功率预测
运梦气象 API 工程博客「功率预测」专题，汇集光伏与风电短期、超短期功率预测的特征工程、预测时效选择与准确率考核应对。覆盖 ERA5 历史再分析、德国气象局短期数值预报与光伏、风电功率预测的工程落地，服务新能源研发与算法团队。
气象大数据全球能源预测竞赛 GEFCom2012 — Hong 2014 与预测基准
解读 Hong、Pinson、Fan 在 International Journal of Forecasting 2014 发表的 GEFCom2012 综述：负荷预测与风电预测两大赛道、分层负荷与温度驱动、点预测评分（RMSE），以及竞赛对新能源功率预测方法与基准数据集的推动。
气象大数据风电功率概率预测：Pinson 2013 运营挑战综述
解读 Pinson 在 Statistical Science 2013 发表的风电功率预测综述：从点预测到概率预测（分位数回归、预测区间、密度预测）的演进，评分规则 Pinball Loss 与 CRPS，以及集成预报在新能源调度决策中的框架。
气象大数据电力负荷预测里的气象输入与温度敏感度
解读 Hong & Fan 概率负荷预测综述：温度与负荷的非线性关系、HDD/CDD 度日定义、recency 滞后温度效应，并给出在运梦气象 API 用 era5 回测、ger 预报取气温的可运行示例。
气象大数据风电功率预测方法全景 — Foley 2012 综述精读
解读 Foley 等在 Renewable Energy 2012 发表的风电功率预测综述：物理方法、统计方法与混合方法的分野，NWP 作为预测核心驱动、持续法基准与时间尺度划分，并结合运梦气象 API 说明工程落地路径。
气象大数据极端天气下的风光出力冲击与运行预案：ERA5 复盘 + 德国气象局预警实战
面向新能源算法与运营团队：用运梦气象 API 的 ERA5 历史数据复盘寒潮、台风、连续阴雨、无风小风四类极端事件对风光出力的冲击，用德国气象局预报提前预警，量化发电量与电网偏差并给出可落地的运行预案与 Python 示例。
气象大数据光伏超短期预测：0–4 小时云团外推临近预报
云团外推（云移动矢量）是光伏 0–4 小时临近预报的主力方法。本文核实 Lorenz、Hammer/Kühnert、Logothetis、Straub 等关键文献，解读卫星与全天空成像云外推机制、晴空指数与误差量级，并给出运梦气象 API 上手示例。
气象大数据光伏组件温度损失与辐照-功率建模实战
从辐照到交流功率的物理链路里，组件温度是最容易被低估的一环。本文核实 Faiman、Sandia SAPM 与 pvlib 三篇权威来源，讲清温度系数、NOCT 与组件温度估算，并给出运梦气象 API 取数实战。
气象大数据分位数映射偏差订正：再分析数据落地必修课
解读 Cannon、Sobie、Murdock 在 Journal of Climate 2015 的分位数映射偏差订正论文，并引 Maraun 2016 综述：讲清 QM、DQM、QDM 的机制与边界，映射到风电光伏功率预测如何用再分析做偏差订正。
气象大数据AI 气象大模型如何落地新能源功率预测
梳理 GraphCast、Pangu-Weather、FourCastNet、FengWu、AIFS 五大 AI 气象模型的核实事实与关键数字，讲清它们如何作为气象输入接入风电光伏功率预测，并给出运梦气象 API 的上手示例与边界限定。
气象大数据风电短期功率预测链路 — 从 100m 风速到出力曲线的工程化拆解
风电短期 (0-72h) 功率预测的完整工程链路：NWP 选型、100m 风速到塔筒高度的高度修正、功率曲线建模、复杂地形动力降尺度、实测同化与机器学习偏差订正。给出常见踩坑与 ROI 排序的优化路径。
气象大数据光伏功率预测准确率怎么算 — RMSE/MAE/MAPE 与工程样本
从光伏功率预测的物理链路讲起，定义 RMSE/MAE/MAPE/SkillScore 等准确率指标，给出实际项目工程中短期（24h）/ 超短期（4h）/ 中期（72h）三种预测时长的实测基线分布，附 Python 评估代码与自绘的准确率分布图。
气象大数据用 ERA5 历史数据回测新能源功率预测模型：walk-forward 实战
把 ERA5 当作训练/检验底座，用 walk-forward 回测新能源功率预测模型，讲清 RMSE/MAE/MAPE/合格率口径、怎样避免数据泄漏，并衔接 ger 预报做在线评估，附运梦气象 API 可运行示例。
气象大数据储能调度遇见气象：用风光功率预测优化充放电与现货套利
面向新能源算法与运营读者，讲清如何用德国气象局短期预报驱动风光功率预测，进而优化储能充放电、削峰填谷与现货套利，并系统拆解预测不确定度如何反过来重塑 SOC 策略与最终收益，文末附运梦气象 API 实战代码。
气象大数据电力现货市场的气象账本：用功率预测支撑报量报价与偏差考核
面向新能源现货交易者：拆解系统负荷、节点电价与场站出力背后的天气驱动，讲清报量报价与偏差考核如何与功率预测分布咬合，并用运梦气象 API 的 ERA5 历史规律加德国气象局短期预报，支撑报价决策与天气风险管理闭环。
气象大数据两个细则准确率考核怎么过：ERA5回测+德国气象局预报降考核电量实战
面向新能源场站，逐条拆解国家两个细则功率预测准确率考核口径、短期与超短期合格率及分段罚款机制，并给出用 ERA5 历史回测做系统偏差订正、用德国气象局预报压低考核电量的可落地方法与运梦气象 API 调用示例。
气象大数据功率预测时效怎么选：超短期、短期、中期的数据源、误差与考核场景
按时效拆解新能源功率预测的方法选型：超短期(≤4h)靠实测外推与爬坡识别，短期(~3天)靠德国气象局(ger)数值预报加实测在线订正，中期(~10天)输出趋势与可信区间，并附运梦气象 API 取数示例。
气象大数据光伏功率预测的气象输入详解：GHI/DNI/DHI 三分量与组件温度修正
从 GHI/DNI/DHI 三分量物理意义讲到 ERA5 的 rsds/dni/dhi 获取、用 tas 做组件温度修正、倾角转置与污渍衰减对出力的影响，并给出运梦气象 API 上可运行的 downloadSync 取数与特征组织实战。