【光伏风电功率预测】光伏短期算法：云图特征提取 + 云移估计的工程方案（深度工程解析）

Ne0inhk

15 Mar 2026 — 11 min read

关键词：光伏功率预测、光伏短期预测、光伏短临预测、云图预测、卫星云图、云移估计、云团运动、云边效应、辐照预测、Nowcasting、云图特征提取、光流法 Optical Flow、相关匹配、U-Net 分割、CNN-LSTM、Transformer、概率预测 P10/P50/P90、ramp 预警、爬坡预测、数据工程方案

光伏功率预测在晴天往往很准，但一旦进入多云、云团快速变化的天气，“云一来就跳”的问题几乎普遍存在。其根本原因是：传统短期预测输入缺少“云团从哪里来、往哪里走、移动多快、云厚怎么变”的关键信息。

因此，光伏短期/短临预测（0–2 小时 Nowcasting）的主流工程路线，通常离不开两件事：

云图特征提取：从卫星云图中提取云量、云厚、云边界、云纹理等特征
云移估计：估计云团运动矢量场（方向、速度），推演未来遮挡演化

本文给出一套可落地的工程方案：从数据接入、预处理、云移估计、特征构造、功率映射、概率输出到系统监控，尽量讲清楚“怎么做、做什么、为什么这样做”。

1. 目标定义：我们到底要解决什么短期问题？

在“光伏短期预测”里，必须先明确输出目标，否则模型很容易“看起来能拟合，实际不可用”。

1.1 建议的输出体系（工程可用）

P50 点预测功率：未来 5/15 分钟到 2 小时的曲线
P10/P90 概率区间：给调度与储能做风险边界
ramp 风险：未来 15–60 分钟是否发生突降/突升（概率 + 幅度 + 时间窗）
confidence 可信度：云图缺失、遮挡不确定性高时自动保守

关键词提示：把“光伏功率预测”做成“调度可用”的短临系统，必须从点预测升级到“区间 + 事件”。

2. 数据层：云图是什么？选哪些云图更适合光伏短临？

2.1 常用云图数据源（按工程常见程度）

地球静止卫星（GEO）：连续、高频（5–15 分钟），适合短临
多光谱通道：可见光、红外、短波红外、水汽通道等
云产品（若供应方提供）：云量 Cloud Fraction、云顶温度、云相态、云光学厚度（COT）、云顶高度等

短临最关键是“频率”和“空间连续性”，因此 GEO 更合适。

2.2 云图需要的基础配置

时间分辨率：最好 ≤10min（15min 也可做，但对云边效应会迟钝）
空间分辨率：越高越好，但要平衡成本与计算（1–5km 常见）
覆盖范围：至少覆盖电站周边 50–200km（取决于云速与预测时长）

经验：预测 1 小时，常需要覆盖上游 50–150km；预测 2 小时则更大。

3. 预处理：让云图“对齐到电站”，否则后面全是伪信号

云图算法的最大隐患之一是：几何对齐与时间对齐不严谨，导致云移估计产生伪速度。

3.1 时间对齐

确定云图的采集时刻（观测有效时刻）
将功率序列按同一时间基准对齐（时区、延迟、窗口平均）

3.2 空间投影与裁剪

云图通常是经纬度网格或投影坐标，需要统一到同一投影体系
以电站中心（或站内多个子阵列中心）为基准裁剪 ROI
ROI 大小建议按预测时长自适应（上游覆盖）

3.3 辐射定标/归一化（可选但强烈建议）

不同季节、太阳高度角变化会导致可见光亮度分布变化
如果直接用原始亮度做特征，模型会把“太阳高度角变化”当成云变化
建议引入：太阳高度角/方位角作为辅助特征，或做通道归一化

4. 云图特征提取：从“像素”到“可用特征”的三层结构

工程上推荐“三层特征”组合，而不是只用一个 CNN 黑盒。

4.1 第一层：物理/统计特征（低成本、可解释）

从云产品或云图通道直接构造：

云量（Cloud Cover）
云顶温度（IR）
云光学厚度（COT）或云反照率代理
ROI 内均值/方差/分位数（P10/P50/P90）
云边界强度（梯度幅值统计）
“遮挡指数” proxy：电站 ROI 内高云像素占比

