2.3 数值天气预报技术
数值天气预报 （numerical weather prediction，NWP）是风电功率预测的基础输入数据来源，对预测精度有显著影响。数值天气预报技术只是对大气演化过程的近似模拟，无法精确模拟，存在一定误差。根据历史数据，数值天气预报技术在风机切入风速与额定风速之间的预报误差为-2.5～2.5m/s，由于功率与风速呈三次方关系，经过风-电转化模型的放大效应，功率对风速的变化非常敏感，风速的预报误差在功率的预测环节会被进一步放大。当风速为8m/s时，若预测风速偏差为1m/s，则预测功率的误差将达到20.5%。且每个清洁能源电站受地理位置、气象条件和发电机组类型的差异影响，实际发电水平并不能完全按照标准的出场功率曲线，表现出差异化的发电规律，再加上限电率、故障率、检修周期等不同因素的影响，每个清洁能源电站的实际发电功率曲线都不尽相同，需要根据实际情况定制功率预报模型。
基于实时卫星遥感数据、气象站观测数据、风/光电站气象观测数据，结合欧洲中期天气预报中心 （European Centre for Medium-Range Weather Forecasts，ECMWF）全球预报背景场数据，利用三维变分、集合卡尔曼滤波等数据同化算法，生成更符合实际的模式初始气象场。采用高分辨率和更准确的地形高度数据、下垫面类型数据，提高模型下边界条件的准确性。通过调整边界层过程、近地面过程、陆面过程、短波辐射过程等参数化方案，进行大量敏感性试验，并且调整方案的内部参数值，找出最适合本地区的参数化组合方案。利用反距离加权、克里金插值等方法，进行优化气象模型结果的降尺度后处理，使得预报结果更符合清洁能源电站所在区域的实际值。气象同化技术流程图如图2-4所示。
基于美国全球预报系统 （globle forecast system，GFS）以及ECMRF、欧洲中心集合预报产品和本地运行的风电确定性中尺度数值预报的分辨率和特征，综合考虑本地业务模式运行环境和资源条件，本地化区域模式参数方案，同时利用反距离加权、克里金插值等统计学插值方法，生产针对清洁能源电站级的多气象源集合预报，为功率预测提供丰富的天气预报数据。基于清洁能源电站级的多气象源集合预报资料，利用弹性网络、K 近邻点、支持向量机、线性回归等多种机器学习算法，建立多种混合订正模型，通过模型选择和均方根误差评价等方法选择最优模型，对多气象源集合预报进行混合订正，最终输出一种多气象源混合订正产品。气象同化技术流程图如图2-5所示。
图2-4 气象同化技术流程图
以青海省为例，青海省地处青藏高原东北部，地形复杂多样，形成了独具特色的高原大陆性气候，日照时间长，太阳辐射强度大，因此成为我国太阳能资源最丰富的地区之一，同时，青海省有可用于光伏发电和风电场建设的荒漠化土地约10万km2，是发展清洁能源产业的理想之地。青海数值天气预报系统和图像产品生产系统为青海全省各清洁能源场站功率预测系统提供气象要素预报，不仅为超短期功率预测提供气象数据支撑，而且也是短期功率预测中数值天气预报数据校订和模型调参的重要依据，同时该系统还为青海省清洁能源的规划、发展提供重要的决策依据。
图2-5 气象同化技术流程图
通过清洁能源发电功率技术研究及系统研发，可以实现数值天气预报获取解析、电站实时信息处理、实时气象数据采集、清洁能源场站短期和超短期功率预测等功能。在功率预测系统投运青海3个月之后，短期功率预测准确度达全网94%以上、单站90%以上，超短期功率预测准确度达全网96%以上、单站92%以上。
取得的经济效益有以下方面：
（1）为青海省各清洁能源电场站功率预测系统提供气象要素预报。本项目的高精度数值天气预报系统能够生产全省风、光等清洁能源电站功率预测系统所需的短期气象要素预报。以1000 个风电场、光伏电站的规模为例，每个风电场 （电站）每年的服务费按降低2万元计算，则每年可为清洁能源场站带来可观的经济价值。
（2）以订阅方式为清洁能源场站、变电站、线路杆塔等提供定制化灾害预警服务。按照服务客户1000个、每个客户收费1万元/年计算，则创造的经济价值为1000万元/年。
数值天气预报是一项国际性预测难题。清洁能源场站选址规划、功率预测与运维策略规划都离不开数值天气预报的支撑。清洁能源大数据中心数字天气预报系统实现了对我国和全球范围内的气象资源模拟，模拟的气象要素有风、雨、气压、辐照度、温度、云量等，可以选择中国气象局、GFS、ECMWF等提供的气象源，查看不同气象源的预报气象场。