项目
限值 / 检出限 / 定量限
单位
出处
月平均准确率
附录D · 风电场功率预测≥ 70 % (中期功率预测,以1日(24h)为步长统计,预测准确率按顺序依次递减,第10日(第217~240小时))%7.2 表1
月平均合格率
附录D · 风电场功率预测≥ 83 % (短期功率预测,日前)
≥ 87 % (超短期功率预测,第4小时)%7.2 表1
月平均准确率
附录D · 光伏电站功率预测≥ 75 % (中期功率预测,以1日(24h)为步长统计,预测准确率按顺序依次递减,第10日(第217~240小时))%7.2 表2
月平均合格率
附录D · 光伏电站功率预测≥ 85 % (短期功率预测,日前)
≥ 90 % (超短期功率预测,第4小时)%7.2 表2
月平均准确率
附录D · 全网风电功率预测≥ 75 % (中期功率预测,以1日(24h)为步长统计,预测准确率按顺序依次递减,第10日(第217~240小时))%7.2 表3
月平均合格率
附录D · 全网风电功率预测≥ 85 % (短期功率预测,日前)
≥ 90 % (超短期功率预测,第4小时)%7.2 表3
月平均准确率
附录D · 全网光伏功率预测≥ 80 % (中期功率预测,以1日(24h)为步长统计,预测准确率按顺序依次递减,第10日(第217~240小时))%7.2 表4
月平均合格率
附录D · 全网光伏功率预测≥ 90 % (短期功率预测,日前)
≥ 95 % (超短期功率预测,第4小时)%7.2 表4
预测系统月可用率
预测系统> 99 % (预测系统)%7.4
公式已就位——生成原始记录后,这些公式将变成 Excel 里的活公式,改读数自动重算重判
线性内插订正法C.1
x_{t+i} = \dfrac{x_{t+n} - x_t}{(n-1) \cdot i + x_t}
计算表达式(可直接用于 Excel/程序)
x_{t+i} = (x_{t+n} - x_t)/(n-1) * i + x_t
x_{t+i}未知值(内插补充的气象数据)
x_t已知值(起始时刻气象数据)
x_{t+n}已知值(终止时刻气象数据)
n连续时间序列个数
i序号(i=1,2,…,n-1)
x实测风速、实测辐照度、实测温度等气象数据
相关性原理订正法C.2
y_N = \overline{y}_n + r \cdot (e_x/e_y) \cdot (x_N - \overline{x}_n)
计算表达式(可直接用于 Excel/程序)
y_N = \overline{y}_n + r * (e_x/e_y) * (x_N - \overline{x}_n)
y_N需订正数据的第N个时间序列要素值
\overline{y}_n需订正数据的n个时间序列要素的平均值
r参照数据和需订正数据的n个时间序列的相关性系数
e_x参照数据的n个时间序列要素的标准差
e_y需订正数据的n个时间序列要素的标准差
x_N参照数据的第N个时间序列要素值
\overline{x}_n参照数据的n个时间序列要素的平均值
x、y风电场的实测功率、实测风速或光伏电站的实测功率、实测辐照度
均方根误差D.1
E_{rmse} = \sqrt{(1/n) \cdot \\sum_{i=1}^{n} ((P_{Pi} - P_{Mi})/C_i)^2}
计算表达式(可直接用于 Excel/程序)
E_{rmse} = \sqrt{(1/n) * \sum_{i=1}^{n} ((P_{Pi} - P_{Mi})/C_i)^2}
n所有样本个数
P_{Pi}i时刻的实际功率
P_{Mi}i时刻的预测功率
C_ii时刻的开机容量
平均绝对误差D.2
E_{mae} = \dfrac{(1/n) \cdot \\sum_{i=1}^{n} |(P_{Pi} - P_{Mi})}{C_i|}
计算表达式(可直接用于 Excel/程序)
E_{mae} = (1/n) * \sum_{i=1}^{n} |(P_{Pi} - P_{Mi})/C_i|
n所有样本个数
P_{Pi}i时刻的实际功率
P_{Mi}i时刻的预测功率
C_ii时刻的开机容量
平均误差D.3
E_{me} = (1/n) \cdot \\sum_{i=1}^{n} ((P_{Pi} - P_{Mi})/C_i)
计算表达式(可直接用于 Excel/程序)
E_{me} = (1/n) * \sum_{i=1}^{n} ((P_{Pi} - P_{Mi})/C_i)
n所有样本个数
P_{Pi}i时刻的实际功率
P_{Mi}i时刻的预测功率
C_ii时刻的开机容量
相关系数D.4
r = \dfrac{\\sum_{i=1}^{n}[(P_{Mi} - \overline{P}_M)(P_{Pi} - \overline{P}_P)]}{\sqrt{\\sum_{i=1}^{n}(P_{Mi} - \overline{P}_M)^2 \\sum_{i=1}^{n}(P_{Pi} - \overline{P}_P)^2}}
计算表达式(可直接用于 Excel/程序)
r = \sum_{i=1}^{n}[(P_{Mi} - \overline{P}_M)(P_{Pi} - \overline{P}_P)] / \sqrt{\sum_{i=1}^{n}(P_{Mi} - \overline{P}_M)^2 \sum_{i=1}^{n}(P_{Pi} - \overline{P}_P)^2}
n所有样本个数
P_{Mi}i时刻的预测功率
P_{Pi}i时刻的实际功率
\overline{P}_M误差统计时段实际功率的平均值
