能源行业转型产业报告：新能源功率预测市场分析与展望

在新能源市场规模不断发展、全国电力市场加快建设以及政策推动之下，市场对新能源软件、数据产品和服务的需求也进一步上升。对于市场参与者而言，风电与光伏发电的功率预测不仅是新能源参与现货市场的基础条件，预测结果的准确度也将直接影响新能源企业在现货市场的交易策略和市场竞争力，并切实影响电站日前与实时市场的收益，也会间接对风电与光伏项目的开发利用、投资回报以及产业发展的可持续性等更深层和更长远的方面产生影响。 数据与算法是决定新能源功率预测产品与服务质量的重要影响因素。数据层面，开发与优化不仅需要收集和利用实时数据，还需要利用大量历史数据进行论证与模拟。对于进入行业较早的企业和一些官方机构（如中国气象局、中国电科院等），由于接入较多的发电场站，发电机组参数、发电机组状态数据、历史实发功率数据、发电机组布置数据等信息也都包含模型输入中，结合硬件采集数据和高精度气象数据等对未来一定时间段的发电功率进行计算。而新进企业大都没有或较少接入场站资源，缺少新能源电站的静态数据、历史数据与实测数据以及靠硬件采集的相关数据等，主要专注于气象数据、地域数据等可购买或接入的第三方数据库，精细化气象、地理等相关数据对功率预测的影响。 随着行业竞争加剧，新进企业较难在短时间内打破数据与技术比例，较为成熟的企业在电力市场化背景下加速探索以聚合商、运营商的身份寻求业务新的增长曲线。对于行业内的新进企业，很难在短时间内获取优质的历史数据、电站运维数据以及电网运行数据，从而形成了行业壁垒。而对于进入市场化的功率预测及相关产品服务的软件及数据服务较早的企业，在官方机构及其合作单位在该领域的数据优势与持续的研发投入背景下，未来这类企业的相关技术优势与业务发展空间可能会受到一定的影响。这类市场化企业在支持源端增收、改善网端调控能力和支持交易决策等业务提供产品与服务的同时，也应逐步将这些技术与数据应用与拓展至新业务领域。特别是电力现货建设加快在推动功率预测和电力交易产品增量需求的背景下，这类企业应思考与探索是否以独立运营商、聚合商的身份代理市场主体直接参与电力交易，一方面通过实际交易数据反哺相关预测产品的精度，另一方面也不再局限于传统软件与技术服务商依靠软件与技术服务为主的商业模式，寻找企业业务的第二增长曲线。 风险提示：新能源装机并网进度不及预期，电力市场交易规则变动，电力现货市场运营不及预期，电力需求超预期下行风险 1、新能源功率预测发展背景 根据国家能源局2023年10月发布的全国电力工业统计数据显示，截至9月底，全国累计发电装机容量约27.9亿千瓦，同比增长12.3%。其中，太阳能发电装机容量约5.2亿千瓦，同比增长45.3%；风电装机容量约4.0亿千瓦，同比增长15.1%。风电与光伏装机增长极其迅速。 图表1：风电装机量 图表2：光伏装机量 同时，电力市场化交易规模进一步快速增长。1-9月，全国各电力交易中心累计组织完成市场交易电量38889.3亿千瓦时，同比增长43.5%，占全社会用电量比重为59.9%，同比提高16个百分点。而随着市场化交易规模的扩大，电力现货交易市场同步快速发展阶段。自2017年第一批电力现货市场试点（蒙西、浙江、山西、山东、福建、四川、甘肃等八个地区）和2021年第二批电力现货市场试点（上海、江苏、安徽、辽宁、河南、湖北等六省市）以来，经过五年建设，目前首批八个试点市场大部分已进入长周期结算试运行阶段，第二批六个电力现货试点市场已全部启动模拟试运行，青海、江西等非试点地区也开始推动现货市场建设。2023年9月，基于多个电力现货试点地推出的省份/区域层面的现货电力市场规则，国家发展改革委、国家能源局联合印发《电力现货市场基本规则（试行）》（以下简称《基本规则》）首次在国家层面公开明确了电力现货市场建设目标和主要任务，为全国正式开始以统一规则运行省间、省/区域现货市场，推动竞争有序的全国电力现货市场体系建设提供了国家层面的统一指引。 