7月8日，可再生能源专家技术委员会(REETC)《电力交易背景下的时序发电量评估方法研究》项目召开第二次工作组会议。来自高校、开发企业、设计院、整机厂商、测风及软件企业的90余位专家齐聚云端，共商电改背景下风资源评估技术革新路径。

　　该项目于今年1月在REETC年会正式立项，由金风科技风能研究院与中国华电科工集团专家联合牵头，下设理论时序发电量计算、时序发电量和电价耦合、自由流风速反演和重构组、时序建模与机器学习拟合，导则与工程案例验证五个子工作组。会议旨在汇聚跨领域技术力量，构建标准化、精准化的时序发电量评估体系，为电力交易提供核心技术支撑。

　　金风科技风能研究院院长胡高硕在致辞中表示，本项目研究既是对行业风资源认知的深度迭代，更是评估范式的系统性革新;希望研究进一步聚焦落地场景，重点探索适配不同数据完整度的评估方法，切实赋能电力交易实战。鉴衡认证中心风能研究院院长蔡继峰向参研专家表示感谢，他指出，本项目采用的“边研究边分享”模式，对破解时序发电量评估这类复合型难题具有重要价值——过程性研讨与最终成果同等重要，既是行业技术互鉴的平台，也是研究思路碰撞的契机。

　　01 工作组关联技术研究分享

　　中电建青海院介绍了《风电场时序发电量分析计算》研究

　　该研究依托青海省地区“夜间风电”课题，通过全流程工程闭环验证，凝练形成仿真技术路线;报告提出在开展有限电地区时序仿真需统筹折减与限电双重因素，通过统计规律提炼，耦合电价预测构建综合评价体系。相关成果为“案例验证”子工作组提供了核心素材。

　　莱维塞尔杨易坤发表《时序建模与机器学习拟合实施思路》的演讲

　　作为“时序建模与机器学习拟合”子工作组研究内容，该研究聚焦“自由流—理论时序—上网时序”的全链路建模。报告创新提出折减体系“双轨制”拆分方案：将“常态折减”纳入规则化处理，将“非常态折减”交由机器学习拟合，针对偶发事件引入“随机空白”法由算法自主补全。

　　中船科技龙海川分享《融合物理约束的时序发电量构建：从AI驱动到机理增强》

　　同为“时序建模与机器学习拟合”子工作组成员，该研究提出“物理基线+深度学习”融合框架，引入中尺度数据叠加物理功率曲线，通过深度学习构建理论发电量与动态折减系数模型。该模型兼具历史回溯与未来气候态预测能力，可输出逐年时序、概率分位及典型日聚类三类核心数据。

　　02 讨论与进一步计划

　　与会专家围绕三大方向展开深入研讨：一是数据层，涵盖测风塔年代表性验证、AI训练限电数据清洗、时间分辨率需求拆解及多系统耦合时序颗粒度匹配;二是模型层，聚焦时序折减处理逻辑、动态折减系数优化及精度与工程可操作性平衡;三是应用层，探讨随机空白法落地路径及时序/综合折减的指导优先级。

　　华电科工新能源设计研究院副院长胡晓春做会议总结，她指出本研究面临多重挑战，包括仿真方法拓展、差异归因分析及折减机器学习数据筛选等。下一步，工作组将剥离限电、综合能源等次要干扰因素，聚焦核心变量，同时按场景大类或区域区块细化研究颗粒度，立足实用导向加速成果产出，切实指导行业实践。

　　按照计划，项目工作组将于9月份完成导则初稿编写，并召开中期讨论会议。