简介光伏发电预测系统是一套基于Python与Flask框架构建的完整Web工程采用前后端分离架构面向新能源发电预测方向的学习者、算法工程师与电力数据研究人员用于解决光伏功率短期预测、多模型对比与结果可视化等问题。压缩包共约2000个文件以1910个py源码为主辅以h、c、cpp等底层依赖文件及txt、md说明文档整体约94.98MB涵盖虚拟环境、数据集、模板页面、静态资源与IDE配置等完整目录。系统集成ARIMA、SARIMAX、XGBoost、LightGBM、随机森林、LSTM、GRU、TCN等多种时间序列与深度学习算法支持超参数自动搜索、置信区间与MAE/RMSE/MAPE误差指标输出并内置权限控制、日志记录与SQLite/MySQL双数据库兼容能力。目前已有20人学习下载适合希望掌握从数据上传、模型训练到预测结果图表渲染全流程的开发者参考与二次开发。1. 光伏发电预测系统从压缩包到可落地预测链路拿到一个名为「光伏发电预测系统.rar」的压缩包多数人的第一反应是解压、找 README、跑 main.py。但真正在一线做过光伏功率预测的人都知道这类系统能不能用不取决于代码写得多漂亮而取决于三件事数据从哪来、特征怎么构、模型在阴晴突变时扛不扛得住。光伏发电预测系统本质上是一套把气象数据、历史功率、时间信息映射成未来发电功率的工程链路常见形态是「数据采集 特征工程 模型训练 预测输出 误差评估」。它服务的对象很明确电站运维要做功率申报和调度、储能系统要决定充放电窗口、微网能量管理系统要做日前计划。如果你手上正好有这个压缩包或者正准备自己搭一套这篇笔记按「拆包看结构 → 数据与特征 → 模型选型与训练 → 避坑 → 进阶验证」的顺序把每一步的参数和边界讲清楚。2. 拆开压缩包先看什么目录结构与运行入口2.1 一个典型光伏预测系统的目录长什么样不同人打包的「光伏发电预测系统.rar」结构差异很大但落到可运行的项目上常见目录逃不出这几类。解压后先别急着装依赖用tree或文件管理器把两层目录看清楚判断它属于「脚本堆叠型」还是「工程化型」。目录/文件常见命名作用缺失后果数据目录data / dataset / input历史功率、气象、辐照无法训练需自采源码目录src / code / model特征、模型、训练脚本核心逻辑缺失配置目录config / cfg路径、超参、电站参数硬编码难迁移入口脚本main.py / run.py / train.py串起全流程不知从哪跑依赖清单requirements.txt / environment.yml环境复现版本冲突输出目录output / result / pred预测结果、模型文件结果无处落盘如果解压后发现只有几个.py和一堆.csv没有配置文件那基本是「脚本堆叠型」能跑通但迁移到新电站要改代码。如果看到config.yaml、src/、requirements.txt齐全说明作者至少考虑过复现优先跑这种。2.2 最小可运行路径先跑通再谈优化不管结构如何目标都是先让预测链路跑出一版结果。下面是一段通用的环境准备与入口探测命令帮你快速定位运行方式。# 1. 建独立环境避免污染系统 Python python -m venv venv source venv/bin/activate # Windows 用 venv\Scripts\activate # 2. 看依赖清单优先按它装 cat requirements.txt pip install -r requirements.txt # 3. 找入口搜 main / train / run 关键字 grep -rn __main__ --include*.py . # 4. 看有没有配置文件确认数据路径 find . -name *.yaml -o -name *.json -o -name *.ini逻辑说明先隔离环境是血泪经验光伏项目常依赖pandas、numpy、scikit-learn、torch或lightgbm版本冲突一旦发生排查成本极高。grep __main__是为了找到真正的执行入口很多压缩包里有多个脚本但只有一个带主流程。参数说明requirements.txt里如果锁了具体版本如pandas1.5.3不要随意升级如果只写包名不写版本装完先记录实际版本方便回滚。提示如果requirements.txt缺失或装不上先只装pandas numpy scikit-learn matplotlib这四个多数传统机器学习版光伏预测系统靠它们就能跑。跑通入口后重点看它输出的预测结果文件是单点预测还是全天曲线时间分辨率是 15 分钟还是 1 小时预测步长是未来 1 小时还是未来 1 天。这三个维度决定了这套系统适不适合你的场景。3. 数据与特征光伏预测的成败八成在这里3.1 光伏功率预测到底需要哪些输入模型再强喂错数据也是白搭。光伏发电预测的核心输入分四类历史功率、气象要素、时间信息、电站静态参数。历史功率是自回归的根基气象要素里辐照度GHI/POA最重要其次是温度、湿度、云量、风速。时间信息看似简单但小时、月份、季节的周期编码对模型影响很大。电站静态参数包括装机容量、组件倾角、朝向、所在经纬度。