LabPowerTools
首页 标准解析库 GB/T40607-2021
技术规范 AI 结构化解析
GB/T40607-2021 调度侧风电或光伏功率预测系统 技术要求 Technical requirements for dispatching side forecasting system of wind or photovoltaic power
发布日期 2021-10-11
实施日期 2022-05-01
替代标准 —
解析引擎 v3.4
适用范围 本文件规定了调度侧风电或光伏功率预测系统(以下简称“预测系统”)在数据、软件、硬件和性能指标方面的技术要求。本文件适用于预测系统的研发、建设、验收和运行。
9 参数限值 0 试验方法 14 计算公式 6 术语 24 约束 5 引用 来源:国家标准全文公开系统
解析版本
AI 问答 术语 限值速查 限值判定 试验方法 计算公式 约束条件 引用标准 能力表述 质检复核
数值天气预报3.1
根据大气实际情况,在一定的初值和边值条件下,通过大型计算机进行数值计算,求解描写天气演变过程的流体力学和热力学方程组,预报未来一定时段的大气运动状态和天气现象,通过数值的形式给出不同气象要素的预报值。
长期电量预测3.2
预测风电场或光伏电站未来12个月的逐月电量及总电量。
中期功率预测3.3
预测风电场或光伏电站次日零时起到未来240 h的有功功率。注:时间分辨率为15 min。
短期功率预测3.4
预测风电场或光伏电站次日零时起到未来72 h的有功功率。注:时间分辨率为15 min。
超短期功率预测3.5
预测风电场或光伏电站未来15 min~4 h的有功功率。注:时间分辨率为15 min。
概率预测3.6
预测风电场或光伏电站未来时刻的有功功率在一定置信度下的预测区间。
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
检测结果限值判定(演示)
检测项目
测定结果
判定逻辑:测定结果与限值直接比对(未含测量不确定度保护带),正式报告请按 ILAC-G8 / 标准原文复核。
就这本标准问我
回答基于本标准的结构化解析与条款文本检索生成,附条款溯源;AI 解读请以标准正式原文为准。
看完方法,直接落成原始记录:自动带出检测要求与质控核查项,录读数自动计算判定,可导出活公式 Excel
本标准为限量/产品类标准,未单独抽取试验方法。
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}
C_R准确率
E_{rmse}均方根误差
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
标准中"施加在执行过程与条件上的要求"(C1 环境 / C4 样品 / C6 质控 / C7 条件限值 / C8 适用范围 / C9 过程参数),是原始记录模板与自动核查的数据源。
C6 · 精密度/质控限强制预测系统 · 月可用率
≥ 99 %预测系统月可用率出处:7.3
C7 · 分级/条件限值强制预测系统性能指标统计 · 功率受限时刻替代功率
若衡量预测系统性能指标的统计数据中包含了功率受限时刻,则应使用该时刻风电或光伏的可用功率替代实际功率统计数据中包含功率受限时刻出处:6.5
C7 · 分级/条件限值中期功率预测 · 月平均准确率
≥ 70 %以1日(24h)为步长统计,第10日(第217~240小时)出处:7.4
C7 · 分级/条件限值短期功率预测 · 月平均准确率
≥ 83 %日前出处:7.4
C7 · 分级/条件限值短期功率预测 · 月平均合格率
≥ 83 %日前出处:7.4
C7 · 分级/条件限值超短期功率预测 · 月平均准确率
≥ 87 %第4小时出处:7.4
C7 · 分级/条件限值超短期功率预测 · 月平均合格率
≥ 87 %第4小时出处:7.4
C8 · 适用范围与限制强制经过插补和修正的数据 · 特殊标识记录
经过插补和修正的数据应以特殊标识记录并可查询经过插补和修正的数据出处:4.3.4
C8 · 适用范围与限制强制经过修正的数据 · 存储修正前后数据
经过修正的数据,应存储修正前后的数据经过修正的数据出处:4.3.4
C9 · 过程控制参数预测数据 · 时间分辨率
15±None min功率预测出处:7
C9 · 过程控制参数数值天气预报数据 · 时间分辨率
15±None min至少包括次日零时起到未来240h的数值天气预报数据出处:4.2.3
C9 · 过程控制参数实测气象数据 · 采集时间间隔
≤ 5 min实测气象数据采集出处:4.2.4
C9 · 过程控制参数强制实测功率数据、设备运行状态 · 采集时间间隔
≤ 5 min实测功率数据、设备运行状态采集出处:4.2.5
C9 · 过程控制参数强制自动采集数据 · 传输时间延迟
≤ 1 min自动采集数据传输出处:4.2.7
C9 · 过程控制参数超短期功率预测和概率预测结果及时标 · 存储滚动周期
15±None min存储每15min滚动执行的超短期功率预测和概率预测的结果及时标出处:4.3.4
C9 · 过程控制参数强制电量预测结果 · 滚动更新周期
1±None 月逐月滚动更新电量预测结果,每次预测未来12个月出处:5.3.1
C9 · 过程控制参数强制中期功率预测 · 单次计算时间
≤ 5 min根据数值天气预报的发布次数进行中期功率预测出处:5.3.2
C9 · 过程控制参数强制中期功率预测 · 每日执行次数
≥ 2 次/日中期功率预测出处:5.3.2
C9 · 过程控制参数强制短期功率预测 · 单次计算时间
≤ 5 min根据数值天气预报的发布次数进行短期功率预测出处:5.3.3
C9 · 过程控制参数强制短期功率预测 · 每日执行次数
≥ 2 次/日短期功率预测出处:5.3.3
C9 · 过程控制参数强制超短期功率预测 · 执行周期
15±None min每15min执行一次,动态更新预测结果出处:5.3.4
C9 · 过程控制参数强制概率预测 · 置信度
≥ 85 %至少提供置信度为95%、90%、85%的预测区间上下限出处:5.3.5
C9 · 过程控制参数强制历史数据查询页面 · 页面查询响应时间
≤ 1 min历史数据曲线查询和比较页面出处:5.4.1
C9 · 过程控制参数强制各指标统计计算 · 统计计算时间
≤ 1 min各指标的统计计算出处:5.5.5
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
不直接构成认可能力认可领域:未识别
本标准为技术规范,属管理/基础/参考类文件,不直接构成检测能力;CNAS 能力范围中无需为其单列检测能力条目。
解析模型与复核模型对以下关键数值意见不一。 点击您认可的一侧卡片即可投票,多数人的意见即最终结论;每项仅可投一次,首次投票 +2 LP。 已定案项目会在正文对应位置标注 ⚖,悬停可见两模型的分歧详情。
复核项加载中…
本页内容由 AI 从标准公开文本自动解析生成,条款级溯源("出处"列)。仅供学习参考,检测判定请以标准正式原文为准。
LabPowerTools · 超级标准
© 2026 LabPowerTools