摆摊卖爱情做风电功率预测这几年，我最大的感受是：算法给出来的那个“点预测值”，在真实业务场景里往往不够用。调度员打电话来，问的是“明天中午这个风电场出力能到多少，上限下限是多少”；电力交易员更直接，问“你的预测区间是多少，我按哪个范围去申报”。这时候你只给一个数字，哪怕它再准，都很难让对方放心做决策。所以置信区间这个东西，在风电功率预测里早就不是“论文加分项”了，而是实打实的业务刚需。
这篇内容我会围绕一套完整思路来梳理：为什么风电预测必须做区间、置信区间到底怎么构造、误差分析能不能只看RMSE、以及大家最近高频搜索的“每个数据点都有自己的置信区间图到底怎么画”。适合正在做新能源功率预测的算法工程师、做科研的学生、电力交易和调度相关从业者，以及被置信区间图折腾过的可视化选手。
1. 只给一个预测值是交不了差的：风电预测场景里置信区间为什么是刚需
1.1 从“一个数字”到“一个区间”：不确定性始终存在，只是被点预测掩盖了
风电功率预测和很多时间序列预测不太一样，它的扰动源特别多。来风本身是强随机过程，数值天气预报（NWP）的输入有误差，风电场内部的地形、尾流、机组状态随时在变，所以无论模型多好，预测值和实际出力之间一定有偏差。点预测给出的是一天里每个时刻的“期望出力”，但这个期望值后面藏着的波动范围有多大，它不告诉你。
举个实际例子：某天下午3点，预测出力是180MW，实际可能在120MW到240MW之间晃动。调度系统如果按180MW去安排火电备用，那就必须额外准备足够的上调和下调容量。可如果给的是一组区间，比如90%置信水平下出力落在135MW-225MW，调度就能算出自己该留多少备用，该不该提前启动热备用机组。这就是区间预测的工程价值：它把不确定性显式地传递给了决策环节，让人有能力做风险评估。
所以我在实际项目中一直强调一句话：点预测解决的是“大概多少”的问题，区间预测解决的是“大概在什么范围”的问题。两个结合起来，才是一个完整的预报产品。
1.2 先分清楚：置信区间和预测区间不是同一件事
这个词很多人混着用，但严格来说有区别。置信区间（confidence interval）是针对模型参数或者期望值的估计区间，比如“我们估计平均出力在160-175MW之间”，它描述的是对参数估计的不确定性。而我们做风电预测时，真正给调度、给交易系统用的，是预测区间（prediction interval），它针对的是未来某一个时刻实际观测值的可能范围，比如“下一小时实际功率有90%概率落在100-220MW之间”。
预测区间天然比置信区间宽，因为它除了包含参数估计误差，还包含新观测点的随机噪声。实际做风电预测的人，日常说的“置信区间”大多数时候其实是预测区间。这不影响交流，但是在写文档、发论文、和电网对接的时候，最好把术语写准确，否则评审专家或者对方的技术人员会抓着这个细节挑毛病，挺尴尬的。
1.3 两个绕不开的业务抓手：考核和交易都在逼你交区间
国内风电功率预测考核体系里，对上报的短期预测、超短期预测都有误差统计要求，比如日均方根误差、月均误差超限次数、合格率等。虽然考核对象主要是点预测，但很多省网已经把区间上报纳入规范化流程。你报的预测曲线必须配套一个可信区间，调度做安全校核时才会采信。换句话说，拿不出区间的预测系统，在并网考核里是处于被动地位的。
电力现货交易是另一个强驱动。风电参与日前、日内交易，报价本质上是基于预测的出力范围做申报策略。如果你的预测只有一个点，那交易员就不知道用多少置信度去博弈；如果有P10-P90区间，交易员至少知道最悲观的出力和最乐观的出力，再结合电价预测决定报高价还是报低价。所以每一次现货交易复盘，回头分析预测区间质量，几乎成了标配动作。
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 区间是从哪来的：三种主流构造方法及选型逻辑
2.1 分位数回归：直接建模P10、P50、P90
分位数回归是这个场景下最直接、最容易上手的方案。普通回归模型拟合的是条件均值，也就是点预测；分位数回归拟合的是条件分位数，比如10%分位数、90%分位数，直接把区间上下边界作为模型输出。
