简介本资源是一套面向高校毕业设计与新能源领域算法实践者的光伏发电功率预测系统完整实现基于CNN-BiLSTM-Attention混合深度学习架构解决光伏出力波动性强、短期预测精度低的工程痛点适用于电力系统调度、智慧能源平台开发及AI时序建模进阶学习。压缩包共106个文件90.64MB涵盖30个实测CSV数据集、25个预训练pkl模型、9个h5权重文件、7个核心Python训练/部署脚本以及HTML/CSS/JS构成的Web管理界面和SQL数据库初始化脚本结构清晰、模块解耦支持开箱即用。已有45人下载学习提供从数据预处理、异常检测孤立森林、自动特征工程时间/滞后/滚动统计到可视化仪表盘含7日对比图、月度曲线、年度收益分析的全链路实现配套详细文档与可执行bat/sh启动脚本显著降低复现门槛与调试成本。 基于 LSTM 与 CNN 混合架构的光伏发电功率预测系统最近我把整套项目重新整理了一遍源码、文档和数据集全部打包好了。做新能源电站的朋友应该都清楚光伏发电功率预测这件事一开始看着像个普通的回归任务真正落地做起来才知道里面全是细节。云层移动、辐照度突变、组件温度升高引起的效率衰减每一个因素都会让预测曲线发生明显偏移这也是我为什么最终选择了 LSTM 与 CNN 混合架构而不是单一模型的原因。这篇文章把整个系统的设计思路、数据预处理、模型结构、训练调参、踩坑经过和工程交付方式完整梳理一遍。适合下面这三类读者刚开始接触时序预测想找一个完整 LSTMCNN 工程案例来复现的人已经在跑纯 LSTM 或纯 CNN 模型但预测精度一直上不去想看看混合结构到底怎么搭的人以及需要一套能直接改一改数据集就能跑起来的光伏功率预测基础系统的人。这套资料正好覆盖了从原始数据到最终预测结果的完整链路。1. 为什么光伏功率预测要采用 LSTM 与 CNN 混合架构1.1 光伏功率预测的本质高波动序列下的回归任务光伏发电功率预测本质上是一个基于历史数据和气象数据对未来一段时间发电功率进行回归建模的任务。输入是过去一段时间的辐照度、温度、湿度、风速、历史功率等序列输出是未来若干个时间点的功率值。听起来好像只是多变量时序预测但光伏数据和普通时序数据有一个关键区别波动性极大。天气系统本身是大气运动驱动的混沌系统云层遮挡会让辐照度在几十秒内下降一半以上反映到功率曲线上就是毛刺和突变。而气温升高导致组件表面温度超过 65 摄氏度时发电效率会明显下降夏天中午尤其明显。也就是说功率序列不是平稳序列它同时包含昼夜周期、季节周期和完全随机的天气扰动。这就决定了单纯靠一种网络结构很难同时处理好周期性和突发性。1.2 纯 LSTM 与纯 CNN 各自的天花板LSTM 在处理长时序依赖方面有天然优势它通过门控机制构建遗忘门、输入门和输出门在长时间跨度上保留有效信息。对于光伏数据来说LSTM 能很好地捕捉昨天同一时刻的功率趋势连续几小时辐照度持续走弱这类依赖关系。但纯 LSTM 也有明显短板它把所有特征当成一个时间步的多维输入局部特征提取能力较弱。多个气象特征之间的局部耦合关系——比如温度和辐照度同时快速上升之后功率的短期联动——LSTM 需要花大量训练时间去隐式学习效率不高。CNN 的情况恰好反过来。一维卷积可以在一个小窗口内提取局部特征计算效率高多个卷积核还能并行提取不同特征通道之间的关系。但它对长距离依赖的建模能力有限单靠堆叠卷积层去追踪跨度很长的时序依赖往往要么网络很深要么效果不佳。我在做这个项目之前专门跑过一组对比实验同样预测未来一小时功率纯 LSTM 和纯一维 CNN 在晴天场景下表现都不错但遇到多云天气纯 CNN 的输出曲线明显更毛躁纯 LSTM 则在辐照度剧烈变化时响应偏慢。单独用哪个都不理想。1.3 混合架构的融合逻辑先提特征再学时序混合架构的设计逻辑其实很清晰先用 CNN 在输入序列上做卷积提取局部特征得到一组更紧凑、更高层的特征序列再把这个特征序列交给 LSTM 去建模时间依赖最后由全连接层输出预测值。这种先提特征再学时序的组合让各模块做自己最擅长的事。CNN 负责在短时窗口内捕捉气象变量之间的局部耦合模式LSTM 负责跨时间步的长程记忆。两个模块串联之后模型最终学到的复合特征既包含对局部突变的响应信息又包含趋势性的时序上下文。实际项目中我通常会保留两层 LSTM第一层接收 CNN 输出的特征序列第二层再压缩一次时间信息最后接全连接输出层。整套结构在 Keras 里用函数式 API 实现非常直接后面章节会给出完整代码。2. 数据准备决定预测上限的隐形环节2.1 数据集构成哪些字段真正影响发电功率我整理的数据包里的样例数据集来自一个分布式光伏电站采样间隔 15 分钟一天 96 个点。原始 CSV 包含这些字段时间戳、水平面总辐照度 GHI、法向直射辐照度 DNI、散射辐照度 DHI、环境温度、组件温度、风速、风向、相对湿度、实时功率。