风电功率AI短期预测：多源气象融合实验

风电出力波动性强，超短期功率预测精度直接影响电网调度与现货交易收益。实验室近期围绕“数值天气预报+AI订正”的融合路线开展实验，在合作风电场的实测数据上验证了方法可行性。
技术路线：以数值天气预报（NWP）的风速、风向、温度作为外生变量，结合机组级SCADA功率序列，构建LightGBM与时序Transformer混合模型，对NWP原始输出进行残差订正。
阶段性进展：
1、在某北方风电场3个月滚动测试中，0—4小时超短期预测RMSE较单一NWP方法下降约18%，较纯机器学习基线下降约9%；
2、大风切变与功率爬坡时段仍是主要误差来源，模型对陡升陡降的响应存在1—2个预测步滞后。
下一步将引入测风塔激光雷达数据与地形特征，重点优化爬坡事件识别模块，并探索分位数概率预测输出，为调度侧提供风险参考。实验数据与评估口径将整理为技术报告，供合作方复现验证。