具体到实现，常见做法是把LightGBM或者XGBoost的损失函数换成pinball loss。pinball loss的公式不复杂：当预测分位数为q时，如果实际值大于预测值，损失是q乘以误差；如果实际值小于预测值，损失是(1-q)乘以误差。这个不对称的惩罚，让模型学会拟合不同分位点。训练的时候分别用alpha=0.1、0.5、0.9跑三个模型，输出就是P10、P50、P90三条曲线。
我个人的经验是，梯度提升树配合分位数目标函数，在风电场景下比线性分位数回归稳得多，主要是因为风功率和风速之间是强非线性关系，树模型能捕捉NWP风速、风向、温度等多变量交互效应。缺点是树模型本身的预测不确定性没有被量化，所以输出区间可能偏窄，需要后续校准。
2.2 残差自举法：在已有点预测模型的基础上补区间
如果你手里已经有一套已经上线、效果不错的点预测模型，不想动它，那残差自举法是最小改动方案。思路很简单：在训练集上把模型的残差（实际值减去预测值）全部保存下来，得到一个残差集合。预测的时候，从这个残差集合里有放回地抽样，叠加到点预测曲线上，生成很多条“可能出力轨迹”，然后对每个时刻的轨迹集合取分位数，得到预测区间。
举个具体操作流程：
- 用历史数据训练点预测模型，计算训练集每个样本的残差。
- 对未来预测时，对每个预测时刻，从残差池中随机抽取N次（比如500次），每次抽取的残差加到点预测值上。
- 这样每个时刻得到500个模拟可能值，取2.5%和97.5%分位数，就得到95%预测区间。
这个方法的好处是完全不复用模型训练逻辑，把残差当成不确定性来源来处理。需要注意，如果残差存在明显的异方差性——风速高的时候误差更大、风速低的时候误差更小——就不能直接用全部残差做整体抽样，建议按预测风速分段、分箱地建立残差池，随机抽样时匹配当前时刻的预测值落入哪个箱，再从对应箱子里抽。否则低速段的区间被高速段的残差污染，区间宽度会失真。
2.3 核密度估计与集成法：从“点估计”上升到“分布估计”
更精细的做法是先估计每个时刻预测误差的概率密度，再从密度函数里取分位数。核密度估计是常用的非参数做法：用历史残差做KDE，得到残差分布，预测时用当前时刻残差分布的方差参数构造区间。sklearn的KernelDensity函数可以直接用，核函数选高斯，带宽参数bandwidth需要调节，太小了曲线毛糙，太大了会过度平滑，常把区间压扁。
集成法是另一个方向。同一份训练数据，通过不同的随机种子、不同特征子集、不同超参数组合训练出多个模型，例如随机森林回归、多棵不同配置的树、或者多个神经网络。推理时每个模型给出一个预测值，模型之间的离散程度自然就反映了模型不确定性，取全体模型预测值的分位数就能得到区间。如果再用上MC Dropout，在神经网络推理时多次开启dropout，还可以得到基于同一模型的不确定性估计。
KDE和集成法的共同点是，它们都比残差自举法更能表达非对称分布。风电出力在低风速段和有功限制段，误差往往不是对称的，比如低风速处实际出力不可能低于0，所以下限方向会被压缩。用非对称密度估计处理这种场景，区间质量和美观度都会更好。
2.4 选型对比：到底该用哪种
我没有一种方案包打天下的想法，工程上经常是两三种方法互相对照使用。下面这张对比表是我自己整理时常用的，按实现成本、模型依赖程度、区间质量、落地难度几个维度看：
| 方法 | 实现成本 | 对已有模型的依赖 | 区间质量 | 适用场景 |
|---|---|---|---|---|
| 分位数回归 | 低 | 中等，需要重训或并行训练 | 中上，但可能偏窄 | 从零构建模型、需要统一的训练流程 |
| 残差自举 | 低 | 低，点预测模型可复用 | 一般，依赖残差分布假设 | 已有稳定点预测模型，快速补区间 |
| KDE密度估计 | 中等 | 中低 | 较好，能表达非对称分布 | 误差分布研究、需要完整概率密度 |
| 集成法/MC Dropout | 较高 | 高 | 好，不确定性来源全面 | 对区间稳定性要求高的交易场景 |
