国际能源署可再生能源发电预测解决方案实施推荐指南

我国是全球可再生能源领域的领跑者。2023年我国风能新增装机容量比上年增长66%，2023年中国太阳能光伏新增装机容量相当于2022年全球太阳能光伏新增装机容量。预计到2028年，我国将占全球新增可再生能源发电量的60%，对全球实现可再生能源增加两倍目标发挥着至关重要的作用。本书的写作背景与我国可再生能源发展极为契合。
本专著汇集了来自不同背景的作者长达数十年的专业知识，包括大学和政府实验室、商业预报员和业务预测最终用户，形成了一套全面的实践标准化流程，介绍了风力发电预测的所有领域，包括预测方法、测量选择和数据质量控制，为可再生能源预测相关过程的评估提供了专门构建的决策支持工具、流程图和代码示例。本专著可为我国风光可再生能源场站、各级电力调度机构、可再生能源预测服务商在提升风光新能源功率预测精度上提供理论指导和实践依据，具有重要的应用价值。一方面，提升风光可再生能源功率功率预测可以帮助风光场站在电力市场中决策提供更准确的信息，提高市场收益，同时可以避免调度机构的预测偏差考核费用；另一方面，提升风光可再生能源功率预测可以帮助调度机构更好的制定发电计划，配置备用容量，优化提升电网功率平衡能力，保障电网运行安全性，提升电网运行经济性；同时，提升可再生能源发电预测精度是增强新能源功率预测服务商市场竞争力的重要手段。综合来说，本书的具有较强的应用价值，可以帮助地提升我国可再生能源发电容量利用率、相关行业的经济效益和投资回报率。
本专著是国际能源署风能任务36(风能预测)的部分研究成果，一组国际专家集体撰写了这本专著，解决了许多当前运营预测解决方案没有针对其预期应用进行适当优化的问题。它提供了关于预测解决方案选择过程的详细指南和推荐实践，设计和执行预测基准和试验，预测解决方案评估以及实时预测应用的气象和电力数据要求。此外，本专著也整合了风光确定性和概率性预报，提供了改进的IT数据交换和数据格式标准，并有一个专门的章节来处理SCADA和气象测量的数据要求，这也是目前其他同类书籍所欠缺的。
目前已有的新能源或可再生能源发电预测专著多以理论预测模型为主，本专著的最大特点是将数十年的学术知识和标准要求转化为能源行业的适用程序和决策支持工具，专为能源行业从业者设计，读者可以利用这些工具最大限度地发挥可再生能源预测信息在运营决策应用中的价值，并通过更有效地管理可再生能源发电的可变性，显著降低将大量风能和太阳能发电并网的成本。

本书是国际能源署（IEA）风能技术合作计划关于可再生能源预测的推荐应用方法，内容分为4部分：第1部分是预测解决方案的选择，主要讨论了如何制定一个标准化的流程，以帮助用户根据具体的应用场景选择最佳的预测解决方案；第2部分是预测基准试验和测试的设计与执行，具体讨论了定制化的预测基准和试验的设计、执行和分析；第3部分是预测解决方案的评估，包括对备选预测方法、业务和非业务应用预测方法以及整个预测解决方案的评估；第4部分是实时预报应用中的气象和电力数据需求，为选择、部署和维护气象传感器、功率测量设备以及进行相关数据质量控制工作提供指导。

本书适合需要基于风光可再生能源发电预测进行并网运行和市场交易，并支持和积极推进可再生能源发电预测流程标准化的相关人员阅读。这些人员既包括已经通过创新性方法从可再生能源发电预测中获取经济效益的行业先驱，也包括仍然对可再生能源发电预测存在困惑的行业新人，以及正在尽力将风光可再生能源发电预测融入业务流程的行业人员。