import pandas as pd import numpy as np # 读取历史数据假设列名如下 df pd.read_csv(data/power_weather.csv, parse_timeTrue) # 时间特征光伏强周期必须显式构造 df[hour] df[time].dt.hour df[month] df[time].dt.month df[dayofyear] df[time].dt.dayofyear # 周期编码避免 23 点和 0 点被当成距离很远 df[hour_sin] np.sin(2 * np.pi * df[hour] / 24) df[hour_cos] np.cos(2 * np.pi * df[hour] / 24) # 辐照度是首要特征缺失时用相邻时刻插值别直接填 0 df[irradiance] df[irradiance].interpolate(methodlinear, limit3) # 功率归一化到 0-1按装机容量 capacity 10000 # 单位 kW按实际改 df[power_norm] df[power] / capacity逻辑说明周期编码是很多人忽略的一步直接把hour当数值喂给模型会让模型以为 23 点和 0 点相差 23实际只差 1。辐照度缺失填 0 是典型翻车点夜间填 0 合理白天填 0 等于告诉模型「此刻没太阳」预测必然塌陷。参数说明interpolate的limit3表示最多连续插 3 个点超过就保留缺失让模型自己处理capacity必须按电站实际装机填填错会导致归一化功率全部偏移。3.2 特征筛选与数据切分的三个硬规矩特征不是越多越好。光伏预测里辐照度、温度、历史功率滞后项通常排前三云量、湿度次之风速和风向在短时预测里贡献有限。可以用相关性矩阵先粗筛再用树模型的特征重要性精筛。from sklearn.model_selection import TimeSeriesSplit from sklearn.ensemble import RandomForestRegressor features [irradiance, temperature, hour_sin, hour_cos, power_lag1, power_lag2, humidity] X df[features] y df[power_norm] # 时间序列不能随机切分必须按时间顺序 tscv TimeSeriesSplit(n_splits5) for train_idx, val_idx in tscv.split(X): X_train, X_val X.iloc[train_idx], X.iloc[val_idx] y_train, y_val y.iloc[train_idx], y.iloc[val_idx] model RandomForestRegressor(n_estimators200, max_depth12, random_state42) model.fit(X_train, y_train) # 看特征重要性砍掉贡献极低的 for name, imp in sorted(zip(features, model.feature_importances_), keylambda x: -x[1]): print(f{name}: {imp:.4f})逻辑说明TimeSeriesSplit是光伏预测的底线用train_test_split随机切分会让未来数据泄漏到训练集验证指标虚高上线后直接崩。参数说明n_estimators200是精度和速度的折中max_depth12防止过拟合光伏数据噪声大树太深会记住噪声。特征重要性低于 0.01 的可以考虑删但别一次删太多先删一个再验证。注意滞后特征power_lag1、power_lag2构造时要用shift且必须确认没有跨天错位。跨天错位是隐蔽 bug白天预测正常夜间和清晨误差爆炸。4. 模型选型与训练从基线到可上线的预测器4.1 先立基线持久化模型和晴空模型任何光伏预测系统上线前都要有两个基线持久化模型用当前时刻功率预测下一时刻和晴空模型假设全天无云的理论功率。如果复杂模型跑不赢这两个基线说明特征或训练有问题别急着调参。# 基线1持久化用 t 时刻功率作为 t1 预测 df[persistence] df[power_norm].shift(1) # 基线2晴空模型用辐照度理论上限近似 # 简化处理白天用辐照度归一化夜间为0 df[clearsky] np.where(df[irradiance] 0, df[irradiance] / df[irradiance].max(), 0) # 评估MAE 和 RMSE from sklearn.metrics import mean_absolute_error, mean_squared_error mask df[persistence].notna() mae_p mean_absolute_error(df.loc[mask, power_norm], df.loc[mask, persistence]) rmse_p np.sqrt(mean_squared_error(df.loc[mask, power_norm], df.loc[mask, persistence])) print(f持久化 MAE{mae_p:.4f} RMSE{rmse_p:.4f})逻辑说明持久化模型在超短期未来 15 分钟内往往很强复杂模型如果连它都赢不了说明特征没提供增量信息。晴空模型在晴天是上限参考阴天会高估。参数说明shift(1)表示用上一时刻如果数据是 15 分钟分辨率持久化预测的就是 15 分钟后的功率。评估时务必对齐时间索引错位一格结果全废。4.2 树模型与神经网络的取舍光伏预测主流模型分两派树模型LightGBM、XGBoost、随机森林和神经网络LSTM、GRU、TCN、Transformer。树模型在中小数据集上稳定、调参少、可解释神经网络在数据量大、多站点联合训练时有优势但调参成本高。