短期風功率預報通常是指對未來24小時乃至未來一至三天的風電場輸出功率做出預測。

準確的短期風功率預報可以供電力部門制定調整發電計劃時參考，降低了風電輸出功率大幅波動給輸電網帶來的風險。風電事業發達的歐洲各國普遍推行了電力市場化交易機制，而短期風功率預報產品為風電場參與到交易中提供了強有力的支持。

近地表風機輪轂高度的風的強度及風向受天氣過程、低空急流、局地地形強迫、晴空湍流等不同時間空間尺度的物理過程共同作用，變化復雜且缺乏顯著的周期性特征。當風速及功率預報時長超過數小時之后，再優秀的純粹統計算法也束手無策。這便是數值天氣預報發揮威力的時候了。據小編的調研，市場上主流的短期風功率預報產品都是依賴于數值天氣預報結果開發的——先是獲得風電場所在數值天氣預報模式格點處的風速風向及其他要素的預報結果，傳入到后續運算模塊中，最終輸出功率預報。

數值天氣預報這個名詞大家一定都聽說過。相信大家吐槽氣象局預報不準的次數一定遠高于吐槽短期風功率預報的不準。但估計了解數值天氣預報原理的人就少之又少了。在此小編將在進一步剖析風功率預報產品之前，先對數值天氣預報做個簡要但全面的介紹，希望能夠增進大家對數值天氣預報及其結果的理解。一、數值天氣預報的前世今生

古人對天氣預報的認識僅僅停留在看云識天氣以及出海前去龍王廟里拜一拜的層次。十九世紀二十世紀之交，Abbe和Bjerknes提出可以基于大氣運動物理定律預報天氣，將天氣預報過程抽象為求解一組偏微分方程，而氣象要素觀測值可以作為偏微分方程的初值。二十年代，英國科學家Ridson嘗試預報未來6小時歐洲地區地面氣壓場的變化。這是有記載的人類第一次發布數值天氣預報。然而這一次的預報結果與真實數據偏差嚴重。此后關于數值天氣預報的研究一度陷于沉寂。

電子計算機在第二次世界大戰中誕生，強大的計算能力使得偏微分方程的求解擁有了時效性。氣象觀測網的逐步建立、特別是高空探測的發展，為數值天氣預報提供了越來越豐富的初值信息。與此同時，科學家對于數值天氣預報的理論研究也在不斷深入。他們認識到Ridson之所以失敗，是因為他所求解的方程組中包括了極易發散的高頻物理信息。1950年，Charney等一批美國氣象學家使用計算機求解做了濾波近似后的方程組，首次成功發布了北美地區500Pa高度場的數值天氣預報結果。

過去40年，伴隨著氣象學界及科技界的飛速發展，數值天氣預報能力取得了長足的進步。高性能超級計算機的運算速度以指數級增長，為不斷提高數值模式的時空分辨率提供了可能。觀測技術的發展，特別是氣象衛星的發射，保證采集數據時不遺漏全球任何一個角落。氣象模型，以及針對模式無法直接求解的物理過程的參數化不斷優化，提高了模式描述真實物理世界的能力。下圖展示了數值天氣預報在南北半球預報能力的進步（以500hPa位勢高度為比較基準）。如今對五天后氣壓場的預報精度可達到20年前對三天后氣壓場的預報。差不多每個十年預報能力提升了一天。這是緩慢的進步，這也是巨大的進步。這是場無聲的革命！

二、主流天氣預報產品

全球數值天氣預報的研發需要有強大的科研能力，且要投入大量的資源，世界上能夠玩得起這場燒錢競賽的國家與組織屈指可數。且聽小編為你一一道來。

美國大氣與海洋局是全球大氣科學學界的圣地，背后又有個大金主，豈能錯過這場競賽？其開發的全球預報系統(GlobalForeSystem,GFS)大概是這個世界上使用最為廣泛的數值天氣預報模式了。一方面，GFS模式的預報質量的確很好值得信賴，另一方面得益于其免費政策。任何組織與個人，無論國籍，都能夠自由獲取GFS模式數據并在此基礎上做研究。GFS每日發布4次，每次發布當前時刻至未來15天的數值天氣預報，預報時長分辨率為3小時。GFS預報數據的水平分辨率為0.25°，在中國區域相當于近30km。