Corinna M?hrlen博士是WEPROG公司的联合创始人、总经理和研究协调员。自2003年起，WEPROG公司基于75成员多模式集合预报系统（MSEPS），持续提供全球范围内的天气与能源综合预测服务，专注于为可再生能源并网预测领域提供专业支持。
她还是德国工程学会（VDI，自1994年起）、IEEE电力与能源学会（IEEE PES，自2008年起）成员，也是国际能源署风能技术合作计划任务36“风能预测”（2016—2021年）和任务51“天气驱动能源系统预测”（2022—2025年）管理委员会成员和任务负责人。20多年来，她一直参与和协调国际层面的预测项目，撰写和评审多篇可再生能源预测及其并网相关的期刊文章。她在德国波鸿鲁尔大学获得土木工程硕士学位，在爱尔兰科克大学获得土木与环境工程硕士和博士学位。在她的博士研究中，她将重点放在预测过程中的大气科学和气象学部分，并成功将多方案集合预报方法应用到业务预测系统中。2020年，她凭借在概率预测方面的贡献获得了ESIG卓越奖。
John W. Zack博士是MESO公司的总裁、首席科学家和联合创始人。MESO公司是一家成立于1985年的小型企业，专门从事统计地球物理模型的开发及其在各行业的应用。他在1993年联合创办了Meteosim有限公司，这是一家位于西班牙巴塞罗那的气象服务公司，目前他是公司董事会的重要成员。他是AWS Truepower公司（全球可再生能源咨询服务的领军者）的创始合伙人之一，并一直担任该公司董事会的职务，直至2016年AWS Truepower公司被UL公司收购。他是美国气象学会可再生能源委员会联合主席，也是国际能源署风能技术合作计划任务36“风能预测”（2016—2021年）和任务51“天气驱动能源系统预测”（2022—2025年）的任务负责人。他在科学杂志和行业出版物上发表了多篇关于大气建模、预报和可再生能源气象应用的文章。他拥有美国纽约大学气象学和海洋学学士学位以及康奈尔大学大气科学博士学位。
Gregor Giebel博士在丹麦技术大学风能系（前身为丹麦Ris?国家实验室）担任过多项职务，在风能短期预测、风能大规模并网、风电场流量控制和IEC标准化方面工作了超过25年。他是国际能源署风能技术合作计划任务36“风能预测”和任务51“天气驱动能源系统预测”的运营管理者。他还是欧盟玛丽·居里科研启动培训网络项目Train2Wind（train2wind.eu）和埃及可再生能源预测研究项目的负责人。他撰写的短期可再生能源预测现状分析报告引用量达1000次。他是一位成就卓越的研究提案撰写者，其资金获批率超过50%，累计获得约2500万欧元的资助。他在德国慕尼黑工业大学获得物理学硕士学位，在德国奥尔登堡卡尔-冯-奥西茨基大学获得博士学位。

