风光互补性 — Jurasz 2020 综述与时空匹配评估

做新能源项目的人都遇到过这样一个尴尬：单看一座光伏电站，正午出力冲到顶峰、夜里归零；单看一座风电场，常常白天没风、入夜才起。各自的出力曲线都像过山车，并网后给电网调度、储能配置、消纳曲线带来巨大压力。可如果把这两种电源摆在一起看，问题往往就缓和了——光伏白天发力的时候风弱，风电夜里起来的时候光伏休息，一升一降之间，组合出力的曲线被显著"抹平"了。这就是工程上反复提到却又常常说不清楚的"风光互补性"（complementarity）。

互补性听起来很直觉，但真要落到项目决策上就难了：你这块地的风和光到底互补得好不好？风光容量按几比几配才能最大限度压低波动、缩减储能？这些问题没有放之四海皆准的答案，必须靠本地的、足够长的气象序列去量化。直觉会骗人——有些站点"看起来"应该互补，实际算出来相关性接近零；有些站点季节上互补、日内却同步。

Jurasz、Canales、Kies、Guezgouz 与 Beluco 五位作者在 2020 年发表于 Solar Energy 的综述，正是系统梳理了"互补性"这个概念：它到底指什么、用什么指标度量、在哪些场景里被使用、未来还有哪些研究方向。这篇文章把散落在大量文献里的互补性研究做了一次集中归纳，是把"风光互补"从口头直觉变成可量化工程指标的一份重要参考。本文结合这篇综述，谈谈如何用运梦气象 API 的风光长序列，把你站址的互补性真正算出来。

关键要点

• 互补性的核心是"此消彼长"：不同电源（尤其风与光）的出力在时间或空间上彼此错峰，组合后总出力更平稳，波动和储能需求随之下降。
• Pearson 相关系数是最常用的度量：综述指出相关系数是量化互补性最普遍的指标，负相关代表互补性好；此外还有 Kendall 等多种时间与空间互补指标。
• 互补性有多个维度：日内（昼夜）、季节、年际等时间尺度，以及不同站点之间的空间分布，都可以呈现互补特征。
• 互补性是 site-specific 的：互补程度强依赖于具体站址与气候，不能一概而论，必须用本地长序列数据逐站量化。
• 应用落点很实在：风光容量配比优化、混合电站（hybrid plant）设计、储能容量缩减、电网消纳改善，都建立在互补性评估之上。

背景与定位

这篇综述发表在《Solar Energy》第 195 卷（2020 年），作者团队为 Jakub Jurasz、Fausto A. Canales、Alexander Kies、Mohammed Guezgouz 与 Alexandre Beluco。文章题为《A review on the complementarity of renewable energy sources: Concept, metrics, application and future research directions》，顾名思义是一篇围绕"互补性"概念、度量、应用与未来方向展开的综述性工作，而非单一案例研究。

为什么这个题目值得一篇综述？因为风、光这类受天气与气候驱动的可再生能源，本身具有显著的时空波动性，单一电源的出力很难匹配负荷需求。把两种或更多电源组合进一座电站（如风-光、光-水、风-光-水混合电站）是缓解供需错配的常见手段，而这种组合之所以有效，正是依赖各电源出力的互补本质。综述把大量分散的研究汇总到一个统一框架下：互补性到底怎么定义、用什么数学指标刻画、被用在哪些工程问题里。

对一线工程师而言，这篇文章的价值不在于给出某个"标准答案数字"，而在于厘清概念与方法论：它告诉你互补性可以从时间和空间两个方向去看，可以用相关系数等指标去量化，并且反复强调互补性是与站址绑定的——同样是"风加光"，在不同气候带、不同地形下的互补表现可能天差地别。这恰恰说明了为什么"拿本地长序列来算"是绕不开的一步。

方法 / 它做了什么

作为综述，这篇文章的"方法"是对已有互补性研究的系统归纳与分类，而不是提出某个新模型。它把研究者们对可再生能源时间、空间、时空互补性的"调查、分析、量化与利用"梳理成一条清晰的脉络，让读者能快速看清这个领域用了哪些工具、解决了哪些问题。