如果是新项目，我通常先做一版分位数回归，因为训练、评估、上线链路最标准；如果有存量模型不想动，就用残差自举快速试水；如果想发论文或者做深度分析，再引入KDE和集成法对比一把。
3. 误差分析不能只盯RMSE：风电场景下必须关注的几个统计量
3.1 RMSE和MAPE在风电场景里会被什么欺骗
RMSE（均方根误差）是大家最熟悉的指标，但它在风电预测里有个天然短板：对极端大误差特别敏感。比如某天发生了剧烈爬坡事件，预测值差得特别离谱，RMSE会被这一个点拉得很大，可能掩盖整体还不错的事实。反过来，如果模型策略比较“保守”，刻意把预测推平到均值附近，RMSE可能看起来很漂亮，但预测曲线完全失去了对爬坡的响应能力，这是一个典型的“分数好看、业务不可用”陷阱。
MAPE（平均绝对百分比误差）问题更明显，因为分母是实际值。风电出力在夜间小风时段经常接近0，实际功率5MW的时候，误差3MW就是60%的MAPE，这一晚上MAPE直接被炸飞。所以很多风电预测团队早就采用带容量基准的归一化指标，比如把RMSE或MAE除以装机容量，用NRMSE、NMAE评价，而不是算MAPE。
我自己的建议是：日常考核要用的指标按电网标准来，但是内部模型迭代时，至少同时保留NRMSE、MAE、区间覆盖率三组指标一起看，避免单一指标骗人。
3.2 区间质量的专用指标：PICP、PINAW、Winkler Score
做区间预测不能只评价区间中心的位置，还需要评价区间的覆盖能力和宽度。覆盖能力看PICP（预测区间覆盖率），就是实际值落在预测区间内的比例。比如名义置信水平是90%，PICP应该在90%附近，太低意味着区间过于激进，风险暴露大；太高则可能是区间过宽的信号。
宽度看PINAW（预测区间平均宽度），用预测区间的平均宽度除以装机容量归一化。PICP和PINAW是一对矛盾指标：区间做得越宽，覆盖率一定越高，但PINAW变大，区间就失去实用价值。所以不能单独看覆盖率。
综合性的评价指标常用Winkler score，它在区间覆盖率和宽度之间做了折中惩罚。具体计算是：当实际值在区间内时，得分与区间宽度成正比；当实际值在区间外时，除了区间宽度，还要额外加上超出部分的惩罚，惩罚系数与名义置信水平有关。Winkler score越低，代表区间的综合质量越好。做模型对比的时候，除了RMSE，我会把Winkler score和PICP、PINAW放在一张表里展示，这才算一个完整的区间预测评价。
3.3 分层误差分析：按风速段、时段、爬坡事件把区间切开了看
全局误差指标只能说明整体水平，真正指导模型优化的，是细化到场景里的误差分析。我常用的切分维度有三个。
按预测风速分段。把历史数据按风速大小分成低风速段（比如0-6m/s）、中风速段（6-12m/s）、高风速段（12m/s以上），分别统计各段的NRMSE和区间覆盖率。实际项目里最常见的现象是，低风速段NRMSE极高，但绝对误差很小；高风速段绝对误差大，而且往往伴随系统性的负偏差，也就是模型系统性高估了实际出力。这个负偏差可能来自风电机组在大风速下的切出控制策略，也可能是NWP对强风过程的风速估计偏大。
按时段分析。风电出力有典型的昼夜变化，白天和夜间的热力效应会导致风速波动特征不同，湍流强度不同，预测误差的自然结构也不一样。如果发现夜间区间宽度和白天差很多，可能需要对模型加时间特征或者分时段训练。
按爬坡事件分析。爬坡是最容易被点预测和区间预测同时打脸的场景。我一般会识别出力变化率超过阈值的样本，单独计算这些样本的覆盖率。如果发现爬坡时段覆盖率显著低于平均值，说明区间模型对强变化过程的响应不足，这时候可以检查分位数模型是否给足够宽的区间，或者考虑增加爬坡检测模块。
3.4 一个实际案例：某96点预测的误差拆解
简单描述一个我之前碰到的场景。某风电场装机容量200MW，做未来24小时96点预测，整体NRMSE是9%，看起来还不错。但按风速段拆分后发现，高风速段（风速大于14m/s）的NRMSE高达17%，而且P90区间的覆盖率只有62%，远低于名义90%。再进一步看时间分布，这些高风速样本几乎全部集中在凌晨和傍晚的两次大风过程里。
