前言
第1章 風光新能源發電預測背景
1.1 風光新能源發展現狀
1.1.1 風電發展現狀
1.1.2 光伏發展現狀
1.2 風光新能源發電預測繫統發展歷程
1.2.1 風電預測繫統發展歷程
1.2.2 光伏發電功率預測繫統發展歷程
1.3 風光新能源發電預測意義
1.2.3 新能源發電預測對電力繫統安全經濟運行的意義
1.2.4 新能源發電預測對電力市場高效運行的意義
第2章 風光新能源發電預測基礎
2.1 數值天氣預報技術
2.1.1 概述
2.2.2 全球尺度數值氣像模式
2.2.3中尺度數值氣像模式
2.2.4 面向風光新能源發電預測的電力氣像預報
2.2 風光新能源發電預測分類
2.2.1 時間尺度分類
2.2.2 空間尺度分類
2.2.3 預測模型分類
2.2.4 預測形式分類
2.3 風光新能源發電預測基礎模型
2.3.1 物理模型
2.3.2 統計模型
2.3.3 機器學習與人工智能模型
2.4 風光新能源發電預測評價體繫
2.4.1 單值預測評價
2.4.2 概率預測評價
2.4.2 事件預測評價
2.4.4 考核要求
第3章 風電功率單值預測
3.1 風力發電特性分析
3.1.1 氣像相依特性
3.1.2 時序波動特性
3.2 風電場功率超短期預測
3.2.1 概述
3.2.2 基本算法原理
3.2.3 基於多變量EDM的風電功率單值預測
3.2.4 算例分析
3.3 風電場功率短期預測
3.3.1 概述
3.3.2 基於減法聚類和GK模糊聚類算法的氣像條件分類方法
3.3.3 基於氣像分類和XGBoost的短期風電場功率預測
3.3.4 算例分析
3.4 集群風電場功率預測
3.4.1 概述
3.4.2 時空特征深度挖掘的集群風電功率預測模型
3.4.3 算例分析
第4章 光伏功率單值預測
4.1 光伏發電特性分析
4.1.1 氣像相依特性
4.1.2 時序波動特性
4.2 光伏功率超短期預測
4.2.1 概述
4.2.2 多時間尺度雲團移動預測
4.2.3 考慮雲遮擋的光伏功率超短期預測
4.2.4 算例分析
4.3 光伏功率短期預測
4.3.1 概述
4.3.2 基於高斯相似度的相似日檢索方法
4.3.3 基於相似日檢索與Light-GBM的光伏功率預測模型
4.3.4 算例分析
4.4. 分布式光伏功率預測
4.4.1 概述
4.4.2 基於小波包算法的分布式光伏功率序列分解
4.4.3 分布式光伏平穩序列與波動序列插值過程
4.4.4 算例分析
第5章 風光新能源發電概率預測
5.1 稀疏貝葉斯學習
5.1.1 概述
5.1.2 SBL原理
5.1.3 基於SBL的新能源功率概率預測——以風電為例
5.1.4 算例分析——以風電為例
5.2 分位數回歸
5.2.1 概述
5.2.2 基於非線性分位數回歸的新能源發電功率概率預測模型
5.2.3 算例分析——以風電為例
5.3 D-S證據理論
5.3.1 概述
5.3.2 誤差條件概率預測
5.3.3 D-S證據理論整合概率分布
5.3.4 算例分析——以風電為例
5.4 核密度估計
5.4.1 概述
5.4.2 基於KDE的新能源發電功率概率預測模型
5.4.3 算例分析——以光伏為例
第6章 風光新能源發電組合預測
6.1 單值預測組合模型
6.1.1 概述
6.1.2 自適應增強集成模型原理
6.1.3 基於自適應增強的單值集成組合預測
6.1.4 算例分析—以光伏功率預測為例
6.2 概率預測組合模型
6.2.1 概述
6.2.2 擴展BMA模型原理
6.2.3 組合非參數概率預測—以風電為例
6.2.4 算例分析—以風電功率預測為例
第7章 風光新能源發電爬坡事件預測
7.1 風電爬坡事件預測
7.1.1 概述
7.1.2 風電爬坡事件定義
7.1.3 基於樸素貝葉斯網絡的爬坡事件概率預測模型