在度量层面，综述明确指出 Pearson 相关系数是量化互补性最常用的指标。其逻辑很朴素：把两条出力（或资源）时间序列做相关分析，相关系数为负且越接近 -1，说明两者越倾向于"一个高时另一个低"，互补性越好；接近 0 表示彼此独立、互补有限；为正则意味着同涨同落、互补性差甚至相互叠加波动。除了 Pearson，综述也涵盖了 Kendall 等其它相关性度量，以及面向不同时间尺度（日内、季节、年际）和空间分布的各类互补指标。

在维度划分上，综述区分了时间互补、空间互补与时空互补三类。时间互补是同一地点不同电源在时间上的错峰，典型如光伏白天出力、风电常在夜间偏强的昼夜互补，以及某些地区夏季光照强、冬季风力强的季节互补；空间互补则是把分布在不同地理位置的电源组合起来，利用资源在空间上的差异来平滑总出力；时空互补是两者的结合。

在应用层面，综述归纳了互补性评估的主要落点：优化风光容量配比、设计混合电站、缩减储能容量需求、改善电网对可再生能源的消纳能力。与此同时，综述也提出了一个关键告诫——互补性是 site-specific 的，强依赖于具体站址与当地气候条件，因而不能凭经验一概而论，必须用本地的、足够长的气象观测或再分析序列来量化评估。这一点对任何想做风光一体化项目的团队都是直接的工程指引。

关键结论

1. 互补性的本质是出力的时空错峰。综述指出，不同可再生电源（尤其风与光）的出力在时间或空间上呈现此消彼长的关系，组合后总出力更平稳，从而降低波动并减少对储能的依赖。这是整篇综述的概念基石。
2. Pearson 相关系数是最常用的互补性度量。综述总结，量化互补性时相关系数是被使用得最普遍的指标，负相关对应良好的互补性；此外还有 Kendall 等相关度量与多种时空互补指标可供选择。
3. 互补性可在多个时间尺度上呈现。综述区分了日内（昼夜）、季节乃至年际等不同时间尺度上的互补，提示评估时不能只看单一尺度——一个站点可能季节互补而日内同步，或反之。
4. 互补性是站址特定的，不能一概而论。综述明确强调互补程度强依赖于具体地点与气候，必须依靠本地长序列数据来量化，这是把互补性从直觉变成可决策指标的前提。
5. 互补性评估直接服务于工程决策。综述将其应用归纳为风光容量配比优化、混合电站设计、储能容量缩减与电网消纳改善等方向——它不是纯学术概念，而是有明确落地价值的分析手段。

说明：本节所列均为综述所归纳的概念与方法论结论。文中未给出某个"通用的最优风光配比数值"，正因为综述本身强调互补性是 site-specific 的；任何具体配比都应由本地序列计算得出，属工程实践范畴而非原文定论。

对新能源 / 运梦平台的意义

这篇综述给运梦的用户传递了一个非常实用的信号：风光互补不是一句口号，而是可以用相关系数和互补指标算出来的具体数字，而算这些数字的原料，正是同一站点上足够长的风与光时间序列。运梦气象 API 的 era5 长序列数据，恰好能一站式同时提供这两类要素——风（u100/v100/ws）与光（rsds）——这意味着用户不必东拼西凑两套异构数据源，就能在统一坐标、统一时间轴上做互补性评估。

具体到工作流：取目标站点多年的逐小时 era5 序列，把 100m 风速（由 u100、v100 合成或直接用 ws）与地表下行短波辐射 rsds 对齐到同一时间网格，按小时、按月、按季计算两者的 Pearson 相关系数与互补指标。相关系数为负、且在你关心的时间尺度上稳定为负，说明这块地的风光确实互补；据此再扫描不同的风光容量配比，找到能把组合出力波动压到最低、把储能需求削到最薄的那个比例。这就把综述里"site-specific、用长序列量化"的方法论，落成了一条可复现的工程流程。