这个问题只靠整体NRMSE根本发现不了。后来排查原因：一是NWP在大风过程中的风速预报存在明显滞后，模型用的是滞后输入，输出也跟着滞后；二是风电场在大风速区间有功限制策略频繁切换，限功率时段里模型按满发能力预测，区间没有覆盖住实际被限制的出力。是误差分析把这两个业务细节挖出来的，这也是为什么我特别强调别只盯一个总指标。
4. 让区间看得见：每个数据点都带置信区间的绘图实战
4.1 画图之前先想清楚：你要的是带状区间，还是每个点独立的区间
最近好几个人问我“柱状图加散点图置信区间图如何绘制”“每个数据点都有自己的置信区间，怎么画”，这类问题在风电预测场景里特别常见。我想先统一一个认知：置信区间的可视化有几种完全不同的形态，先想清楚你要表达什么，再选图。
第一种是连续时间序列的带状区间。横轴是时间，纵轴是功率，中间一条点预测曲线，上下各一条P10和P90曲线，两条边界之间填充半透明色带。这是论文里最标准的预测区间图，适合展示一整天的预测趋势。第二种是离散数据点各自独立的区间。比如你做了12小时超短期预测，每个时间点是一个独立的预测误差分布，每个点都带自己的误差棒或竖线，彼此不连续、不形成填充带。第三种是更复杂的组合图，柱状图加散点图加区间线，柱子代表统计量（比如每个时刻的平均预测值），散点代表实际观测值或不同模型的预测值，竖线代表该时刻的置信区间，这种图信息密度高，适合放在汇报PPT或评审材料里。
4.2 用Python绘制三种最常见的风电置信区间图
我这里直接给实用代码，基于matplotlib，纯Python环境就能跑。先假设我们的数据是DataFrame格式，包含t（时刻）、forecast（点预测）、actual（实际值）、lower（区间下限）、upper（区间上限）五列。
第一种：连续带状区间图。
python复制import matplotlib.pyplot as plt
import numpy as np
fig, ax = plt.subplots(figsize=(12, 5))
ax.plot(df['t'], df['forecast'], color='#1f77b4', label='点预测')
ax.plot(df['t'], df['lower'], color='#1f77b4', linestyle='--', linewidth=0.8, alpha=0.6)
ax.plot(df['t'], df['upper'], color='#1f77b4', linestyle='--', linewidth=0.8, alpha=0.6)
ax.fill_between(df['t'], df['lower'], df['upper'], color='#1f77b4', alpha=0.15, label='90%置信区间')
ax.scatter(df['t'], df['actual'], color='#d62728', s=12, label='实际值')
ax.set_xlabel('时间')
ax.set_ylabel('功率 (MW)')
ax.legend()
plt.tight_layout()
plt.show()
这段代码里的fill_between是画连续区间的关键，填充透明度alpha建议设置在0.15左右，太深会遮挡曲线和实际值，太浅又看不清边界。
第二种：每个数据点独立的置信区间图，用errorbar，适合“每个点都有自己的置信区间”的需求。
python复制fig, ax = plt.subplots(figsize=(12, 5))
x = np.arange(len(df))
yerr_lower = df['forecast'] - df['lower']
yerr_upper = df['upper'] - df['forecast']
ax.errorbar(x, df['forecast'], yerr=[yerr_lower, yerr_upper],
