功率预测准确率不达标怎么办？数据源、超短期修正与考核口径的疑问解答

功率预测准确率不达标，是新能源场站被考核扣分最频繁的一项。实际项目中遇到过一个 30MW 光伏电站，连续三个月短期预测准确率在 76% 上下，查了模型、换了算法都没用，后来发现是辐照仪的玻璃罩半年没擦，积灰让实测辐照偏低 8%，模型一直拿错误的历史数据在训练。这篇按现场遇到的疑问逐条解答，把功率预测的考核口径、数据源、超短期修正、特殊时段处理和改进顺序讲清楚。

一、准确率到底按什么口径考核

先分清短期和超短期。短期预测是未来 0 到 72 小时，按 15 分钟分辨率上报，每天固定时次报一次；超短期是未来 0 到 4 小时，每 15 分钟滚动报一次。两类的准确率要求不一样，考核罚则也不一样。

准确率的算法是 1 减去均方根误差与装机容量的比值，再乘 100%。这个算法有个特点：装机容量做分母，所以同样的绝对误差在小场站上扣分更狠。10MW 的场站偏差 1MW，功率预测准确率掉 10 个点；100MW 的场站偏差 1MW，只掉 1 个点。小场站觉得考核严，原因在这里，不是算法针对谁。算准确率用的样本是全部上报时段的功率预测值与实测值，缺报时段按最差值补齐，所以上报中断比预测偏差更伤准确率。

门槛值各省不一样，有的省对光伏放宽到 78%，有的对配储场站另设口径。具体数字以当地两个细则和并网调度协议为准，不要拿邻省的标准套。考核周期一般是月度，按日准确率加权平均，个别省份按小时算再汇总。

还有一点容易忽略：考核用的实测出力是调度侧采集的数据，不是场站后台的数据。两边如果有时标偏差或者采样中断，场站自己算出来 85%，调度侧算出来只有 79%，争议就出在这里。每月把调度下发的考核明细和场站后台数据对一遍，能发现不少问题。

二、数据源里哪几处最容易出错

数据源分三块：数值天气预报、场站实测气象、场站实测功率。三块里最容易出错的是实测气象，因为它有物理器件，会脏、会偏、会坏。

辐照仪是第一嫌疑。玻璃罩积灰、积雪、鸟粪，都会让读数偏低；安装倾角与组件倾角不一致，早晚时段偏差明显；传感器老化后灵敏度漂移，一年能漂 3% 到 5%。辐照仪至少每季度清洗一次，每年送检标定一次，这一条做到，很多场站的准确率能直接回升 2 到 3 个点。配套的光伏六要素环境检测仪要把辐照、组件温度、环境温度、风速、风向、湿度一起采全，缺项会让模型少一个输入。

数值天气预报是第二嫌疑。同一片区域不同服务商的预报差别不小，云量、辐照的偏差能到 10% 以上。判断要不要换源，拿过去 3 个月的预报值和实测值做逐时对比，看偏差是系统性偏高还是随机波动。系统性偏高换个源就能改善，功率预测准确率当月就能看到变化；随机波动大说明分辨率不够，要选时空分辨率更细的产品，气象预测服务器支持多源接入的，可以把两家的预报做加权平均，比单源稳。同一份预报源在场站之间共用时，山区和沿海的偏差规律不一样，不要把平原场站调好的权重直接搬过去。

实测功率这一块的问题在采样完整性。逆变器通信中断、数采器掉线、时段缺失被填 0，都会让历史数据带进假样本。训练前先做数据清洗，把连续缺失超过 4 小时的日子剔掉，把明显异常的点（夜间有功不为 0、阴天出力超过晴空值）标出来。数据完整率低于 95% 的场站，先修采集再谈模型。

时标对齐也常出问题。气象数据用的是整点，功率数据是 15 分钟一点，两边如果按字符串直接拼，会错开一个时段。正确做法是统一转成时间戳再对齐，气象值按线性插值到 15 分钟。这个错误在自建预测系统的场站里很常见，光功率预测服务器的接入配置里要明确时区和对齐方式。

三、超短期修正为什么总追不上

超短期修正是拿最近的实测功率往外推，理论上应该越推越准。现场追不上的原因有两类：一类是修正周期太长，一类是修正逻辑用错了对象。

周期问题。有的场站超短期是 1 小时算一次，报出去的是 4 个小时的曲线，前面一小时用的还是老数据。云团移动速度 30 到 50km/h，一小时内天气能变一个样。超短期修正周期按 15 分钟做，与上报频次一致，才跟得上变化。这一条对算力要求不高，主要是流程要改成自动触发。