译者序

原书前言

关于作者

关于国际能源署风能技术合作计划及其任务36和任务

第1部分 预测解决方案的选择

第1章 预测解决方案选择

1.1 开始阅读前

1.2 背景和引言

1.3 目标

1.4 定义

第2章 初步考虑因素

2.1 初选预测供应商

2.2 预测解决方案的目标和需求

2.3 在预测解决方案中增加不确定性预测

2.4 信息检索表

第3章 决策支持工具

3.1 预测系统的初步规划

3.2 IT基础设施需要考虑的因素

3.2.1 单个预测供应商与多个预测供应商的IT基础设施要求对比

3.2.2 确定性预测与概率预测的IT基础设施要求对比

3.3 建立需求清单

3.4 短期解决方案

3.5 长期解决方案

3.6 具备IT系统的情况

3.7 现有IT解决方案的复杂程度

3.8 选择新供应商与现有供应商进行基准测试

3.9 预测解决方案的RFP评估标准

3.9.1 预测解决方案类型

3.9.2 供应商能力

3.9.3 服务评估

3.10 采用概率预测时的方法选择

3.10.1 不确定性的定义

3.10.2 不确定性预测方法

3.10.3 集合预报的培训工具

3.10.4 不确定性预测在能源行业中的应用

3.10.5 预测不确定性可视化

第4章 数据通信

4.1 术语

4.2 数据描述

4.3 数据格式和数据交换

4.3.1 1级数据格式和数据交换

4.3.2 2级数据格式和数据交换

4.4 格式化模板文件和模式示例

第5章 结语

第2部分 预测基准试验和测试的设计与执行

第6章 基准试验和测试的设计与执行

6.1 开始阅读前

6.2 背景和引言

6.3 定义

6.3.1 可再生能源预测基准

6.3.2 可再生能源预测测试

6.4 目标

第7章 初步考虑因素

7.1 决定是否执行测试或基准试验

7.2 测试和基准试验的益处

7.3 测试和基准试验的局限性

7.4 测试或基准试验中的时间表和预测时间

7.5 1页“速查”清单

第8章 实施测试或基准试验

8.1 第1阶段：测试准备

8.1.1 关键考虑因素

8.1.2 元数据采集

8.1.3 历史数据采集

8.1.4 IT/数据考虑因素

8.1.5 准备阶段的交流

8.1.6 准备阶段的试运行

8.2 第2阶段：基准/测试期间

8.2.1 基准/测试期间的交流

8.2.2 基准/测试期间的验证报告

8.3 第3阶段：基准/测试后

8.3.1 基准/测试结束时的沟通

8.3.2 基准/测试后的验证报告

第9章 对概率基准和测试的考虑

9.1 概率基准/测试准备阶段的挑战

9.2 概率基准/测试评估阶段的挑战

第10章 基准/测试的最佳实践建议

10.1 基准/测试的最佳实践

10.2 需要避免的问题

第3部分 预测解决方案的评估

第11章 预测解决方案评价

11.1 开始阅读前

11.2 背景和引言

第12章 评估不确定性的概述

12.1 代表性

12.1.1 评估样本的规模和组成

12.1.2 数据质量

12.1.3 预测提交控制

12.1.4 信息传播

12.2 显著性

12.3 相关性

第13章 测量数据的处理和控制

13.1 仪器信号和测量的不确定度

13.2 测量数据的收集和报告

13.2.1 与天气无关的减产

13.2.2 时间和空间上的测量数据聚合

13.3 测量数据的处理和归档

13.4 质量保证和质量控制

第14章 预测性能评估

14.1 预测属性指标选择

14.1.1 经典误差指标

14.1.2 异常值/极端误差

14.1.3 经验误差分布

14.1.4 二元分类或多元分类事件

14.2 预测区间和预测分布

14.3 概率预测评估方法

14.3.1 布里尔分数

14.3.2 排名概率（技巧）得分（RP（S）S）

14.3.3 可靠性评估

14.3.4 事件辨别能力：相对操作特征量（ROC）

14.3.5 预测的不确定性：瑞丽熵（Rény entropy）

14.4 基于评估指标的预测优化

14.5 集合预报的后处理

第15章 预测评估的最佳建议

15.1 制定评估框架

15.1.1 制定评分规则

15.1.2 预测和预测误差分析

15.1.3 确定性预测的验证方法

15.1.4 概率预测的验证方法

15.1.5 建立成本函数或评价矩阵

15.2 业务预测价值最大化

15.2.1 性能监测

15.2.2 预测诊断和持续优化

15.2.3 预测价值最大化

15.2.4 保持先进预测性能

15.2.5 激励机制