优势：可解释、鲁棒、易监控，适合做基线与回退。

4.2 第二层：结构特征（形态学/纹理）

对云图做分割或边缘提取，提取：

云团连通域数量、面积、周长
云边界长度、边缘方向分布
纹理特征（GLCM 等，或简化的频域能量）

这些特征非常适合解释“云边效应”和“碎云导致的快速波动”。

4.3 第三层：深度特征（CNN/ViT）

用 CNN/ViT 对云图序列编码，输出 embedding：

单帧 CNN（ResNet/U-Net encoder）
时序 CNN（3D CNN）
CNN + Transformer（时空编码）

建议：深度特征别单独用，最好与第一层/第二层拼接融合，提高稳健性与可解释性。

5. 云移估计：短临预测的“发动机”（两类主流路线）

云移估计的目的：得到云团运动矢量场 V(x,y)，用于把当前云图推演到未来。

路线A：光流法 Optical Flow（通用强、工程成熟）

Lucas–Kanade（稀疏光流）
Farnebäck（稠密光流）
TV-L1（鲁棒、适合光照变化）
深度光流（RAFT 等，效果强但成本高）

输出：像素级速度矢量场（dx/dt, dy/dt）

工程注意点：

云图亮度变化不全来自运动，云厚变化会干扰光流
需要做通道选择（红外云顶温度通道通常更稳定）
需要对矢量场做平滑与异常剔除（避免局部噪声速度爆炸）

路线B：相关匹配/块匹配 Cross-correlation（更可控、更易解释）

做法：

将 ROI 分成多个块
计算相邻两帧的相关系数最大位移
得到每块的位移向量

优势：

解释性强
对噪声更稳（若配合多尺度）
易于做质量评分（相关峰值强度）

推荐实践：

多尺度金字塔（粗到细）
相关峰值 < 阈值 → 判为不可信区域
对不可信区域使用邻域插值或回退全局风场

6. 云图推演与遮挡预测：从“云在动”到“辐照会怎么变”

拿到云移矢量场后，下一步通常是：

对云图（或云产品）做平流推演（advection）
得到未来 5/15/30/60 分钟的“云覆盖演化”

关键工程点：云不仅移动，还会发展/消散（云厚变化）。因此建议：

运动项：由云移矢量场驱动
强度项：用简单的增长/衰减模型或残差学习（学习云厚变化趋势）

如果有多通道（如红外云顶温度 + 可见光），可以更好区分“云移动”和“云厚变化”。

7. 从云到功率：两阶段映射比“一步到位”更稳

工程上最推荐的方式不是“云图直接预测功率”，而是：

7.1 阶段1：云 → 辐照（或等效辐照）

先预测未来辐照（GHI/DNI 或等效辐照）：

云覆盖、云厚、太阳高度角 → 辐照变化
云边界强度 → 辐照波动增强风险

7.2 阶段2：辐照 → 功率（结合温度与设备状态）

再用电站侧模型做功率映射：

温度影响效率
逆变器削顶（clipping）导致非线性饱和
可用容量变化（AvailCap）决定上限

这样做的好处：

物理一致性更好
更容易解释与验收
设备状态变化不至于“污染云图模型”

8. 概率预测与 ramp 事件：短临必须“风险化输出”

8.1 为什么要 P10/P90？

云变天的不确定性极高，点预测再准也会在某些天崩。
区间预测能直接服务：

备用配置
储能 SOC 预留
风险提示（confidence）

实现方法（工程可落地）：

分位数回归（Pinball loss）输出 P10/P50/P90
或用集合方法（多模型/多初始化/多气象扰动）构造分布

8.2 ramp 预警（爬坡预测）

短临最值钱的是提前识别“突降/突升”窗口：

输出建议包括：

ramp_prob：未来 15–60 分钟发生突降/突升概率
ramp_amp：幅度区间
ramp_t0：预计触发时刻
lead_time：提前量（用于评估系统价值）

9. 系统工程：可用性比最优精度更重要（监控与回退必须有）

短临系统真实运行一定会遇到：

云图延迟、缺帧、断流
夜间可见光不可用（需用红外或直接切到 NWP/功率基线）
极端对流云快速发展（运动估计不稳定）

因此必须内置三类机制：

9.1 数据质量监控

云图到达延迟
缺帧率
ROI 裁剪是否异常
云移估计质量评分（光流一致性/相关峰值）

9.2 置信度输出

当质量评分下降时：

自动扩大区间（更保守）
降低点预测权重
提醒调度“当前不确定性高”

9.3 回退策略（Fallback）

云图不可用 → 回退到功率持久性 + NWP 短期修正
云移不可信 → 回退全局运动（平均矢量）或多源融合
夜间/低太阳高度角 → 以物理模型与历史形态为主

10. 验收指标：别只看 nRMSE，要看短临“事件价值”

建议短临至少验收：

关键时段误差（多云窗口）
ramp 命中率、提前量、幅度误差
P10/P90 覆盖率与区间宽度
峰值/谷值偏差与发生时刻偏差

对光伏短期预测来说，“ramp 提前量”通常比“全天 nRMSE”更能体现价值。

Q1：为什么晴天光伏功率预测很准，多云就不准？
A：多云本质是空间传播问题。缺少卫星云图与云移估计时，模型只能用历史功率外推，必然滞后且容易失效。

Q2：云移估计用光流还是相关匹配更好？
A：光流更通用、细节更丰富；相关匹配更稳、更可解释。工程上常用“相关匹配做基线 + 光流做增强”，再做质量评分与回退。

Q3：云图模型能直接预测功率吗？
A：可以，但更推荐“云→辐照→功率”的两阶段方案，更符合物理一致性，也更利于处理逆变器削顶、可用容量等工程因素。

结语：光伏短期预测要想“云一来不跳”，关键是把云当成“可运动的空间系统”

真正可落地的光伏短临预测体系，通常具备：

卫星云图（高频）接入
云图特征提取（物理 + 结构 + 深度）
云移估计（光流/相关匹配 + 质量评分）
平流推演 + 强度变化修正
两阶段映射（云→辐照→功率）
概率区间输出 + ramp 预警
监控与回退机制

做到这些，“云一来就跳”才能从根上被解决，预测系统才能真正服务调度、储能与交易。

光伏短临预测方案
卫星云图 Nowcasting
云移估计光流法
云团运动辐照预测
云图特征提取 U-Net
ramp 预警爬坡预测
P10 P50 P90 概率预测