\overline{P}_P误差统计时段预测功率的平均值
准确率D.5
C_R = 1 - E_{rmse}
计算表达式(可直接用于 Excel/程序)
C_R = 1 - E_{rmse}
合格率D.6
Q_R = (1/n) \cdot \\sum_{i=1}^{n} B_i \cdot 100\%
计算表达式(可直接用于 Excel/程序)
Q_R = (1/n) * \sum_{i=1}^{n} B_i * 100%
Q_R合格率%
n所有样本个数
B_ii时刻的预测合格率判定结果
合格率判定结果D.7
B_i = 1 (\text{当} |P_{Pi} - P_{Mi}|/C_i < 0.25);B_i = 0 (\text{当} |P_{Pi} - P_{Mi}|/C_i ≥ 0.25)
计算表达式(可直接用于 Excel/程序)
B_i = 1 (当 |P_{Pi} - P_{Mi}|/C_i < 0.25);B_i = 0 (当 |P_{Pi} - P_{Mi}|/C_i ≥ 0.25)
B_ii时刻的预测合格率判定结果
P_{Pi}i时刻的实际功率
P_{Mi}i时刻的预测功率
C_ii时刻的开机容量
95%分位数正偏差率D.7 公式(D.8)
E_i = \dfrac{P_{Pi} - P_{Mi}}{C_i ≥ 0, i} = 1,2,...,n; E_j = sortp(E_i), j = 1,2,...,n; p_{er95pos} = E_j, j = INT(0.95·n)
计算表达式(可直接用于 Excel/程序)
E_i = (P_Pi - P_Mi) / C_i ≥ 0, i = 1,2,...,n; E_j = sortp(E_i), j = 1,2,...,n; p_er95pos = E_j, j = INT(0.95·n)
E_ii时刻预测偏差率
E_j排序后的单点预测偏差率
sortp(·)由小到大排序函数
p_er95pos95%分位数正偏差率
INT(·)取整函数
n评价时段内的正偏差样本数
P_Pii时刻预测值
P_Mii时刻实测值
C_ii时刻装机容量
95%分位数负偏差率D.7 公式(D.9)
E_i = \dfrac{P_{Pi} - P_{Mi}}{C_i ≤ 0, i} = 1,2,...,n'; E_j = sortn(E_i), j = 1,2,...,n'; p_{er95neg} = E_j, j = INT(0.95·n')
计算表达式(可直接用于 Excel/程序)
E_i = (P_Pi - P_Mi) / C_i ≤ 0, i = 1,2,...,n'; E_j = sortn(E_i), j = 1,2,...,n'; p_er95neg = E_j, j = INT(0.95·n')
E_ii时刻预测偏差率
E_j排序后的单点预测偏差率
sortn(·)由大到小排序函数
p_er95neg95%分位数负偏差率
INT(·)取整函数
n'评价时段内的负偏差样本数
P_Pii时刻预测值
P_Mii时刻实测值
C_ii时刻装机容量
可靠度D.8 公式(D.10)
R^α = \dfrac{N_{hit}^α}{N}
计算表达式(可直接用于 Excel/程序)
R^α = N_hit^α / N
R^α可靠度
N_hit^α置信度为1-α时实际功率落在预测区间上界与下界之间的点的个数
N所有样本个数
平均带宽D.9 公式(D.11)
S^α = (1/N) · Σ_{i=1}^{N} (U_i^α - L_i^α)
计算表达式(可直接用于 Excel/程序)
S^α = (1/N) · Σ_{i=1}^{N} (U_i^α - L_i^α)
S^α平均带宽
U_i^α置信度为1-α时预测上限
L_i^α置信度为1-α时预测下限
N所有样本个数
分位数损失D.10 公式(D.12)、公式(D.13)
L_{pinball}^q = (1/N) · Σ_{i=1}^{N} p_{pinball}(y_{t,q}, y_t^ \cdot , q); p_{pinball}(y_{t,q}, y_t^ \cdot , q) = (1-q)(y_{t,q} - y_t^ \cdot ) \text{当} y_t^ \cdot < y_{t,q}; q(y_t^ \cdot - y_{t,q}) \text{当} y_t^ \cdot ≥ y_{t,q}
计算表达式(可直接用于 Excel/程序)
L_pinball^q = (1/N) · Σ_{i=1}^{N} p_pinball(y_{t,q}, y_t^*, q); p_pinball(y_{t,q}, y_t^*, q) = (1-q)(y_{t,q} - y_t^*) 当 y_t^* < y_{t,q}; q(y_t^* - y_{t,q}) 当 y_t^* ≥ y_{t,q}
L_pinball^q分位数损失
q预测分位数
p_pinball(y_{t,q}, y_t^*, q)i时刻q分位数下的pinball值
N所有样本个数
y_{t,q}t时刻预测值的q分位数
y_t^*t时刻实际值
GB/T 18709风电场风能资源测量方法最新版适用规范性引用
GB/T 19963风电场接入电力系统技术规定最新版适用规范性引用
GB/T 19964光伏发电站接入电力系统技术规定最新版适用规范性引用
GB/T 30153光伏发电站太阳能资源实时监测技术要求最新版适用规范性引用
GB/T 40604—2021新能源场站调度运行信息交换技术要求版本绑定规范性引用