新能源交易需计及预测偏差的影响

截至2023年11月，全国新能源（风电、光伏）装机已达到发电总装机的34%，风电同比增长17.6%，光伏装机同比增长49.9%，新能源装机比例的提升对电力系统带来了很大的挑战，由于新能源出力的不确定性导致的日前功率预测偏差就是一个典型问题。

（来源：微信公众号“兰木达电力现货”作者：张亚玮）

于电网角度，新能源的波动性导致了电力系统对备用容量的需求增加，提高了系统运行成本。于新能源主体交易来讲，新能源日前预测偏差可分为两种：其一，若新能源预测值偏高，根据供需情况实时价格必然会高于日前价格，实时欠发部分需通过实时高价买回；其二，若预测值偏低，实时价格会低于日前价格，那么实时超发电量只能通过较低的实时价格进行结算，两种情况都不是最优结果。本文尝试对山西电力市场2023年11月-12月新能源的预测偏差分布探究新型电力系统的典型特征之一：概率分布。

一、新能源预测偏差分析

图 1山西12月新能源平均预测偏差

图1为23年12月新能源平均出力预测偏差，y轴为正表示日前新能源预测偏低，y轴为负表示日前新能源预测偏高。根据上图可以看出，12月上旬新能源出力预测偏低或较为接近，但自12月11日起，新能源绝对平均偏差首次超过2000MW，预测偏差持续扩大。

图 212月11日新能源、风电、光伏预测偏差

图2为11日新能源预测及实际出力情况，观察可以发现日前预测不仅存在高低的幅值偏差，也存在先后的相位偏差。此外，风电在白天及夜间时段都存在预测偏高情况，尤其夜间最高偏差可达270万千瓦；光伏中午时段偏差最高达到340万千瓦，且预测出力最高时点也存在明显偏差。在如此巨大的偏差下，省内日前压缩前均价达619.01元/MWh，实时压缩前均价达1033元/MWh，均价价差达到-413.99元/MWh，同时，山西作为售方省份，也不得不在省间现货市场紧急购回近1400万千瓦的电量，平均购回电价1010.50元/MWh，付出了高昂的回购成本。

大幅新能源误差的背后原因也众所周知：10号山西省内部分地区降雪，且气温大幅下降。对于风电场站，降雪天气下温度和空气湿度都达到了风机覆冰的条件，因此在白天及晚上时段风机出力受到限制，预测出现较大偏差；对于光伏场站，降雪导致光伏发电板被雪覆盖，从而对光伏出力造成影响，并且根据对光伏偏差的统计，降雪对光伏出力的造成的影响将持续2-3天左右。

对于极端天气情况，我们可以根据历史经验来规避预测偏差带来的风险，即所谓的专家判断法。但极端气象条件毕竟是少数，对于一般气象条件下的新能源误差分布研究，才是普适性更强的工作。区别于极端情况，一般条件下数据样本较多，尝试从统计角度对预测偏差的分布情况进行分析不失为更好的选择，并可根据预测偏差的数据分布规律进一步指导交易行为。

二、新能源误差分布规律

（一）风电预测偏差分析

对于风力发电，关注的气象因素主要包括：风速、气压和气温等。一般来讲，风电机组的出力与风速的三次方呈正比，风速大小对发电功率的影响更直接，也是功率预测中最关键的因素，山西11月-12月风电预测偏差的分布情况。

图 3风电预测偏差分布图

图3为23年11、12月风电预测偏差（实发-日前预测）的分布情况，其中横轴表示单位风电装机实际出力与日前预测出力之间的偏差，例如单位预测偏差为0.1p.u.，则表示风电装机为2000万千瓦时，则预测偏差为200万千瓦。其中预测偏差若为正数表示预测数值偏低，若为负数表示预测数值偏高，为0则表示预测无偏差；纵轴表示各偏差区间对应出现的频次（光伏及新能源汇总下同）。

根据分布图来看，风电预测偏差分布呈现明显左偏态分布，结合坐标横轴可以发现，风电预测偏差基本集中在-0.05~0.1p.u.之间，风电超发的概率要大于欠发的概率。另外可发现最大预测偏差绝对值可达-0.4p.u.以上，偏差可达风电装机的一半，根据实际情况发现偏差是极端天气下风机覆冰后出力受限导致，在排除掉极端情况后风电预测偏差分布如下所示：

