短期风功率预报通常是指对未来24小时乃至未来一至三天的风电场输出功率做出预测。
准确的短期风功率预报可以供电力部门制定调整发电计划时参考，降低了风电输出功率大幅波动给输电网带来的风险。风电事业发达的欧洲各国普遍推行了电力市场化交易机制，而短期风功率预报产品为风电场参与到交易中提供了强有力的支持。
近地表风机轮毂高度的风的强度及风向受天气过程、低空急流、局地地形强迫、晴空湍流等不同时间空间尺度的物理过程共同作用，变化复杂且缺乏显著的周期性特征。当风速及功率预报时长超过数小时之后，再优秀的纯粹统计算法也束手无策。这便是数值天气预报发挥威力的时候了。据小编的调研，市场上主流的短期风功率预报产品都是依赖于数值天气预报结果开发的——先是获得风电场所在数值天气预报模式格点处的风速风向及其他要素的预报结果，传入到后续运算模块中，最终输出功率预报。
数值天气预报这个名词大家一定都听说过。相信大家吐槽气象局预报不准的次数一定远高于吐槽短期风功率预报的不准。但估计了解数值天气预报原理的人就少之又少了。在此小编将在进一步剖析风功率预报产品之前，先对数值天气预报做个简要但全面的介绍，希望能够增进大家对数值天气预报及其结果的理解。一、数值天气预报的前世今生
古人对天气预报的认识仅仅停留在看云识天气以及出海前去龙王庙里拜一拜的层次。十九世纪二十世纪之交，Abbe和Bjerknes提出可以基于大气运动物理定律预报天气，将天气预报过程抽象为求解一组偏微分方程，而气象要素观测值可以作为偏微分方程的初值。二十年代，英国科学家Ridson尝试预报未来6小时欧洲地区地面气压场的变化。这是有记载的人类第一次发布数值天气预报。然而这一次的预报结果与真实数据偏差严重。此后关于数值天气预报的研究一度陷于沉寂。
电子计算机在第二次世界大战中诞生，强大的计算能力使得偏微分方程的求解拥有了时效性。气象观测网的逐步建立、特别是高空探测的发展，为数值天气预报提供了越来越丰富的初值信息。与此同时，科学家对于数值天气预报的理论研究也在不断深入。他们认识到Ridson之所以失败，是因为他所求解的方程组中包括了极易发散的高频物理信息。1950年，Charney等一批美国气象学家使用计算机求解做了滤波近似后的方程组，首次成功发布了北美地区500Pa高度场的数值天气预报结果。
过去40年，伴随着气象学界及科技界的飞速发展，数值天气预报能力取得了长足的进步。高性能超级计算机的运算速度以指数级增长，为不断提高数值模式的时空分辨率提供了可能。观测技术的发展，特别是气象卫星的发射，保证采集数据时不遗漏全球任何一个角落。气象模型，以及针对模式无法直接求解的物理过程的参数化不断优化，提高了模式描述真实物理世界的能力。下图展示了数值天气预报在南北半球预报能力的进步（以500hPa位势高度为比较基准）。如今对五天后气压场的预报精度可达到20年前对三天后气压场的预报。差不多每个十年预报能力提升了一天。这是缓慢的进步，这也是巨大的进步。这是场无声的革命！
二、主流天气预报产品
全球数值天气预报的研发需要有强大的科研能力，且要投入大量的资源，世界上能够玩得起这场烧钱竞赛的国家与组织屈指可数。且听小编为你一一道来。
美国大气与海洋局是全球大气科学学界的圣地，背后又有个大金主，岂能错过这场竞赛？其开发的全球预报系统(GlobalForeSystem,GFS)大概是这个世界上使用最为广泛的数值天气预报模式了。一方面，GFS模式的预报质量的确很好值得信赖，另一方面得益于其免费政策。任何组织与个人，无论国籍，都能够自由获取GFS模式数据并在此基础上做研究。GFS每日发布4次，每次发布当前时刻至未来15天的数值天气预报，预报时长分辨率为3小时。GFS预报数据的水平分辨率为0.25°，在中国区域相当于近30km。
全球数值天气预报的另一处山头是欧洲中期天气预报中心(EuropeanCenterforMedium-RangeWeatherFores,ECMWF)。欧洲中心的数值天气预报质量堪比GFS数据，但其对成员国外的用户收取高昂的服务费用，故其用户比GFS用户少很多。不过为了获得更高质量的天气预报数据，为客户提供更为准确的风功率预报产品，本公司可是采购了这一套预报数据哦。小编检测过了，这套数据的风速预报精度的确比GFS预报结果要好。欧洲中心数据每日发布两次，每次发布未来10天的数值预报，预报时长分辨率亦为3小时。欧洲中心预报数据的水平分辨率为0.1°，相当于10km，远超出GFS数据。
我国对于数值天气预报也非常重视，投入了大量人力物力用于开发自己的模式。据最新报道，中国气象局自主研发的GRAPES全球预报系统2.0版本正式开始业务化运行并下发产品。该产品同化了大量卫星资料，且在质量控制和偏差订正技术方面优势明显。报道中称本产品在中国区域的短期降水预报能力已接近欧洲中心。未来小编将会测试本系统对于近地面处风的预报能力，期待获得令人惊喜的结果。
三、数值天气预报中的物理过程描述
大气中不同物理过程在时间尺度和空间尺度上跨越了数个量级。大气长波的波长长达几千千米，三四个波就能够在纬向环绕地球一圈。台风、温带气旋等过程的空间尺度较大气长波小一个量级。海陆风、山谷风、强对流天气等过程的尺度又要小一个量级。晴空积云的空间尺度只有千米量级，存在时间不过数小时，而湍流的空间尺度最小仅有数十厘米，生命时间为秒级。下周展示了大气中不同物理过程的空间尺度及特征时间。
上一节中提到数值天气预报的水平分辨率为十千米量级。简单理解就是在模式中，十千米范围内就这么一个格点，这一个格点要代表十千米范围内的总体状态。对于空间尺度远大于十千米的物理过程，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过程呢？
这时候就要引入参数化的概念了。对于那些无法直接用方程显示求解的过程，可以用一些经验关系表达出来。比如对于尺度非常小的湍流项，模式通过格点的平均风速的梯度进行计算，但由于表达的只是湍流对模式格点风速影响的统计特征，因此在具体的不同时刻可能会带来不同的误差引入，最终使得模式模拟的结果因时而异。
四、近地表风的预报结果如上节所述，模式水平分辨率和参数化方案影响模式预报结果的精度。那么，模式对于近地面处风的预报能力到底如何呢？小编选取了欧洲中心模式在某复杂山地风场处的预报结果，展示如下。其中横轴代表不同的预报时长——从模式发布时刻到72小时后的预报，纵轴为均方根误差——值越大表明预报结果越差。可以看出，预报时间越长，预报误差越大。且在一天之内，预报误差呈现出显著的日变化。这是由于一天之内边界层由消到生再到消，而模式的边界层参数化方案未能完美地模拟出这一过程。细心的读者可能会发现，模式风速预报的均方根误差平均值高达4m/s。这么大的误差代入到功率曲线内，这预报的功率与真实功率差的也太多了吧，风功率预报产品的客户决不能接受。模式的风速预报结果肯定是不能直接被用于预报功率的。至于怎样处理模式直接输出结果，下次再谈吧。