图表3：市场化交易电量 随着新能源电站并网装机规模的不断扩大，其随机性、间歇性和波动性对电网的冲击也日益严峻，使得对新能源发电功率预测的要求也越来越高。政策层面，2018年国家发改委和国家能源局发布《关于提升电力系统调节能力的指导意见》中指出实施风光功率预测考核，将风电、光伏等发电机组纳入电力辅助服务管理，承担相应辅助服务费用。随后，各地区能源局纷纷更新了本区域的《发电厂并网运行管理实施细则》和《并网发电厂辅助服务管理实施细则》（以下简称“两个细则”），加强了对新能源发电功率预测的考核。2021年国家能源局进一步修订发布“两个细则”，各地能源局对于功率预测考核的规范也进一步趋严。 在新能源市场规模不断发展、全国电力市场加快建设以及政策推动之下，市场对新能源软件、数据产品和服务的需求也进一步上升。对于市场参与者而言，风电与光伏发电的功率预测不仅是新能源参与现货市场的基础条件，预测结果的准确度也将直接影响新能源企业在现货市场的交易策略和市场竞争力，并切实影响电站日前与实时市场的收益，也会间接对风电与光伏项目的开发利用、投资回报以及产业发展的可持续性等更深层和更长远的方面产生影响。 2、新能源功率预测发展背景 预测是利用科学的计量与统计方法，根据历史与现实规律，综合考虑多类型、多维度信息，得到预测对象自身发展变化的规律特征及其与外部因素的变化联系，对不确定时间或未知时间进行估计或描述，从而对预测对象未来的可变性做出事先推断。因此，预测的一个重要前提是如何利用当前和过去的信息来推断未来。 图表4：光伏电站发电功率分了预测方法总体框架图示例 新能源功率预测的实现方式可分为直接预测和分布预测两大类： 直接预测 分布预测 输入：电站发电功率和相关气象因素的历史数据及天气预报信息 影响因子预测–影响因子预测模型功率特性建模–电站功率特性模型 输出：电站发电功率的预测值 直接预测模型的输入是电站的发电功率、相关气象因素的历史数据以及天气预报的信息，输出就是发电功率的预测值。对于风电场发电功率的预测值，可以直接对风电场建立预测模型或是对每台风电机组进行建模预测然后求和得到整个风电场的功率预测。 分布预测是将功率预测分为影响因子的预测和电站功率的预测，需要分别建立影响因子的预测模型和电站的功率特性模型，因子预测与发电功率特性模型相互独立。相对于直接预测模型，分布预测对不同影响因子的预测研究进行了分离，而不是将直观的因子作为功率模型的输入。影响因子的预测研究，提供了各影响因子作用程度比对的基本分析框架，也为多元影响因子的灵敏度分析、降维解耦等进一步分析提供了研究基础。 例如，光伏电站分布预测示中，因子预测部分，对辐照度、温度等预测因子作为输入，通过光伏电站的功率特性模型得到相应的发电功率预测。根据预测模型的输入中是否含有预测值，分布预测还可进一步细化分为迭代分布预测法和直接分布预测法。迭代分布预测需要将得到的预测值作为新信息加入原时间序列中并再次调用该预测模型；而直接分布预测模型仅适用测量数据。相比之下，前者计算量较大，且可能存在累计误差，但可以通过不同任务的分解，例如可根据因子不同的特点灵活地选择不同的建模方法，使每个子问题研究取得的进展都能够有效地提升发电功率预测模型的整体性能；而后者不依赖单步预测的结果，一定程度上避免了累计误差，但直接预测方式存在多种因素的关联耦合、彼此制约等制约因素，且只通过单一建模方法建立统一的模型具有一定局限性。 风能和光伏发电的可变性可以通过系统的空间分散来降低，通常称为平滑效应。例如，Katzenstein等人研究了美国德州20个相互连接的风电场，发现可变性的减少发生在短于24小时的时间尺度上。在Lave等人研究了圣地亚哥3km范围内六个辐照度测量站的聚集情况，作者发现，在低于5分钟的时间尺度上，斜坡率变得不相关，这降低了总体可变性。在这两种情况下，平滑都是由于对信号中的独立变化进行平均而发生的。 