图 4（排除极端天气后）风电预测偏差分布图

根据图4可以发现风电的预测偏差基本在-0.05~0.1p.u.之间，预测偏低的频率略高于预测偏高的频率，一定程度上可以说明近两个月风电预测普遍存在偏低的现象。

下面针对不同预测值区间的偏差分布情况进行分析：

图 5不同预测水平下风电预测偏差分布图

图5为将风电预测划分为8个等级，各预测等级下预测偏差的分布情况。观察分布图可以得到：预测出力在0~0.1p.u.之间，预测数值偏高的可能性更大，说明风电出力较小时容易高估；预测出力在0.1~0.6p.u.之间时，预测数值偏低的可能性更高；预测出力在0.6~0.8p.u.之间，预测偏差波动更集中，预测偏高的概率略大，说明风电预测出力较大时容易高估。

另外观察预测偏差的数轴发现，不同预测等级下的波动幅度存在差异，例如预测值范围在0.2~0.4p.u.之间时，预测偏差绝对值最高可达0.2p.u.，但对于0.6~0.8p.u.之间的预测值，预测偏差波动绝对值最大为0.15p.u.。原因仍在于风电出力的特性，根据前面提到的“风电机组出力与风速的三次方成正比”，得到典型风电机组功率曲线如图所示：

当风速达到10m/s以上时，风电机组基本可以达到最大出力功率；但风速在6-9m/s区间中时，根据图像可以看出曲线斜率较大，表示功率对风速的敏感度较高，容易出现较大偏差，属于高敏感度风速段；当风速低于2m/s时，对于大部分机组未达到启机风速。总的来讲，在风速达到最大出力风速边界或处于高敏感度风速段时，风电机组出力容易出现较大偏差。

（二）光伏预测偏差分析

对于光伏来讲，能够影响光伏发电功率的因素主要为气象因素、电气效率因素、地理因素以及光伏电站设计四大类，但是由于地理条件和电站设计参数已经确定，且电气效率因素对于全省发电场站来说把握难度太大，因此光伏出力的最主要因素就是气象因素。其中气象因素包含太阳辐照度、云量、降雨、降雪以及相对湿度等，其中降雪过程与其他几项气象因素略有差异，主要体现在太阳能发电板表面可能会由于遮挡物停留导致光伏发电功率几近为0。

图 6光伏预测偏差分布图

选取光伏出力时段（8-17点）的预测数据和实际出力数据，得到光伏预测偏差分布图。根据图6发现预测偏差基本介于-0.05~0.05p.u.之间，均值为-0.03p.u.，说明光伏平均预测偏高。去除掉降雪后遮蔽物停留导致的预测偏差日期，得到光伏预测偏差分布如下所示。

图 7（排除极端天气后）光伏预测偏差分布图

根据图7可以发现，预测偏差区间相对缩短，预测偏差依然集中在-0.05~0.05p.u.之间，均值为-0.02p.u.，整体来讲光伏预测偏高的概率较高，主要原因可能为除极端雨雪条件外，其他非晴空条件，如多云、阴天、雾霾、沙尘等条件对光伏出力的负向影响，所以总体呈高估状态。

（三）新能源预测偏差分析

对于新能源整体，也可根据偏差分布图进行分析。

图 8新能源预测偏差分布图

图 9（排除极端天气后）新能源预测偏差分布图

根据图8、图9可以得到，新能源预测偏差集中在-0.02~0.05p.u.之间，新能源日前预测偏低的可能性更大。按11月山西新能源装机数据来讲，总装机为4486万千瓦，则该水平下的预测偏差就集中在-89.72~224.3万千瓦之间；若新能源装机增长至5000万千瓦，该水平下的预测偏差就集中在-100~250万千瓦之间。说明新能源装机越大，对应的预测偏差数量级越大，日前和实时市场之间的价差波动也就越明显。

总结

根据以上分析，新能源整体日前预测存在偏低的趋势。对于风电来讲，整体存在预测偏低趋势，但是分不同预测等级来看：对于预测值最小和最大两个区间，风电功率预测偏高；对于中间预测段，风电预测功率偏低；且不用预测区间偏差的区间也存在差异。对于光伏来讲，整体预测偏高的趋势较为明显，但从偏差幅度来看要远低于风电预测偏差。

在功率预测系统不断更迭的过程中，误差逐步缩小，但却无法根本消除，新能源主体参与交易时，除了要因时制宜，看天吃饭，及时关注极端条件；也要因地制宜，摸清场站的功率误差分布规律，如何利用当前的功率预测偏差情况预测未来预测偏差是至关重要的，从而减少交易考核与回收的风险。