fmt='o', color='#1f77b4', ecolor='#999999',
elinewidth=1.5, capsize=3, capthick=1.5, label='预测值及其区间')
ax.scatter(x, df['actual'], color='#d62728', s=15, label='实际值')
ax.set_xticks(x)
ax.set_xticklabels(df['t'], rotation=45)
ax.set_ylabel('功率 (MW)')
ax.legend()
plt.tight_layout()
plt.show()
errorbar的yerr参数需要的是从中心点到边界的距离，所以我们要先算好yerr_lower和yerr_upper，而不是直接把区间传给matplotlib。这个细节是踩坑高发区，很多人直接把upper和lower塞进yerr，结果画出来整体偏移。
第三种：柱状图加散点图加区间线的组合图。我一般用柱状图表示每个时刻的预测均值或某个统计量，用竖线（vlines）画每个预测值对应的置信区间，再用散点突出实际观测值。这种图在热词里提到的“柱状图加散点图置信区间图”最接近。
python复制fig, ax = plt.subplots(figsize=(12, 5))
x = np.arange(len(df))
ax.bar(x, df['forecast'], width=0.6, color='#d9e8f7', edgecolor='#1f77b4', linewidth=0.8, label='预测均值')
ax.vlines(x, df['lower'], df['upper'], color='#1f77b4', linewidth=2, label='90%置信区间')
ax.scatter(x, df['actual'], color='#d62728', s=25, zorder=3, label='实际值')
ax.set_xlabel('时间点')
ax.set_ylabel('功率 (MW)')
ax.legend()
plt.tight_layout()
plt.show()
这里用vlines画区间竖线，比errorbar更灵活，可以自由控制线宽和颜色，而且不会像errorbar那样在fmt参数上纠缠。柱状图在这里承担的是“每个时刻预测中心值”的展示功能，散点则直接对照实际值。三者叠在一起，信息非常清楚。
4.3 “柱状图加散点图置信区间”组合图的取数逻辑
组合图画起来不复杂，难点在于想清楚柱状图放什么、散点放什么、区间代表什么。我见过不少画报废的图，多半是统计口径混乱。柱状图如果放的是预测均值，散点放实际观测值，那区间应该代表预测均值的置信区间，也就是每个柱子的不确定性范围，而不是实际值的预测区间。如果散点要表示的是每一个独立预测时点的实际值，区间应该用预测区间，这样图才自洽。
在风电预测场景里，我推荐一种比较常见的组合：柱子表示历史同期均值或者基准模型的预测，散点表示当前预测模型的实际结果，竖线表示当前模型每个点的预测区间。这样一张图既能直观比较模型差异，又能体现不确定性。比如把一个新模型和旧模型并排放，柱状图用旧模型的预测，散点和区间用新模型的，读者一眼就能看出新模型预测值是否更贴近真值、区间是否更窄。
4.4 画这类图常踩的三个坑
第一个坑是坐标轴顺序没对齐。如果你按时间顺序绘制但区间数据排序混乱，vlines会画出交叉乱线。这个问题在数据清洗阶段就要解决，确保lower、upper、forecast、actual按同一个时间索引排序。
第二个坑是离群点把纵轴拉爆，区间窄的部分被压成一条线看不见。功率预测里偶尔会出现个别实际值严重偏离，比如机组停机、限电、通讯中断，这些点会把纵轴范围拉大，导致90%置信区间在图上只有一条细线。处理办法是先做异常值过滤，把明显的数据质量问题和真实爬坡区分开，然后绘图时设置reasonable的y轴范围，比如ylim(0, capacity*1.05)。