15.3 基准和测试评估

15.3.1 应用代表性、显著性和相关性的原则

15.3.2 执行阶段的评估准备

15.3.3 评估阶段的性能分析

15.3.4 基准评估示例

15.4 应用案例

15.4.1 能源交易和电力平衡

15.4.2 爬坡预测

15.4.3 用于备用配置的概率爬坡预测评价

第4部分 实时预报应用中的气象和电力数据需求

第16章 实时预报应用中的气象和电力数据需求

16.1 开始阅读前

16.2 背景和引言

16.3 章节结构和使用方法

第17章 实时气象测量数据的应用

17.1 特定应用需求

17.1.1 气象数据的特定应用需求

17.1.2 在系统运行、平衡和交易方面的应用

17.1.3 在风机、风电场运行方面的应用

17.1.4 在太阳能/光伏场站运行方面的应用

17.2 实时气象和功率测量的适用标准

17.2.1 风能资源测量标准

17.2.2 太阳能资源测量标准

17.3 气象测量通用标准

17.4 数据通信

第18章 实时运行的气象测量仪器

18.1 风能项目的气象测量仪器

18.1.1 杯式风速计

18.1.2 声波和超声波风速计

18.1.3 遥感设备

18.1.4 测风塔传感器部署

18.1.5 机舱传感器部署

18.2 太阳能项目的气象测量仪器

18.2.1 点测法

18.2.2 全天空成像仪

18.2.3 卫星数据

第19章 实时运行的功率测量

19.1 实时功率及其测量

19.2 测量系统

19.2.1 连接点仪表

19.2.2 风电SCADA系统

19.2.3 太阳能SCADA系统

19.3 可用功率信号

19.4 预测中的实时功率数据

19.4.1 预测供应商角度

19.4.2 预测用户角度

19.5 最佳实践建议总结

第20章 测量设置和校准

20.1 测量仪器的选择

20.1.1 风电项目测量仪器的选择

20.1.2 太阳能项目测量仪器的选择

20.1.3 不同测量技术的特性

20.2 测量位置

20.2.1 风电项目代表性测量位置

20.2.2 太阳能项目代表性测量位置

20.3 维护和检查时间表

第21章 仪器性能评估

21.1 测量数据处理

21.2 测量不确定性表达

21.3 特定仪器中已知的不确定性问题

21.3.1 机舱风速测量不确定性的影响及缓解方法

21.3.2 机舱风速在实时NWP数据同化中的应用

21.3.3 辐照度测量的已知不确定性

21.4 通用数据质量控制和质量保障（QCQA）

21.5 历史数据质量控制

21.5.1 风能预测应用的质量控制

21.5.2 太阳能预测应用的质量控制

21.6 实时数据质量控制

21.6.1 风能和太阳能实时预测应用中的数据筛选

21.6.2 风能和太阳能实时预测应用中的数据采样阈值

21.6.3 风能和太阳能应用的实时质量控制

21.6.4 太阳能预测特殊实时质量控制

第22章 最佳实践建议

22.1 定义

22.2 仪器

22.3 根据应用需求选取测量仪器

22.4 电网和公用事业规模运行的实时测量建议

22.4.1 质量要求建议

22.4.2 精度和分辨率建议

22.4.3 验证和核查建议

22.5 用于发电站运行和监测的实时测量建议

22.5.1 数据质量建议

22.5.2 验证和核查建议

22.6 用于电力市场交易的实时测量建议

22.6.1 基于实时测量的交易策略

22.6.2 质量建议

22.6.3 精度和分辨率建议

第23章 结束语

附录

附录A 预测解决方案的问题说明

附录B RFP准备阶段和过程中的典型RFI问题

附录C 概率不确定性预测应用实例

C.1 系统运营商动态备用预测系统的图形可视化示例

C.2 大风停机预警系统

附录D 元数据清单

附录E 预测文件结构示例

E.1 用于预测和SCADA的XSD模板示例

E.2 用于交换实时测量数据的XSD SCADA模板

附录F 标准统计指标

F.1 BIAS—偏差

F.2 MAE—平均绝对误差

F.3 RMSE—均方根误差

F.4 相关性

F.5 标准差

F.6 怎样才能做出“好”的预测呢

附录G 验证和核查代码示例

G.1 国际能源署风能任务36和任务51专用验证和核查（V & V）代码

G.2 其他项目中与建议相关的代码

附录H 不同系统运营商的测量要求

H.1 不同辖区系统运营商的要求示例

H.2 CAISO测量要求示例

H.3 EIRGRID测量要求示例

H.4 AESO测量要求示例

附录I 缩略语

参考文献