7.1.4 算例分析
7.2光伏功率爬坡事件預測
7.2.1 概述
7.2.2 考慮日周期性影響的光伏功率爬坡事件定義
7.2.3 基於信度網絡的光伏功率爬坡事件預測
7.2.4 算例分析
參考文獻

前 言
在“雙碳”目標驅使下，我國風光新能源發電裝機容量持續提升。風光發電受氣像資源影響顯著，具有顯著的隨機性與波動性，大規模、高比例並網對電力繫統安全經濟運行造成挑戰，提升預測精度可有效緩解風光發電不確定性的負面影響，對於促進風光並網消納、提升風光供電保障能力具有積極意義。另一方面，我國正穩步推進電力市場化改革進程，風光場站作為市場主體，其發電功率預測準確性將直接關乎場站的市場收益與考核懲罰。因此，如何充分利用數值天氣預報信息，分析不同時空尺度下風光出力特性，利用先進模型與算法，準確預測風光發電功率，量化評估預測結果的不確定性，是電網調度、風光場站以及預測服務提供商持續關注的重點問題。
在上述背景下，山東大學電力繫統經濟運行團隊以多時空尺度風光發電預測精度提升為目標，自2009年開始持續開展深入研究，針對超短期、短期等不同時間尺度，場站、集群、分布式等不同空間尺度，單值、概率、爬坡事件等不同預測形式，提出了繫列預測方法，基本涵蓋了風光發電功率預測所涉及的熱點問題。與此同時，團隊自主研發了風光功率預測產品，實現了科研成果的產業轉化與推廣應用，積累了充足的工程經驗。本書是對團隊10餘年研究成果的繫統性總結，具有一定參考價值，既可以作為相關科研人員與工程人員的參考書目，也可以作為研究生的教材使用。
本書結構按照由淺入深，逐步開展的原則設計。書的第一章介紹了國內外風光發電的發展現狀，進一步引出了國內外風光發電功率預測方法以及繫統的發展歷程，在此基礎上總結了風光新能源發電對於電力繫統以及電力市場的重要性；第二章介紹了風光新能源發電預測的相關理論基礎，包括面向風光發電預測的電力數值氣像預報技術、風光發電預測分類方法、風光發電預測基礎模型以及風光發電預測評價體繫；第三章從風力發電特性分析出發，分別針對超短期、短期時間尺度以及集群空間尺度的特點介紹了相應的風電功率單值預測模型，通過算例對比研究證實了所提模型的有效性與精準性；第四章從光伏發電特性分析出發，分別針對超短期、短期時間尺度以及分布式空間尺度的特點介紹了相應的光伏功率單值預測模型，並利用實際場站數據進行模型性能驗證研究；第五章在單值預測的基礎上進一步深入探討風光發電功率概率預測，介紹了參數化概率模型（稀疏貝葉斯學習）和非參數化概率模型（分位數回歸、D-S證據理論、核密度估計）並進行算例分析驗證；第六章重點探討了多模型組合預測在風光功率單值和概率預測中的應用，以克服單一預測模型環境適應能力較弱的缺陷，提升預測精準度和魯棒性；第七章介紹了風光發電爬坡事件的定義，針對爬坡事件的小樣本問題，提出了非精確概率區間預測方法。
本書是團隊研究成果的總結，在此感謝直接參與此項研究的於一瀟博士、李夢林博士、王傳琦博士，以及所有參與到此項研究工作中的碩士研究生。此外，還要衷心感謝在研究過程中給予指導的韓學山教授、參與討論的課題組其他老師，以及長期保持密切合作與溝通的中國電科院新能源所的各位專家。本書涉及研究內容獲得了國家重點研發計劃項目“促進可再生能源消納的風電/光伏發電功率預測技術及應用”（2018YFB0904202）、國家重點研發計劃項目“大規模風電/光伏多時間尺度供電能力預測技術”（2022YFB2403003）、國家重點研發計劃政府間國際科技創新合作項目“柔性挖掘的主動配電網協同運行關鍵技術與仿真平臺研究”（2019YFE0118400）、國家自然科學基金聯合基金項目“基於靈活性挖掘的區域能源互聯網協同運行關鍵技術與仿真平臺研究”（U2166208）的資助，也一並表示感謝。
本書內容體現的研究成果是階段性的，由於作者水平有限，難免存在缺陷與不足，懇請讀者給予批評和指正。