考虑时空相关性的源荷功率概率预测：从点预测到场景生成

这两年我在做新能源功率预测系统改造时，最常被调度侧的人问的一句话是："能不能别只给我一条曲线？"一开始我没太当回事，后来才意识到，当风光的渗透率上来以后，电网的运行方式已经从"确定性安排"转向"不确定性决策"，你只给一条预测曲线，对方根本没法评估风险。这也是为什么"考虑时空相关性的源荷功率概率建模和概率预测方法"这个方向会从论文里火到工程现场——它不是学术圈的自嗨，而是实际调度中真真切切需要的东西。

这篇文章我想从工程和算法结合的角度，把源荷概率建模里最核心的几个问题拆开讲清楚：为什么确定性预测不够用、时空相关性到底在描述什么、主流的概率建模路线有哪些、以及真的要在项目里落地一套时空相关概率预测时，会遇到哪些文档里不会写的坑。

1. 新能源占比高了以后，为什么"点预测"越来越不够用

1.1 从一次调度偏差说起：确定性预测的极限

先说一个我实际经历过的场景。某个区域内有好几个集中式光伏电站，某天午后一片云系从西向东移动，覆盖了其中三个站。这三个站的点预测结果几乎是同时偏离实际出力，而且偏移方向完全一致：预测给的是80兆瓦，实际只有40兆瓦，三个站加起来的偏差就接近120兆瓦。这个偏差本身不算离谱，问题在于它的"方向一致性"——如果是几个独立随机误差，正负相消，系统里还能容忍；一旦误差高度相关，叠加后的总偏差会远超任何单点误差的想象。

这就是确定性预测或者说点预测的天然极限：它只告诉你一个期望值，无法告诉你偏差可能有多大，更无法告诉你多个场站之间的偏差会不会同时发生。风电出力的预测误差往往不是零均值的，在冷锋过境、大风过程启动或骤停的时候，误差会出现明显的偏态和厚尾；光伏在云层快速变化时也是类似。单纯看一条曲线，你会觉得系统还行，但实际风险全藏在误差分布里。

当调度侧拿着点预测去做备用容量决策、机组组合、联络线计划的时候，他们最关心的不是"明天中午光伏大概发多少"，而是"如果光伏实际出力比预测低20%，够不够补上"。这个问题，点预测根本回答不了。

1.2 概率预测到底输出什么：不只是多几条曲线

很多人对概率预测有个误解，以为就是给出一个"乐观值"和"悲观值"，或者画一个扇形图就算完事。严格来说，概率预测输出的是一个完整的概率分布，或者一组能够刻画分布信息的统计量，常见落地形式有三种：

第一种是预测区间，比如给出10%到90%分位数覆盖的区间，告诉你"有80%的可能性出力落在这个区间内"。第二种是分位数预测，一次给出多个分位点，比如5%、10%、25%、50%、75%、90%、95%，这组数其实已经能近似还原出累计分布函数。第三种是场景集合，直接生成若干条可能出现的功率时间曲线，每条场景在时空相关性上都尽可能贴近真实过程。

我个人的体会是，调度部门最欢迎的是场景集，因为它能直接塞进随机优化模型，跟安全约束经济调度结合；而区间和分位数更适合做可视化、风险预警和人工决策参考。不管哪种形式，目标都是把"不确定性"从定性描述变成定量输入，让决策者知道最坏情况发生的概率到底有多大。

2. 时空相关性：源荷功率建模里最容易被低估的一环

2.1 时间维度：功率序列不是白噪声，爬坡和惯性都藏在自相关里

先看时间维度。源荷功率时间序列最显著的特征是强自相关：这个时刻的出力跟上一时刻、上上一时刻高度相关。风电出力受大气惯性影响，分钟级到小时级的波动是有"记忆"的，不会像掷骰子一样每个时刻独立；光伏出力虽然受云层遮挡影响大，但云层移动也有时间和空间上的连