4. 新能源功率预测与边界预判

新能源功率预测是运行边界预判的前置环节。风电和光伏的出力由气象条件驱动，具有强随机性和波动性，调度无法直接“测量未来”，只能通过预测获得未来时段出力的估计值。预测的时间尺度、方法精度和误差分布，直接决定了运行边界应当留出多大的安全裕度。理解预测与边界之间的传导关系，是做好高比例新能源电网调度的重要基础。

一、短期与超短期预测的定位差异

按时间尺度划分，超短期预测一般指未来15分钟至4小时，滚动更新周期为15分钟或更短，主要用于实时调度、AGC调频配合和日内滚动修正；短期预测一般指未来24至72小时，按小时或15分钟分辨率给出出力曲线，主要用于日前发电计划编制、机组组合和检修安排。两者在边界评估中承担不同角色：超短期预测决定实时运行点是否需要调整边界，短期预测决定日前边界如何预留。

从方法上看，超短期预测以时序外推为主，常用持续法、ARIMA、卡尔曼滤波以及基于历史功率和实时气象的机器学习模型。持续法把当前功率直接作为未来短时预测值，在15分钟尺度上对光伏的误差尚可接受，但对风速突变场景误差迅速增大。短期预测则更依赖数值天气预报（NWP），通过将风速、辐照度、温度、云量等气象要素映射为功率，常用物理方法、统计方法和深度学习组合模型。物理方法基于功率曲线和地形风场模型，可解释性强；统计与机器学习方法依赖历史数据，在数据充足时精度更高。

实际工程中，预测系统通常输出确定性单点预测和概率预测两套结果。确定性预测给出期望出力，概率预测给出分位数或置信区间。边界评估更关注概率预测，因为它能直接回答“有多大概率超过某个出力水平”。

二、预测误差如何传导到运行边界

预测误差是预测值与实际出力之差，通常用均方根误差（RMSE）、平均绝对误差（MAE）和合格率衡量。误差对运行边界的影响体现在三个层面。

第一，误差直接消耗备用容量。若某时段新能源预测出力为 P_fc，实际可能偏低，则系统需要额外上调备用；若实际偏高，则需要下调备用。备用需求可近似表示为 R = k·σ，其中 σ 为预测误差标准差，k 由置信水平决定。例如要求覆盖95%的偏差，k 取1.65；要求99%，k 取2.33。误差越大，同样置信水平下所需备用越多，边界越紧。

第二，误差影响断面传输极限的可用空间。新能源大发时段若预测偏低，实际出力上升可能使送出断面越限；若预测偏高，实际出力不足又可能导致受端电力缺口。因此断面控制中常按预测误差上界预留传输裕度，而不是按预测期望值满送。

第三，误差影响调峰和调频边界。晚高峰光伏快速下降阶段，若预测的下降时刻偏晚，实际下降提前到来，会与负荷爬坡叠加，压缩常规机组上调空间。此时边界评估必须把“预测下降速率误差”作为独立风险量考虑。

三、预测结果在边界评估中的应用方式

预测结果进入边界评估，通常经过“场景生成—边界校核—裕度分配”三个环节。场景生成把概率预测转化为若干典型出力场景，每个场景附带发生概率；边界校核针对每个场景检查潮流、电压、断面和备用约束是否满足；裕度分配则根据场景风险确定预留量。

以某省级电网午间光伏大发时段为例，假设短期预测给出该时段光伏出力期望为8000 MW，80%置信区间为[7200, 8800] MW，误差标准差约600 MW。若按95%覆盖取 k=1.65，则上调备用需求约990 MW，下调备用需求同样约990 MW。若该时段负荷预测为25000 MW，常规机组最小技术出力合计为16000 MW，则新能源消纳空间上限约为9000 MW。此时预测上界8800 MW已接近消纳上限，边界评估应提示“午间存在弃电风险”，并提前安排储能充电或受电通道增送。

在实时运行中，超短期预测每15分钟滚动更新，若发现未来1小时光伏出力较日前预测低1500 MW，调度需立即检查旋转备用是否充足，必要时启动快速机组或调用需求响应。这一过程正是预测结果驱动边界动态修正的典型体现。

四、边界预判中的关键操作与判断依据

把预测结果用于边界预判，需要形成可执行的操作闭环。以下给出一个可参考的评估流程，参数为示例假设，实际应用需按本网误差统计和运行规程调整。

1. 确定评估时段与分辨率。日前评估取15分钟分辨率、未来24小时；实时评估取15分钟滚动、未来4小时。
2. 提取预测误差统计量。按天气类型（晴、多云、阴雨、大风）和出力区间分别统计σ，避免全年平均。示例：某光伏电站晴天午间σ=400 MW，多云天σ=900 MW。
3. 计算备用需求。按 R = k·σ 计算，k 根据置信水平选取。示例：多云天σ=900 MW，取k=1.65，则R≈1485 MW。
4. 校核断面与消纳约束。用预测上界 P_high 检查送出断面是否越限，用预测下界 P_low 检查受端电力是否平衡。
5. 判断边界状态。若备用需求超过可用旋转备用，或P_high超过消纳上限，则边界为“紧张”，需提前安排储能、需求响应或调整开机方式。
6. 实时修正。超短期预测更新后，若偏差超过阈值（如日前预测的10%），重新执行第3至5步。

五、预测精度与边界裕度的权衡

提高预测精度可以直接释放边界裕度。以示例数据说明：若某时段σ从900 MW降至600 MW，在95%置信水平下备用需求从1485 MW降至990 MW，释放约495 MW的可用空间。这部分空间可用于增加新能源消纳或减少开机。因此，预测系统投入与边界裕度收益之间存在明确的经济关系，调度和计划部门应把预测精度作为边界管理的关键参数纳入日常评估。

同时要注意，预测精度提升有上限，极端天气下误差仍可能显著增大。边界评估不能完全依赖预测改进，还需保留必要的安全底线，例如最小旋转备用、关键断面硬约束和黑启动资源。预测是优化边界的工具，不是取消边界的理由。

综上，短期与超短期预测分别服务于日前边界和实时边界，预测误差通过备用、断面和调峰三条路径影响边界可用空间。把概率预测、误差统计和边界校核结合起来，才能在高比例新能源条件下实现既安全又经济的运行边界管理。