关键词：风电功率预测、风电短期预测、风电短临预测、超短期预测、机组级 SCADA、阵风风险预警、ramp 预警、爬坡预测、GNN 图神经网络、GAT 注意力、时空图预测、机组传播图、尾流建模、风向突变、湍流强度、低空急流、概率预测 P10/P50/P90、调度备用、储能协同、MLOps 运维
风电功率预测做到了 15 分钟/1 小时的日内预测还不够——调度真正最怕的是'短时间内突然变风'：
- 阵风线/对流风导致功率断崖
- 风向突变导致偏航响应与功率波动
- 湍流增强导致机组输出不稳定
- 低空急流引起夜间功率突升或突降
切出附近（大风保护）导致平台与掉机
这些问题的共同点是： 变化发生在分钟级到几十分钟内，且具有明显的空间传播与机组间关联。
因此，风电短期/短临预测（0–2 小时）的工程路线，如果还停留在'单站单曲线回归'，往往会出现：
风稳时还行，一到对流/阵风就失效； 平均误差还能接受，但 ramp 预警和备用决策完全跟不上。
本文给出一套可落地的框架： 机组传播图（Propagation Graph）+ 图神经网络（GNN/GAT）+ 阵风风险预警（Event Forecast），把风电短临从'给功率曲线'升级为'给风险与建议'。
1. 目标定义：短临要解决的不是'更准一点'，而是'提前看见风险'
风电短期算法要服务调度/储能/交易，建议至少输出四类结果：
- 点预测（P50）：未来 5/15/30/60/120 分钟功率
- 概率区间（P10/P90）：不确定性边界，用于备用与 SOC 预留
- 阵风/爬坡风险预警（ramp_prob / gust_risk）：事件级输出
- 可信度（confidence）：数据缺失或对流强时自动保守
工程结论：短临系统的价值高度集中在
