确定性预测（比如“明天中午光伏出力80MW”）在现货市场里够用吗？不够。你想想看，交易决策需要知道风险。80MW这个点，上下波动10MW和上下波动30MW，交易策略完全不同。
概率预测要回答三个问题：
- 期望值是多少？——这是基础
- 不确定性有多大？——用预测区间表示
- 极端情况概率？——比如“出力低于20MW的概率是5%”
常用方法：
- 分位数回归：直接预测10%、50%、90%分位数。简单粗暴，但效果不错。我常用的是梯度提升分位数回归（LightGBM Quantile）。
- 贝叶斯神经网络：输出均值+方差。可以给出完整的概率分布。但训练比较慢，而且容易过拟合。
- 集成方法：训练多个模型，用它们的输出分布来估计不确定性。比如用10个不同的随机森林，看它们预测结果的离散程度。
- 残差建模：先做确定性预测，然后对残差（实际值-预测值）建模。残差通常服从某种分布（如拉普拉斯分布或正态分布）。
我的建议：别一上来就搞贝叶斯深度学习。先试试分位数回归+残差建模。简单、可解释、容易部署。我在实际项目中，用LightGBM分位数回归，预测区间覆盖率能做到90%以上，而且训练时间只要几分钟。
4.5 知识体系与核心逻辑
下面这张图，是我自己总结的新能源出力预测知识体系。你仔细看看，就能明白各个环节是怎么串起来的。
这张图的核心逻辑是：输入决定上限，模型决定下限。NWP数据质量不好，再牛的模型也救不了。反过来，数据质量好，简单模型也能出好效果。
4.6 实战中的几个“坑”
最后，分享几个我踩过的坑，希望对你有帮助。
坑一：光伏预测里，别忽略“双面组件”。双面组件背面也能发电，尤其是地面有雪或浅色沙地时，背面增益能达到15%-25%。我一开始没考虑这个，预测值一直偏低。
坑二：风电预测里，注意“冰冻”问题。北方冬天，风机叶片结冰后，出力可能直接掉到零。NWP通常不预报结冰，需要自己加一个结冰模型。我吃过这个亏，一次寒潮来袭，预测值80MW，实际只有5MW。
坑三：概率预测的“校准”问题。你输出的90%预测区间，实际覆盖率可能只有70%。必须做概率校准。我常用的方法是等渗回归（Isotonic Regression）或Platt缩放。不做校准的概率预测，在交易决策里反而会误导你。
好了，新能源出力预测这块，核心就是这些。记住：数据质量第一，模型第二，概率输出第三。别搞反了。
公众号:蓝海资料掘金营，微信deep3321