目前新能源场站采用的预测模式存在着天气预报针对性不强、功率预测偏差大、稳定性低、模型适应能力弱、无法满足电网公司两个细则考核等问题，因此急需更为精细化、更有针对性的预测模式。 基于时空序列预测技术进行超短期功率预测，该技术融合了实时性较强的卫星反演数据，同时采用时空序列预测技术ConvLSTM，通过深入学习方法提取气象空间和时间信息，采用seq2seq结构进行未来预测，该方法可以实现充分的考虑气象空间特性，以及时空上下游现象实现超短期功率的准确预测。 本课题的设计可针对当地地形和气候特征的精细化数值天气预报技术研究，提升数值天气预报在当地地形和气候特征条接下的适应性，获得针对特殊地形的新能源场站所需气象要素的精细化预报。对目前新能源功率预测管理中存在的问题展开切实研究，采用最新的人工智能方法，融合多种功率预测结果，提高功率预测预测精度、提高上报准确率、减少电网公司对两个细则考核，并通过精细化数值天气预报和功率预测技术研究，优化功率预测系统，按电网要求提升功率预测准确率，达到了降成本和降考核的双重目的。