4. 分布式电源出力特性与预测

微电网的源网荷储协调控制，本质上是在“不确定的电源”和“可调的负荷与储能”之间做实时平衡。光伏和风电的出力不由调度指令决定，而由气象条件决定，因此理解它们的波动规律、掌握预测方法、并正确处理预测误差，是协调控制能否落地的前提。本节围绕“波动性从哪来—怎么预测—误差怎么用”三个问题展开。

一、光伏与风电的出力波动性来源

光伏出力主要取决于组件接收到的辐照度和电池温度。在标准测试条件（辐照度1000 W/m²、电池温度25℃）下，出力接近额定功率；实际运行中，云层遮挡可在数十秒内使辐照度下降50%以上，造成出力的“陡降—陡升”。此外，早晚太阳高度角低、辐照度小，日出日落前后出力变化率最大。温度的影响相对平缓：温度升高时开路电压下降，出力略有降低，典型温度系数约为−0.3%/℃～−0.45%/℃。

风电出力取决于风速，而风速与功率呈三次方关系（在额定风速以下）。这意味着风速的小幅波动会被放大为功率的显著变化。风速还受地形、塔影效应、湍流影响，秒级到分钟级都存在脉动。当风速接近切入风速（约3 m/s）或额定风速（约12 m/s）附近时，出力的相对波动最剧烈。

从时间尺度看，波动可分为三类：秒级～分钟级的湍流与云遮挡引起的快速波动；小时级的天气过程变化；日级以上的季节性与天气系统变化。协调控制最关心的是分钟级到小时级的波动，因为它直接决定储能充放电指令和联络线功率的调整频率。

二、短期与超短期预测方法

按时间尺度划分，超短期预测面向未来0～4小时，主要用于实时功率平衡和储能控制；短期预测面向未来1～72小时，用于日前调度和发电计划编制。两者对数据源和算法的要求不同。

超短期预测通常采用“地基云图+卫星云图+历史功率”的组合方式。一种可落地的做法是：以5分钟为采样周期，取最近30分钟的功率序列，用持续法（persistence）作为基准，再用ARIMA或简单神经网络做修正。例如，某10 kW光伏电站，最近6个采样点功率为[6.2, 6.5, 6.1, 5.8, 5.5, 5.2] kW，持续法直接取最后一点5.2 kW作为下一时刻预测值；若引入一阶差分修正，预测值约为5.2+(5.2−5.5)=4.9 kW。实际中更常用的是“云图外推”：根据云团移动速度和方向，推算未来10～30分钟遮挡概率，再映射为功率衰减系数。

短期预测依赖数值天气预报（NWP）数据，包括辐照度、温度、风速、风向等。常用方法有三类：物理法（将NWP辐照度通过光伏模型转换为功率）、统计法（如多元线性回归、支持向量机）、机器学习法（如LSTM、XGBoost）。以风电短期预测为例，输入特征可包括：轮毂高度风速、风向、气温、气压、历史功率均值。一个简化的多元线性回归示例：P = a·v³ + b·v² + c·v + d，其中v为预测风速，系数a、b、c、d由历史数据最小二乘拟合得到。实际工程中，LSTM因能捕捉时序依赖，在1～4小时尺度上通常比线性回归降低10%～20%的均方根误差。

三、预测误差的处理与协调控制中的使用

预测误差不可避免。光伏短期预测的均方根误差（RMSE）通常在10%～20%额定容量，风电在15%～25%。误差处理的核心思路不是“消除误差”，而是“量化误差并留出调节裕度”。

第一步是误差统计。对历史预测值与实际值做残差分析，得到误差分布。例如，某风电场统计过去30天，短期预测误差服从均值0、标准差8%的正态分布。据此可计算：在95%置信水平下，实际出力可能比预测值低约13%。

第二步是预留备用。协调控制中，储能荷电状态（SOC）的调度区间需根据误差分布设定。若误差标准差为8%，则SOC运行区间可从[20%, 80%]收窄为[30%, 70%]，留出10%的容量应对预测偏差。同时，可控分布式电源（如微型燃气轮机）需预留上调/下调备用容量。

第三步是滚动修正。每15分钟用最新实测数据更新超短期预测，并重新计算储能充放电指令。若实际出力比预测低10%以上，则触发储能放电或削减非关键负荷；若实际出力比预测高10%以上，则增加储能充电或降低可控电源出力。

四、一个可参考的误差处理检查表

需要强调的是，预测精度提升和误差处理是两条并行路径。前者靠更好的气象数据和算法，后者靠合理的备用与滚动修正机制。在微电网协调控制中，二者缺一不可：没有预测，控制就是盲调；没有误差处理，预测再好也会被突发波动击穿。实际工程中，建议先建立误差统计基线，再根据基线设定储能SOC区间和备用容量，最后通过滚动修正形成闭环。