摘要
长期的能源系统规划依赖于对未来风力涡轮机特性的预测，但目前的方法要么依赖成本高昂的专家评估，要么采用无正式不确定性量化的确定性趋势外推。我们提出了一种贝叶斯逻辑框架，将轮毂高度、转子直径和比功率的变化视为受物理约束的增长与衰减过程，并通过马尔可夫链蒙特卡洛抽样方法得到完整的后验预测分布。该框架在三个主要的陆上风电市场进行了验证：奥地利（534台涡轮机，2000–2025年）、德国（31,202台涡轮机，1988–2026年）以及美国（71,457台涡轮机，1986–2025年），这些市场具有不同的结构、监管环境及数据可用性。与线性模型、多项式模型及最大似然模型相比，该框架在回溯分析中的表现更为优异，尤其是在需要考虑物理饱和限制的长期预测中。先验敏感性分析表明，在数据充足的区域，后验结果较为稳定，而在数据量较小的情况下，则能真实反映先验因素的影响，从而确定哪些领域需要依赖专家知识。我们还将该框架扩展到考虑气候因素的能源产出估算中，通过合成功率曲线以及SSP2-4.5和SSP5-8.5情景下的特定地点风能资源预测来推导涡轮机的后验值，进而将总不确定性分解为技术因素和气候因素。仅考虑情景差异时的气候不确定性占主导地位，但若综合考虑13个CMIP6全球气候模型的差异，就会发现气候不确定性相当大（14–56%），且在不同地区存在差异，这表明这两种不确定性都需要进行明确量化。该开源工具链可直接用于能源系统规划工作流程中。
