本文使用公開概念與合成案例說明方法，不含真實機組、成本、場域或營運資料。
問題與決策情境
很多預測結果只給一條線：明天某時段可能發多少電。這叫點預測。它簡潔、容易畫圖，也方便接進排程模型。但在再生能源、負載與設備健康任務中，決策者常常不只需要一個數字，而是需要知道不確定性有多大。這時 P10、P50、P90 就比單一點預測更有用。
P10、P50、P90 是什麼
P50 可以理解為中位情境：有一半可能高於它，一半可能低於它。P10 與 P90 則是分位數，用來描述較低與較高的情境。不同產業有時會用相反方向解讀「超越機率」或「分位數」，所以網站上必須明確定義。在本站採用統一定義：P10 是較低發電情境，P50 是中位情境，P90 是較高發電情境。若之後引用外部報告，需確認對方定義是否一致。
為什麼區間比單點重要
若 P10、P50、P90 很接近，表示模型對結果較有把握。若三者距離很大，表示不確定性高。此時調度與風險管理可能要保留更多彈性，而不是只相信中間那條線。
最簡單的基準方法
可先用歷史相似風速或相似時段建立分位數區間。這不一定最準，但容易解釋，且可以作為機率模型的基準。
進階模型能增加什麼
進階模型可以直接預測分位數，或產生多組情境再轉成分位數。價值在於它能把天氣預報不確定性、風功率曲線非線性與高風速區間風險納入決策。
評估方法與錯誤成本
點預測常用 RMSE 或 MAE；分位數預測則可用 pinball loss、覆蓋率與區間寬度評估。好的區間不是越寬越好，也不是越窄越好，而是要在校準與可用性之間平衡。
失敗情境
若區間長期包不住實際值，代表過度自信；若區間永遠很寬，雖然安全，卻很難幫助決策。另一個風險是沒有解釋 P10/P90 定義，導致使用者把保守與樂觀情境看反。本站風功率工具僅使用合成情境。
用互動模型建立直覺
改變參數並比較基準，觀察限制與假設如何影響結果。工具只供教育展示，不代表真實系統。