全球數值天氣預報的另一處山頭是歐洲中期天氣預報中心(EuropeanCenterforMedium-RangeWeatherFores,ECMWF)。歐洲中心的數值天氣預報質量堪比GFS數據，但其對成員國外的用戶收取高昂的服務費用，故其用戶比GFS用戶少很多。不過為了獲得更高質量的天氣預報數據，為客戶提供更為準確的風功率預報產品，本公司可是采購了這一套預報數據哦。小編檢測過了，這套數據的風速預報精度的確比GFS預報結果要好。歐洲中心數據每日發布兩次，每次發布未來10天的數值預報，預報時長分辨率亦為3小時。歐洲中心預報數據的水平分辨率為0.1°，相當于10km，遠超出GFS數據。

我國對于數值天氣預報也非常重視，投入了大量人力物力用于開發自己的模式。據最新報道，中國氣象局自主研發的GRAPES全球預報系統2.0版本正式開始業務化運行并下發產品。該產品同化了大量衛星資料，且在質量控制和偏差訂正技術方面優勢明顯。報道中稱本產品在中國區域的短期降水預報能力已接近歐洲中心。未來小編將會測試本系統對于近地面處風的預報能力，期待獲得令人驚喜的結果。

三、數值天氣預報中的物理過程描述

大氣中不同物理過程在時間尺度和空間尺度上跨越了數個量級。大氣長波的波長長達幾千千米，三四個波就能夠在緯向環繞地球一圈。臺風、溫帶氣旋等過程的空間尺度較大氣長波小一個量級。海陸風、山谷風、強對流天氣等過程的尺度又要小一個量級。晴空積云的空間尺度只有千米量級，存在時間不過數小時，而湍流的空間尺度最小僅有數十厘米，生命時間為秒級。下周展示了大氣中不同物理過程的空間尺度及特征時間。

上一節中提到數值天氣預報的水平分辨率為十千米量級。簡單理解就是在模式中，十千米范圍內就這么一個格點，這一個格點要代表十千米范圍內的總體狀態。對于空間尺度遠大于十千米的物理過程，在模式中可以用物理方程描述。但那些尺度小于十千米的物理過程呢？

這時候就要引入參數化的概念了。對于那些無法直接用方程顯示求解的過程，可以用一些經驗關系表達出來。比如對于尺度非常小的湍流項，模式通過格點的平均風速的梯度進行計算，但由于表達的只是湍流對模式格點風速影響的統計特征，因此在具體的不同時刻可能會帶來不同的誤差引入，最終使得模式模擬的結果因時而異。

四、近地表風的預報結果如上節所述，模式水平分辨率和參數化方案影響模式預報結果的精度。那么，模式對于近地面處風的預報能力到底如何呢？小編選取了歐洲中心模式在某復雜山地風場處的預報結果，展示如下。其中橫軸代表不同的預報時長——從模式發布時刻到72小時后的預報，縱軸為均方根誤差——值越大表明預報結果越差。可以看出，預報時間越長，預報誤差越大。且在一天之內，預報誤差呈現出顯著的日變化。這是由于一天之內邊界層由消到生再到消，而模式的邊界層參數化方案未能完美地模擬出這一過程。細心的讀者可能會發現，模式風速預報的均方根誤差平均值高達4m/s。這么大的誤差代入到功率曲線內，這預報的功率與真實功率差的也太多了吧，風功率預報產品的客戶決不能接受。模式的風速預報結果肯定是不能直接被用于預報功率的。至于怎樣處理模式直接輸出結果，下次再談吧。