笔记

如何定量表征风光出力波动性？

26 August 2026 /9 min read

风光制氢项目前期的工作之一，是针对不同的项目条件，用数学工具寻找绿氢项目中风、光、制储氢的最优容量配置。在一体化系统中，为电解槽供电的风光电源是波动的，而下游通常需要相对稳定的氢气供应，于是就需要通过储氢、风光超额配置、电网支持等手段来弥补。

虽然模型给出方案的最优性是可以证明的，但有时想从直观上解释和理解却有困难，比如：两条风电出力曲线的等效小时数相同，但其中一条需要配置更大的制氢和储氢容量，才能完成同样的供氢任务。我们当然可以说是两条曲线的波动特性不同，但具体区别在哪儿，却说不太清楚。有时就会陷入循环论证：为什么某条风电曲线需要更多储氢呢？因为它的波动性更强；怎么看出来波动性更强呢？因为模型算出的储氢更大。而仅靠瞪眼法，也很难看出两条曲线波动性的本质区别。

我们希望用一套比较完整的指标描述这些差异，不做寻优计算，仅就出力曲线本身讨论波动特性。

最近 Tibo 的 reset 键按得勤，额度用不完感觉损失几个亿，正好拿这个问题来蹬一蹬。

“Vibe research”

我把问题的背景、案例、期望的结果和已有的零碎思路提供给 GPT，要求是给出一些标量或曲线形式的指标，描述波动性的不同侧面，以解释容量优化计算的结果。本来指望它一把就能给出完整方案，但实际结果一般，GPT 编了几个比较常规的指标就把我打发了。即使有点用，也感觉相当片面。

所以还得从长计议，把工作拆成几个小任务，逐步推进：

让 GPT 理解工程问题，明确研究范围。
确定目标和筛选标准：有助于比较出力曲线，含义清晰，指标的自变量不能过多。
头脑风暴，尽可能广泛地提出候选指标。
按照确定的标准，评估并筛选候选指标。

这一次，GPT 提出了五十多个候选指标。两轮切磋后，保留了 20 来个指标。同时，把问题限定为单条出力曲线的波动性，风电、光伏或固定比例的风光组合，都按同一套方法来分析。评价体系也只研究曲线本身，线性规划（LP）模型留作验证工具。

几个例子

这里挑选三个，看看它们能给容量配置提供什么信息。

出力持续曲线

持续曲线（Output duration curve）在电力工程中已经有广泛的应用。方法也简单，就是把逐小时出力按从高到低重新排序，所得到的曲线近似地表示出力达到或超过某一水平的时间占比。如果出力大多处于中低水平，那么较小的电解槽容量就能消纳这些时段的电力。如果在电解槽额定功率的位置画一条水平线，那曲线高出这条线部分的面积，就能直观反映超出电解槽消纳能力而要被弃掉的电量。

移动平均出力分位数

要评价数小时或数天区间的整体出力情况，可以对包含 $T$ 个逐小时出力值 $x_t$ 的记录，计算 $n$ 小时移动平均值：

m_t(n)=\frac{1}{n}\sum_{j=0}^{n-1}x_{t+j}, \qquad t=1,\ldots,T-n+1.

然后，取这些移动平均值的经验 $p$ 分位数 $Q_p$ ：

A_p(n)=Q_p\!\left(\{m_1(n),\ldots,m_{T-n+1}(n)\}\right).

P0（ $p=0$ ）是窗口平均出力的最小值，P10（ $p=0.10$ ）是第 10 百分位数。如果两者比较接近，说明最低的约 10% 的窗口平均值都集中在最小值附近。换用不同长度的窗口，就能看看连续一天、一周或更长时间内，平均出力能低到什么程度。

如果分位数曲线在较短的窗口就已经聚拢到均值附近，说明波动在这个时间尺度上大体抵消了，各个窗口的平均出力相差不大。而如果到了一个星期甚至更长的窗口，低分位数仍明显低于均值，就说明较长时间内的平均出力仍然偏弱。对稳定供氢来说，这样的时段可能持续消耗氢气储备，需要更大的储氢容量，或靠电网支撑制氢。

最大累积缺额

最大累积缺额衡量相对于选定的参考出力，一个连续时段能积累的最大净能量缺额。如果出力低于参考值，缺额持续累积；高于参考值时，富余出力可抵消部分累计缺额，回一些血。如果几个低出力时段之间有短暂回升，但不够把此前的缺额补足，就仍可能连成一个更大的累积缺额区间。

对于风光制氢系统，可以把这个参考值设定为下游用氢需求所对应的电解功率。如果前面少产的氢还没补回来，下一段低出力又来了，缺口就会接着累积。这个指标把几段短缺合起来算，得到的最大净缺额可以作为判断储氢容量的一个参考。

第 4 小时的盈余只弥补了周围时段的部分缺额，所以最大净缺额区间涵盖第 2 至第 6 小时。

网页应用

干啃数学定义并不直观，因此在初步筛选之后，直接进入下一步网页应用开发，这样就可以对着真实的出力曲线，看看画出来的指标长什么样，继续摸索和筛选。

应用现在已经部署在 Streamlit Community Cloud，经过几轮筛选保留了 12 个指标，每个指标都有详细说明，包括如何“快速理解”、指标的数学定义、计算案例和结果解读，还有一些插图，可以当作参考手册查阅。上面简单介绍了 3 个指标，更多内容可以直接到网站查看，或者拿自己的风光逐小时曲线上去分析一下。

接下来还可以做什么

这些指标我也还在慢慢消化，得拿更多真实曲线试试，看看哪些确实能说明问题。另外，也可以专门构造一些测试曲线，和 LP 优化结果放在一起对照，看看指标反映出的差异，与储氢、电解槽容量和电网用电的变化有什么联系。