关键词：风光储一体化、多场站功率预测、风电功率预测、光伏功率预测、储能协同调度、虚拟电厂、现货交易、偏差考核、多源气象融合、图神经网络GNN、Transformer、Informer、CNN-LSTM、概率预测、P10/P50/P90、滚动优化、MPC、MILP、二阶段优化
1. 背景：为什么“单场站预测”不够用了？
在新能源渗透率快速提升的今天，风电、光伏的运行范式正在发生变化：
从“单电站并网”走向“基地化、集群化”；
从“能发就上”走向“交易驱动、偏差考核约束”；
从“电源侧孤立运行”走向“风光储协同、虚拟电厂聚合”。
当风电场、光伏电站、储能站点形成“多场站一张网”后，运营方的核心目标不再只是“某个电站的预测尽量准”，而是：
在全网尺度上，实现更高精度的组合预测、更低的组合偏差、更高的市场收益与更安全的调度运行。
这就引出了两个关键问题：
多场站功率预测怎么做，才能比“逐站预测再求和”更好？
预测结果如何进入协同调度，形成“预测—决策—执行—反馈”的闭环？
本文将给出一套工程可落地、同时具备学术严谨性的算法框架，覆盖数据层、预测层、调度层、评估层与上线运维层，便于新能源集团、基