字段优先级上辐照度几乎决定功率上限这是最核心的输入其次是组件温度直接影响转换效率风速有一点散热效应但相关性没那么强。如果未来接入新电站但缺少辐照度也可以用历史功率反推等效辐照度不过精度会打折扣。有条件的话尽量接入电站当地气象站实测数据或者用卫星反演辐照度数据这两种来源都比纯数值天气预报插值稳。2.2 清洗与补全缺失值、异常值、夜间零值原始数据几乎没有干净的这是做光伏预测的第一道坎。常见问题有夜间功率为 0 但辐照度传感器仍有微小读数逆变器停机或者通信中断造成的大段缺失辐照度超过理论上限的异常值通常是传感器积灰或校准问题。我的处理思路分为三步。第一步把夜间时段太阳高度角小于 0 或辐照度低于阈值的功率强制归零同时把辐照度方向上的噪声去掉。第二步对单点缺失做线性插值如果连续缺失超过几个小时不建议插值直接剔除该时段或者用前一天同天气类型同一时刻的数据对齐回填。第三步对辐照度异常值做上下限截断GHI 超过当地理论上限可以用天文辐射模型估算的样本直接标记为异常并删除。2.3 特征工程时间编码、气象特征与滞后量特征工程是整个项目里性价比最高的部分。时间特征方面小时、星期、一年中的第几天都需要做正弦余弦编码避免 23 点和 0 点之间产生断层。天气类型如果数据里有 code 字段最简单的做法是 one-hot 编码如果天气类别很多可以试试 embedding效果会更好一点。滞后特征也要重视历史功率的前 1、2、3 个滞后项能显著提升短期预测精度尤其在小步长预测时滞后功率几乎是最强特征。最后统一做 MinMaxScaler 归一化把所有连续特征缩放到 [0,1] 区间。这里有个细节所有归一化的 fit 只能放在训练集上测试集只能 transform后面踩坑章节会详细讲为什么。2.4 时间滑窗窗口长度与预测步长的搭配滑窗构造是时序预测的标准做法。采样间隔 15 分钟时我建议用过去 24 个点预测未来 4 个点也就是用过去 6 小时预测未来 1 小时如果要预测未来 6 小时那就用过去 24 个点预测未来 24 个点。窗口长度怎么选太短覆盖不到一天的趋势太长会引入过多噪声而且训练样本数会减少。我最终项目中采用的方案是用过去 24 个点预测未来 24 个点这样在长时间离线评估时更有代表性也能覆盖完整的日周期变化。窗口构造时步长取 1不做跳跃采样保证训练样本尽量多。3. 模型结构设计CNN 与 LSTM 如何拼接3.1 CNN 模块一维卷积如何提取局部波动特征一维卷积的输入形状是 (window_steps, n_features)卷积核在时间维度上滑动。kernel_size 我通常取 3 或 5。这里有个实际经验光伏功率序列里的局部突变可能只持续 1 到 2 个采样点kernel 太大容易把突变平滑掉kernel 太小又学不到上下文关系。keras 默认的 kernel_size3 对 15 分钟采样的光伏数据表现最稳。卷积层之后接 BatchNormalization 和 ReLU 激活再接 MaxPooling1D(pool_size2)。池化的作用有两个一是压缩序列长度减少后续 LSTM 的计算量二是让高层特征对局部轻微偏移更鲁棒。这里需要提醒一句池化之后 LSTM 实际看到的时间步变少了如果输入窗口是 24 个点池化后变成 12 个点对 6 小时的功率趋势来说仍然够用但如果窗口本身就短就别加池化或者用 stride 卷积代替。3.2 LSTM 模块从特征序列到时间依赖CNN 输出的特征序列仍然保持时间顺序直接输入 LSTM。我用了两层 LSTM第一层 units128return_sequencesTrue输出每个时间步的隐状态第二层 units64return_sequencesFalse只保留最后一个时间步的隐状态。每层后面接 Dropout(0.2) 防止过拟合。很多人在这个环节会纠结 LSTM 层数和 units 大小。我的经验是光伏数据集通常不算海量几千到几万条有效样本两层 LSTM、128 加 64 的规模已经足够盲目加到 256 或三层以上不仅训练变慢还容易过拟合除非你有几十个电站的好几年数据。如果数据量真的很大优先考虑增加 CNN 滤波器数量和容量调 LSTM 的收益反而没那么明显。3.3 多步预测输出与损失函数设计输出层直接用一个 Dense 层输出维度等于预测步数。比如预测未来 4 个时间点Dense(4) 即可。这种直接多输出的方式比自回归式的逐步预测更稳因为自回归预测每走一步都会把上一步的误差带进下一步误差累积会越来越严重。损失函数我用 MSE。功率预测场景对峰值误差比较敏感调度端最怕的就是预测偏差集中在大功率时段MSE 对大偏差的平方惩罚正好符合这个需求。