更进一步，互补性评估往往要和资源评估、储能调度联动起来看。把风光互补的结果和站点的资源量级（P50/P90）放在一起，能帮你判断"互补好"是否也意味着"两边都有量"；再把组合出力曲线喂给储能调度模型，就能直接量化互补性带来的储能容量缩减空间。运梦的相关产品文档与博客（如风光资源评估、储能调度）可以和本篇配合阅读，构成从资源、互补到调度的完整链路。

需要强调的是历史与预报的分工。互补性评估应当建立在长历史序列上——这是 era5 的主场；而到了实际运营、需要短期出力预测时，预报场请改用 ger（德国气象局 DWD）数据源，用未来的风光预报去做日前/日内的协同调度。历史用 era5、预报用 ger，两者各司其职，才能既算准长期互补结构，又跟得上短期运行决策。

在运梦气象 API 上手

下面给出一个最小可用的调用示例：用 downloadSync 接口从 era5 取某站点一段时间的逐小时序列，同时拉取风的分量 u100/v100、合成风速 ws、地表下行短波辐射 rsds 以及气温 tas（rsds 单位为 W/m²，ws 为 m/s，tas 已后处理为 °C）。拿到序列后，在你自己的脚本里把 ws 与 rsds 按小时/月/季对齐，计算 Pearson 相关系数与互补指标，即可量化该站址的风光互补性，并进一步扫描容量配比。做完整年评估时，建议把 stime/etime 拉到完整自然年（甚至多年），以覆盖季节与年际尺度。

如果接下来要做日前出力预测与协同调度，把 dataSourceId 从 era5 切换为 ger（德国气象局预报场）、并把时间窗指向未来即可，字段保持一致，便于历史与预报口径对齐。

{
  "dataSourceId": "era5",
  "lat": 39.90,
  "lon": 116.40,
  "stime": "2024-01-01 00:00",
  "etime": "2024-12-31 23:00",
  "fields": ["u100", "v100", "ws", "rsds", "tas"],
  "timezone": "8"
}

常见问题

问：相关系数为负就一定代表风光互补好吗？ 答：方向上是的——综述指出负相关对应良好的互补性，因为它意味着一个出力高时另一个倾向于低。但要注意时间尺度：可能日内为负而季节为正，所以建议分别按小时、月、季计算，看互补在哪些尺度上成立，而不是只看一个总相关系数。

问：我应该用风速还是风电出力来算互补性？ 答：两者都可以。用 ws（或 u100/v100 合成）算的是"资源层面"的互补，简单直接；如果你已有功率曲线，把风速、辐照分别转成发电功率再算，得到的是"出力层面"的互补，更贴近并网实际。前者适合早期选址筛查，后者适合详细设计阶段。

问：互补性可以直接照搬邻近站点的结论吗？ 答：不建议。综述反复强调互补性是 site-specific 的，强依赖具体地点与气候。即使相距不远，地形、海陆、局地环流差异都可能让互补表现明显不同，最稳妥的做法是对你的目标坐标单独取 era5 长序列重新计算。

问：序列要多长才够？ 答：综述强调要用"足够长"的本地序列，没有给出一个统一阈值。工程实践中，覆盖完整季节循环是底线，要刻画年际差异则建议用多年数据。era5 提供的多年逐小时序列足以支撑这一需求，取数时把时间窗拉到完整自然年或多年即可。

问：历史评估和实际调度该用同一个数据源吗？ 答：不该。互补性的结构性评估用 era5 历史长序列；到了运营阶段做短期出力预测和协同调度，请用 ger（德国气象局）预报场。字段保持一致即可让历史口径和预报口径平滑衔接。

引用与原文

Jurasz, J., Canales, F. A., Kies, A., Guezgouz, M., & Beluco, A. (2020). A review on the complementarity of renewable energy sources: Concept, metrics, application and future research directions. Solar Energy, 195, 703–724. doi.org/10.1016/j.solener.2019.11.087