2023年9月4日，北京大学工学院宋洁教授、何冠楠助理教授，大数据分析与应用技术国家工程实验室王剑晓助理研究员在Nature Communications上发表了关于可再生能源多时空尺度不确定性数据分析方法的最新成果。该研究提出了基于预测误差分析的可再生能源多时空尺度不确定性建模方法，构建了统计学习、深度学习等多元算法驱动的国家分省级、年度小时级的可再生能源预测误差分布标准数据库，发现时间序列一阶差分和尖峰比例是影响随机分布的关键可解释因素，进而揭示了我国30个省份风力和光伏发电随机分布的时空规律。
该研究基于我国30个省份历史年由数值气象再分析获取的可再生能源模拟数据，构建了基于时间序列、支持向量机、树模型、（深度）神经网络等多元算法的可再生能源预测误差数据集，并通过实证分析揭示了我国可再生能源预测误差的空间分布规律。其中风电预测误差在我国东部地区较显著，而光伏预测误差在我国中部、北部和东部地区较显著。
图1 a风电预测误差空间分布；b光伏预测误差空间分布；c不同预测算法的误差分析；d不同预测时长的误差分析
此外，该研究分析了可再生能源预测误差的季节性分布规律，进而提出相关政策建议，譬如：在我国各省级电力系统需要额外关注夏季风电和冬季光伏的强不确定性带来的冲击，省间输电通道扩容仍是纾困我国局部区域可再生能源波动性的有效手段之一。期待该研究成果为能源系统随机优化和安全评估等领域研究提供标准数据参考，为我国新型能源体系的战略规划与中长期布局提供有价值的洞见和政策建议。
图2 a不同季节各省风电预测误差；b 典型地区风电预测误差季节性规律；c不同季节各省光伏预测误差；d典型地区光伏预测误差季节性规律
王剑晓、哥伦比亚大学博士生陈刘东为该论文共同第一作者，宋洁是论文的共同作者，清华大学鲁玺教授、斯坦福大学Chin-Woo Tan教授、何冠楠是论文共同通讯作者。该研究得到了国家重点研发计划、国家自然科学基金、国家电网有限公司的资助支持。
文章地址：https://doi.org/10.1038/s41467-023-40670-7