根据预测的时间尺度，光伏发电和风力发电功率预测可以分为长期预测、中期预测、短期预测和超短期预测，针对光伏发电还有极短期功率预测。从电网运行的角度，按照预测时间尺度的不同，新能源功率预测可以分为短期预测和超短期预测。 图表5：新能源发电功率预测的时空尺度 根据上述发电功率预测的时空尺度，市场中主要的功率预测产品与服务也是按照短期及超短期预测产品与服务、中长期气象资源、新能源出力预测、中长期全网/区域功率预测以及单站预测、集中预测和区域预测等进行时空分类。 例如，根据各能源局发布的发电厂并网运行管理实施细则的要求，新能源电站必须于每天早上9点前向电网调度部门报送短期功率预测数据（指自次日0时起至未来24小时或72小时的发电预测功率，分辨率15分钟，部分地区要求未来168小时或240小时的发电预测功率）。相应的为发电企业功率预测的服务为计算短期及超短期预测功率数据。 短期功率预测数据报送与电网后，用于电网调度做未来1天或数天的发电计划；同时，超短期功率预测系对新能源电站及时发电功率的预测，用于电网调度做不同电能发电量的实时调控。 3、新能源功率预测软件与数据服务市场分析 根据沙利文《中国新能源软件及数据服务行业研究报告》，国内新能源发电功率预测系统市场行业集中度较高，在光伏发电功率预测板块和风电功率预测板块的主要市场参与者约10至15家，主要包括国能日新、南瑞继保、东润环能、中科伏瑞、南瑞科技、金风慧能和远景能源等企业，其余参与者较为分散。 图表6：2019年光伏发电功率预测市场份额 决定新能源功率预测产品与服务质量的，主要是算法和数据。算法层面，早期进入行业的企业已拥有较为深厚的算法库积累，如区域内不同气象条件下的的能效比算法可以帮助新能源电力企业提高功率预测准度和电力控制精度。另外，新能源发电功率预测系统企业还需具备包括同化技术在内的气象技术等，这些气象技术的研发和后期优化对企业算法优化能力和技术更新能力的要求较高。数据层面，开发与优化不仅需要收集和利用实时数据，还需要利用大量历史数据进行论证与模拟。以光伏功率预测系统需要进行的数据的采集与处理为例，系统数据来源主要包括：光伏电站静态数据信息、实测数据（监控系统中实时运行的数据，包括但不局限于所有发电单元、逆变器、升压变压器等实时数据）、各个光伏发电单元所处自动气象站所采集的气象数据、调度部门或外部的天气预报数据等。相对于传统优势企业，新进入企业短期内无法积累足量的基础信息数据、气象观测数据、实际发电数据、运维数据等。因此，新能源发电功率预测系统行业新进入企业将面临算法与数据方面的双重技术壁垒。 从数据聚合与分析维度，可以将功率预测市场的企业分为以下三类： [1]基于风光电站接入（实际数据）+气象数据聚合为主的软件与数据服务商 这类公司通常深耕新能源产业多年，其新能源发电功率预测产品通常包括硬件部分和服务部分，其中，硬件部分布置在发电场站。同时，由于接入较多的发电场站，特别是对于上述行业中的头部企业，发电机组参数、发电机组状态数据、历史实发功率数据、发电机组布置数据等信息也都包含模型输入中，结合硬件采集数据和高精度气象数据等对未来一定时间段的发电功率进行计算。例如： ▪ 国能日新的新能源发电功率预测产品以向多家知名气象机构采购的多源天气背景场数据为基础，通过自主研发的核心技术对数据进行降尺度等处理，获得电站所在区域的高精度数值气象预报数据；再将电场观测气象预报数据与电站发电机组参数数据等各项数据作为预测模型的输入参数进行模型训练，形成最优预测模型；最后将数值气象预报数据带入模型，实现对单个或多个风电场、光伏电站未来一段时间内的输出功率进行精准预测。该服务可根据技术规范要求输出短期（未来10天）和超短期（未来4小时）的功率预测结果，其计算过程均主要由后台数据中心的软件平台和布置于电站的软件自动完成。 ▪ 东润环能的功率预测系统综合了多家权威气象机构的数值预报初始场和预报场数据、电站所在区域实测气象数据，通过自主研发的多层嵌套网格技术对数据进行动力降尺度和同化等处理，初步获