第一篇：新能源预测核心名词解释1. 新能源发电基础概念1.1 新能源（New Energy / Renewable Energy）1.2 风力发电（Wind Power Generation）1.3 光伏发电（Photovoltaic Power Generation）1.4 集中式电站（Centralized Power Station）1.5 分布式电源（Distributed Generation, DG）2. 功率预测基础概念2.1 功率预测（Power Prediction / Forecasting）2.2 短期预测（Short-term Prediction）2.3 超短期预测（Ultra-short-term Prediction）2.4 中长期预测（Medium- and Long-term Prediction）2.5 概率预测（Probabilistic Prediction）3. 预测精度评价指标（统一符号与定义）3.1 均方根误差准确率（RCR）3.2 改进型均方根误差准确率（\(C_R\)）3.3 平均绝对误差（MAE）3.4 绝对值误差准确率（ACR）3.5 合格率（QR）3.6 概率预测专用指标4. 常用气象数据源与AI气象大模型4.1 数值天气预报（NWP）源列表4.2 AI气象大模型（第一梯队）4.3 降尺度技术（Downscaling）4.4 多模态融合气象5. 电力市场与偏差考核5.1 电力市场概述5.2 现货市场与功率预测的关系5.3 偏差考核（Deviation Penalty）5.4 电价预测6. 储能与虚拟电厂6.1 储能（Energy Storage）6.2 新能源配储政策6.3 储能与功率预测协同6.4 虚拟电厂（VPP）7. 预测系统架构与工程实践7.1 预测子站与主站7.2 数据通信规范7.3 安全隔离7.4 样板电站与出力还原8. 预测方法选型指南9. 预测误差诊断流程10. 极端天气场景预测增强方法10.1 台风10.2 光伏组件积雪/覆冰10.3 低温导致风机叶片结冰10.4 小样本学习策略11. 概率预测校准方法11.1 分位数回归的不一致问题11.2 等渗回归（Isotonic Regression）校准11.3 基于CRPS的集成校准11.4 面向现货市场报价的最优分位数选择12. 预测系统运维检查清单12.1 每日检查12.2 每周检查12.3 每月检查12.4 每季度检查12.5 故障处理案例库（部分）13. 负荷预测13.1 负荷预测定义13.2 负荷预测与新能源预测的关系13.3 负荷预测时间尺度13.4 负荷预测常用评价指标13.4.1 平均绝对百分比误差（MAPE）13.4.2 加权平均绝对百分比误差（WMAPE）13.4.3 峰值负荷误差13.5 负荷预测影响因素13.6 负荷预测常用方法13.6.1 传统时间序列方法13.6.2 机器学习方法13.6.3 深度学习方法13.6.4 集成与混合模型13.7 负荷预测典型流程13.8 负荷预测误差诊断要点13.9 负荷预测与现货市场13.10 分布式负荷预测（配电网）附录A：预测结果版本追溯要求附录B：低成本方案建议（适用于小型分布式电站）参考文献本文系统梳理新能源功率预测领域的基础概念、评价指标、气象数据源、AI大模型、电力市场与储能相关知识，以及预测方法选型指南、误差诊断流程、极端天气应对策略、概率预测校准方法及工程运维检查清单，为后续风电/光伏/电价预测方法提供统一参考框架。1. 新能源发电基础概念1.1 新能源（New Energy / Renewable Energy）新能源指传统化石能源之外的可再生能源，电力领域主要指风能、太阳能。截至2025年底，中国风电、太阳能装机容量突破18.4亿千瓦（光伏12.0亿千瓦，风电6.4亿千瓦），占全国电源总装机的47.3%，首次超过火电成为第一大电源（国家能源局《2025年可再生能源并网运行情况》）。2025年风光发电量合计约2.3万亿千瓦时，占全社会用电量的22%。1.2 风力发电（Wind Power Generation）利用风能驱动风轮旋转，将动能转化为电能。风电场由多台风力发电机组（风机）组成，经升压站并网。风机运行状态：运行、检修、故障、待机、离线、限电、正常停机、大风停机、无风停机。1.3 光伏发电（Photovoltaic Power Generation）利用半导体光生伏特效应将太阳辐射