import lightgbm as lgb train_data lgb.Dataset(X_train, labely_train) val_data lgb.Dataset(X_val, labely_val, referencetrain_data) params { objective: regression, metric: mae, learning_rate: 0.05, num_leaves: 31, min_data_in_leaf: 20, feature_fraction: 0.8, bagging_fraction: 0.8, bagging_freq: 5, verbose: -1 } model lgb.train(params, train_data, num_boost_round1000, valid_sets[val_data], callbacks[lgb.early_stopping(50)])逻辑说明early_stopping(50)表示验证集 50 轮不提升就停防止过拟合。num_leaves31控制模型复杂度光伏数据噪声大叶子太多会拟合噪声。min_data_in_leaf20保证每个叶子有足够样本避免极端值主导。参数说明learning_rate0.05配合num_boost_round1000是常见组合学习率降到 0.01 时轮数要相应增加。feature_fraction和bagging_fraction是防过拟合的关键数据量小于 1 万条时建议都设 0.7~0.8。如果要用神经网络LSTM 的输入需要构造成滑动窗口窗口长度一般取 24~96 个时间步对应 6~24 小时。训练时用ReduceLROnPlateau降学习率比固定学习率稳。5. 避坑与排查光伏预测系统最常见的五类翻车5.1 预测曲线整体偏移白天偏高夜间偏低现象预测曲线形状对但整体比实际高或低一截。原因归一化用的装机容量填错或者训练集和预测集的功率单位不一致一个 kW 一个 MW。解决统一单位检查capacity是否等于数据里功率的最大值量级用df[power].max()和装机容量对比偏差超过 10% 就要查。5.2 阴天和突变天气误差爆炸现象晴天 MAE 很小一到多云或阵雨误差翻几倍。原因模型只学了辐照度和历史功率没有云量、云类型或卫星云图特征或者训练集里阴天样本太少。解决加入云量特征对阴天样本做加权sample_weight调高或者分天气类型训练多个模型。常见做法是按晴空指数分档每档单独建模。5.3 验证集指标很好上线后一塌糊涂现象离线 MAE 0.03上线后 0.15。原因随机切分导致数据泄漏或者用了未来才有的气象预报数据。解决严格用TimeSeriesSplit确认所有特征在预测时刻都可得。气象预报数据要用「预报发布时刻」对齐不能用「预报目标时刻」对齐这是黑匣子式的隐蔽错误。5.4 夜间预测不为零现象夜间实际功率为 0预测却有小值。原因模型没有显式学习「辐照度为 0 时功率为 0」的约束或者滞后特征在夜间跨天错位。解决后处理加约束pred np.where(irradiance 0, 0, pred)同时检查滞后特征构造时的日期边界。5.5 依赖版本冲突导致跑不起来现象pip install -r requirements.txt报错或跑起来numpy报 ABI 不兼容。原因压缩包作者的环境和你的不一致尤其是numpy、pandas、torch的版本。解决先看requirements.txt是否锁版本没锁就按报错信息逐个降级实在不行用conda建环境conda对二进制依赖处理更好。后悔药是提前用pip freeze requirements_lock.txt记录自己跑通的版本。6. 进阶验证用分时段误差和爬坡事件检验模型真实力跑通、调好、避开坑之后别只看一个整体 MAE 就收工。光伏预测真正考验模型的是两个场景早晚爬坡段和云遮突变段。整体 MAE 会被大量平稳的午间样本拉低掩盖爬坡段的糟糕表现。我一般会做分时段误差统计和爬坡事件专项验证。# 分时段误差按小时统计 MAE df[hour] df[time].dt.hour df[abs_err] np.abs(df[power_norm] - df[pred]) hourly_mae df.groupby(hour)[abs_err].mean() print(hourly_mae) # 爬坡事件功率变化率超过阈值的时段 df[ramp] df[power_norm].diff().abs() ramp_threshold 0.1 # 相邻时刻变化超过 10% 装机容量 ramp_mask df[ramp] ramp_threshold ramp_mae df.loc[ramp_mask, abs_err].mean() normal_mae df.loc[~ramp_mask, abs_err].mean() print(f爬坡段 MAE{ramp_mae:.4f} 平稳段 MAE{normal_mae:.4f})逻辑说明分时段误差能暴露模型在早晚爬坡段的弱点如果 6-8 点和 17-19 点 MAE 明显高于午间说明模型对功率快速上升下降的建模不足可以考虑加入功率变化率特征或改用能捕捉时序突变的模型。参数说明ramp_threshold0.1是经验值装机容量 10MW 的电站相邻 15 分钟变化超过 1MW 就算爬坡事件可按实际调整。爬坡段 MAE 通常是平稳段的 2~4 倍如果超过 5 倍模型在突变天气下基本不可用。验证方法上除了离线指标建议做「滚动预测」模拟每天用当天之前的数据训练预测次日全天连续跑 30 天看日度误差的分布和 worst case。这比单次切分更接近真实上线表现。如果 30 天里有超过 5 天 MAE 超过阈值就要考虑模型集成或加入数值天气预报数据。我自己的习惯是任何光伏预测系统上线前必须过三关跑赢持久化基线、爬坡段 MAE 不超过平稳段 4 倍、连续 30 天滚动预测无异常日。这三关过不了调参再多也是玄学。希望帮到你。本文还有配套的精品资源点击获取