第三个坑是颜色和图层顺序。柱状图加vlines加散点，如果散点的zorder不够高，会被柱子边缘线盖住。我之前在汇报PPT里就出过这种问题，散点全部被柱子挡掉，领导问实际值在哪。图层顺序建议按“柱子最底、vlines中间、散点最上”安排。
5. 从指标到可交付：置信区间真正落地的四个检查项
5.1 覆盖率不等于区间质量：可用性和保守性要一起看
模型报告里PICP达到92%，看着很圆满。但如果PINAW已经宽到占装机容量的40%，那这个覆盖率的代价是巨大的，区间宽到接近“无法使用”。在风电功率预测上，区间过宽会直接传导到调度备用容量安排，备用留多了，经济性下降；备用留少了，安全风险上升。所以每次调模型，都应该同时看PICP和PINAW两个指标，算一算区间宽度相对名义置信水平是否合理。
个人习惯是画一张“区间可靠性图”，横轴是名义置信水平（50%、70%、80%、90%、95%），纵轴是实际PICP。理想情况下两者应该重合在45度线上。如果实际覆盖在低名义水平时偏高、高名义水平时偏低，说明区间分布尾部建模不准，需要重点修正。
5.2 低风速段和高风速段的物理约束处理
风电功率的下限是0，上限是装机容量，这是一个天然的有界约束。直接对模型输出的分位数做截断是最省事的做法：lower[lower<0]=0，upper[upper>capacity]=capacity。但截断会破坏区间的一致性，比如原本90%的置信区间，经过截断后实际覆盖率会变化。更合理的做法是在训练或模拟阶段就把物理约束嵌入进去。对残差自举法，抽样时确保“点预测值+抽样残差”不小于0，不大于容量；对分位数回归，可以在目标函数里加边界惩罚，或者后期采用保序回归校准，确保P10<=P50<=P90始终成立。
高风速段的切出控制也要特别注意。机组达到切出风速后会停机，实际出力骤降，如果模型区间没有包含这种可能性，高风速段的覆盖率一定不好。有些项目会把“切出概率”单独建模，作为区间修正的附加项。
5.3 滚动预测场景下的区间更新滞后
风电功率预测通常是滚动进行的，比如每15分钟重新预测未来4小时。区间不是一次性算完就完事，需要不断用最新观测数据更新。实际操作中，很多系统只更新点预测，区间边界仍沿用上一轮的，这就导致区间更新滞后，尤其在风速突变时，旧区间已经完全失去参考意义。
落地时建议把区间重算作为一个独立的调度任务，和点预测重算同步触发。如果计算资源紧张，至少保证发生爬坡事件或者NWP刷新时强制重算一次区间。这个逻辑听起来很简单，但我在不少现场看到过“点预测更新了、区间没更新”的bug，最后查下来是任务调度里漏掉了区间计算这一步。
5.4 区间中心与点预测的一致性：中位数还是均值
点预测模型如果用MSE做损失，预测的是条件均值；分位数回归在alpha=0.5时给出的则是条件中位数。在对称分布下两者差不多，但风电功率预测的误差分布经常右偏或左偏，均值和中位数有明显差异。这会导致一个矛盾：你对外发布的点预测是均值，区间中心却是中位数，看起来就像“点预测不在区间中间”，调度和交易人员会质疑区间的合理性。
解决思路有两个：一是点预测也改用分位数回归的P50，和区间统一口径；二是继续用均值点预测，但区间构造时用均值点作为中心，再叠加非对称的上下残差估计。我个人更推荐后者，因为业务上很多考核指标是基于点预测计算的，换掉点预测口径会牵动整个考核和交易链路，代价较大。区间以均值点为中心向两侧延展，虽然在偏态分布下会牺牲一点覆盖率表现，但业务上更容易维护。
结尾小经验
最后分享一个实际的体会：置信区间这个东西，一旦上线，就会被电网调度、交易员、运维人员用放大镜审视。你光在实验报告里把PICP做到90%没用，系统跑起来之后，他们会翻出某个大风夜，指着某一小时说“这个区间为什么窄成一条线，导致我们备用容量安排不够”。所以区间预测工作，前期的指标验证重要，上线后的可视化监控更重要。我现在的做法是每天自动生成一张置信区间表现图，包括全天预测曲线、区间带、实际值落点，每个点是否越界直接拿红点标注。哪天的红点多了，再回到误差分层分析里去查原因。这个闭环跑顺了，置信区间才能真正从论文里的统计概念变成被现场认可的预报产品。