正如前一篇所分析的，新能源功率预测行业在碳中和背景下将继续深入发展，并在未来发挥更加重要的作用。新能源功率预测行业的核心在于预测精度，目前的预测精度并不能满足行业的要求，很多新能源场站存在由于功率预测不准确导致高额罚款的情况，而且随着行业的深入发展对预测精度的要求会越来越高。现阶段功率预测不准确的主要原因有：测风塔/辐照仪等基础数据质量差、数值天气预报准确率不高、功率预测模型匹配度不好，本篇主要讨论数值天气预报这一部分。

1、面向新能源发电的数值天气预报的特殊性

数值天气预报通过大型计算机求解描述大气运动的物理方程组来预测未来一段时间的天气状态，从诞生至今已取得长足的发展，预测准确性得到了大幅提升，为什么要说数值天气预报准确率不高呢？这是因为应用于新能源功率预测的数值天气预报在时空分辨率、预报时长方面有不同于常规气象服务的特殊性。

• 通常情况下，数值天气预报的模拟区域会覆盖几万或者几十万平方公里，但是风电场、光伏电站空间范围通常在几平方公里
• 短期数值天气预报的时间分辨率目前最高是小时级别，但是新能源功率预测功能规范要求的短期及超短期功率预测时间分辨率为15分钟，并且超短期要求每15分钟预报一次
• 风功率预测需要的是轮毂高度的风速，轮毂高度一般65m～160m不等，但是数值天气预报通常只有10m风速或者100m风速

因此新能源功率预测无法直接应用常规数值天气预报，需要利用动力降尺度等技术，将常规天气格点预报转为新能源功率预测所需的“定点、定高、定时”的预报。此外，数值天气预报技术较为复杂，影响风速、风向、辐照等参量预报精度的原因繁多，也需要采用针对性的方法降低预报误差。

2、“定点、定高、定时”预报

为了将常规数值天气预报降尺度到轮毂高度且时空分辨率满足新能源预测需求的主要手段是区域数值模式，目前应用最广泛的区域模式是美国国家大气研究中心（NCAR）研发的WRF模式，技术关键点括：资料同化、多重网格嵌套及物理过程参数化方案和集合预报技术。

资料同化

区域数值模式是建立在好的初始条件上的，在现有观测体系不发生重大改革的条件下，资料同化可通过优化初始条件提升气象预报的准确性。我们目前业务使用的资料同化系统为WRFDA，同化方案选用ETKF-3DVAR，预报模式为WRF，采用全球模式的分析场和预报场作为数值模拟的模式初始场和侧边界，初始集合预报采用TIGGE资料集的欧洲中期天气预报中心发布的51个集合预报成员、分辨率为1*1度的全球集合预报场。 需要注意的是，如果只同化风电场的一个测风塔或者测风能力更强的测风雷达数据，实际预报过程观测的信息被频散掉，观测对初始场的较正作用会随着大气运动而“流走”，导致同化仅仅能在预报前一两个小时起作用。为了有效延长同化的时效，同化模块接入的观测数据需要由点到面的扩展。

• 尽量接入更多新能源场站的观测数据，甚至单风机机头风速
• 尽可能利用数万个气象观测站数据

多重网格嵌套和物理参数化方案

众所周知，区域网格及网格嵌套的设计以及微物理、长短波辐射等参数化过程直接影响风速、辐照度的预报效果。心知花很长时间做了大量地敏感性试验，获得不同区域不同季节模拟效果最优的网格设置以及物理参数化方案。

集合预报技术

传统的数值天气预报每次只给一个结果，但是由于数值模式是大气运动的简化而且气象观测也有局限性，即使是世界上最好的数值预报也仅仅是未来天气的一种可能，并不能完全确定地代表未来的天气。集合预报则是汇总不同的预报结果后给出未来天气最有可能出现的一个预报值。举个例子，为了预报明天下不下雨，我们组织101个预报员来开会，认为明天有雨的举手，如果有51个人举手，那么预报就是明天下雨。 另外，集合预报不但能给出预报值，还可以通过计算各集合成员之间的离散度，来度量预报结果的概率分布，给出某一置信度下新能源场站功率预测的置信区间。集合预报能提供更多的信息，便于电网调度和电力交易相关方做出更全面的决策。 我们采用了来自美国、欧洲、日本、英国、中国等多家优质全球气象预报源，利用多种全球预报和多时次预报构建多预报初始场进行集合预报。

3、优化数值天气预报能够提升功率预测精度

基于我们对数百个风电场和光伏电站提供预测服务的经验，数值天气预报所起的作用在新能源功率预测中的比重为60%左右，风速RMSE每降低0.3，风功率预测精度提高1个点。 2020年上半年，我们与国内某头部功率预测厂家联合进行试验，以分布在全国各区域的60个风电场为例，对比两组不同的天气预报对功率预测精度的影响。试验结果表明，在全国不同区域准确率较高的天气预报生产的轮毂高度的风预测曲线的RMSE基本上都低于准确率整体水平较差的天气预报，同时带来功率预测精度上的提高。

4、结语

以上是我们基于日常工作积累对面向新能源发电的数值天气预报的分析和研判，供相关从业人员参考。随着智能化时代的到来，人们开始依托先进技术手段建立起各种预测天气的方式，人工智能技术的身影也在气象预测领域日渐活跃，涌现出一大批基于机器学习的智能预报案例，比如气象灾害的判别和预报、短临降水预报、对地球系统模式的数据同化和参数化进行最优拟合等等。据欧洲中期天气预报中心最新的报道，目前人工智能技术已覆盖数值天气预报的全流程，渗入到预报中的各个环节。我们相信，通过对数值方法、统计方法和人工智能方法的结合，发挥各个方法的优势，才能最大化提高新能源功率预测的精度。接下来我们将从多个维度分享我们利用人工智能技术在新能源功率预测方面的进展和成果，敬请期待。