逻辑问题更麻烦。超短期修正如果直接用实测功率做线性外推，晴天效果好，多云天会一直滞后于实际变化：云来了功率已经掉下去，预测还在按上一段的斜率往上走。改进办法是把辐照突变作为一个触发条件，实测辐照 15 分钟内变化超过 30% 时，放弃外推，改用当前实测值加衰减系数。

还有一种情况是修正被限幅卡住。为了防止预测值跳变，系统里设了单步变化限值，比如一次不超过装机容量的 10%。这个限值在功率快速爬坡时会拖慢跟踪，表现是预测曲线始终比实际曲线晚 15 到 30 分钟。限值要分时段设，日出日落前后放开到 20%，正午压到 10%。

四、限电和极端天气时段怎么处理

限电时段是准确率被拉低的常见原因，也是最容易申诉回来的部分。场站被限出力时，实际功率低于预测值，误差算在场站头上，功率预测准确率被白白拉低。按规则，受限时段可以向调度申请标记，标记后该时段不参与考核。限电时段必须当日报备，事后补报多数不予认可。

报备要留证据。调度下发的限电指令、场站 AGC 的限功率设定值、逆变器的限功率状态，这三样能形成完整链条。只报一个时间段的做法，审核时容易被退回。每月把限电时段汇总一次，和考核明细对照，看有没有漏报。

极端天气要单独处理。沙尘、降雪、冰雹、连续阴雨，这几类天气下模型的偏差本来就大。做法是在模型里加天气类型判别，识别到沙尘或者降雪时切换到对应的修正系数，不要用晴空模型硬套。积雪覆盖组件时出力接近 0，这种时段提前人工干预比让模型自己学更快。

云团快速移动的天气最难。这类天气下短期预测基本无解，超短期还有机会，靠的是卫星云图或者全天空成像仪。配置了成像仪的场站，把云量移动速度和方向作为输入，超短期准确率能提升 3 到 5 个点。没有成像仪的，至少把辐照突变检测做上，响应能快一些。

台风、寒潮这类过程性天气，提前 72 小时的预报反而不准。场站在接到气象预警后，可以人工修正上报曲线，把预测值往安全侧压。这种人工干预要记录，考核时如果被质疑，有记录能说明是主动防御不是模型失控。

五、不达标之后先改哪里

改进顺序不要乱。先修数据，再调参数，然后换源，改到模型已经是末端环节。现场的经验是：功率预测准确率不达标的原因里，数据问题占六成以上，模型问题不到两成。上来就换算法，往往白折腾。判断依据也很简单，把同一段历史数据喂给两套模型，算出的准确率差 1 到 2 个点，而数据修好之后，功率预测准确率能回升 4 个点以上，哪个值得先做一目了然。

第一步查数据完整率和异常值。把过去 3 个月的数据导出来，按日统计缺失点数、夜间有功非零的点数、出力超过晴空值的点数。任何一项超过 5%，先把采集修好。这一步通常一周内能做完，成本最低。我公司在几个 20MW 到 50MW 的场站做过统计，单纯把辐照仪清洗干净、校准倾角这一项，功率预测准确率平均回升 2 到 3 个点，比换算法见效快。

第二步查气象传感器。辐照仪清洗、倾角核对、温度传感器比对，用一台便携式辐照计在现场对比读数，偏差超过 5% 就送检。组件温度传感器贴的位置也有讲究，贴在背板中间和贴在边框上，读数能差 5℃。

第三步评估预报源。拿两家以上服务商的同期预报做对比，算逐时的平均绝对误差。误差最小的那家做主源，另一家做备用，两家差值超过阈值时报警，提示预报可能失准。

第四步才是模型。模型再训练要看两个信号：连续两个月准确率下降超过 3 个点，或者场站发生了增容、组件更换、支架改造这类结构性变化。没有这两个信号，不要频繁重训，重训过度会让模型记住噪声。

系统层面的配置也要一起看。功率预测的屏柜组成、功率预测服务器与气象采集单元的接线、与调度的上报通道，任何一处不通都会导致数据缺失。上报失败但本地算得对，考核照样扣分。建议在后台加一个上报成功率监视，低于 98% 就报警。