如果你对白天时段的精度更在意可以自定义加权 MSE给辐照度高于阈值的样本加大权重我试过之后白天时段 RMSE 确实能再压一截。3.4 完整模型代码实现用 Keras 函数式 API 实现这个结构非常直观核心代码也就二十几行from tensorflow.keras.models import Model from tensorflow.keras.layers import (Input, Conv1D, BatchNormalization, Activation, MaxPooling1D, LSTM, Dense, Dropout) def build_cnn_lstm_model(input_shape, output_steps): inputs Input(shapeinput_shape) # (window_steps, n_features) # CNN 模块局部特征提取 x Conv1D(filters64, kernel_size3, paddingsame)(inputs) x BatchNormalization()(x) x Activation(relu)(x) x MaxPooling1D(pool_size2)(x) # LSTM 模块时序依赖建模 x LSTM(units128, return_sequencesTrue)(x) x Dropout(0.2)(x) x LSTM(units64, return_sequencesFalse)(x) x Dropout(0.2)(x) # 输出模块 x Dense(units32, activationrelu)(x) outputs Dense(unitsoutput_steps)(x) model Model(inputsinputs, outputsoutputs) return model需要说明一点预处理阶段已经用 MinMaxScaler 做过归一化所以这里卷积层之前不需要再额外加归一化层。如果你换用了不同量纲的原始特征可以在最前面加一个 LayerNormalization。4. 训练策略与评估从指标到实测效果4.1 训练配置优化器、学习率、早停与批量大小训练配置看起来是老生常谈但参数选不好直接决定模型能不能收敛。我用的方案是优化器 Adam初始学习率 1e-3批量大小 64最大训练轮数 200同时配置 EarlyStopping 和 ReduceLROnPlateau 两个回调。EarlyStopping 的 patience 设 15监控验证集损失恢复最佳权重。ReduceLROnPlateau 的 patience 设 5factor 设 0.5也就是验证损失连续 5 轮不降时学习率减半。这两个回调配合使用基本不用再手动盯训练过程。数据集划分必须严格按时间顺序前 70% 做训练中间 15% 做验证最后 15% 做测试。尤其注意验证集也不能从全样本中随机抽因为时间序列前后样本高度相关随机抽会破坏独立性假设。4.2 评估指标RMSE、MAE、MAPE 与 R光伏功率预测的常用指标有四个RMSE、MAE、MAPE 和 R²。RMSE 对峰值误差敏感能反映大偏差情况MAE 反映平均误差水平R² 反映模型对整体波动的解释能力。MAPE 要特别小心夜间或辐照度极低时功率接近 0MAPE 会算出一个离谱的百分数。所以计算 MAPE 时我一般只统计白天时段辐照度大于 50W/m² 的样本否则这个指标几乎没用。另外我强烈建议按天气场景分别统计误差因为整体 RMSE 会掩盖阴雨天表现差的问题而调度端恰恰最关心的是天气突变时的预测可靠性。4.3 单模型与混合模型实测对比我在一个 10kW 分布式光伏电站数据上做了实测测试集覆盖晴天和多云天气结果为下表模型RMSE (kW)MAE (kW)R²纯 LSTM (128 units)3.21.80.86纯一维 CNN (64 filters)3.52.00.84CNN-LSTM 混合本文2.71.50.91只看整体数字混合架构比纯 LSTM 的 RMSE 降低了约 15%。如果拆开看晴天场景三个模型差距不大R² 都能到 0.95 左右但阴雨天场景下混合模型的 RMSE 比纯 LSTM 低大约 20%CNN 对局部气象突变的快速响应优势在这个场景下完全体现出来了。这也是我最终选定混合架构的直接原因。4.4 预测结果与可视化输出项目中我写了两个可视化脚本train 之后输出训练曲线图eval 之后输出测试集功率预测对比曲线和误差分布直方图。预测对比曲线要重点看两个地方峰值是否追得上以及是否有明显滞后。如果峰值偏低说明模型对极端辐照的响应不足可以尝试增加 CNN 滤波器数量或增大训练集中高辐照样本的权重如果曲线整体向右偏移说明模型在时间依赖上学得不够可以适当增加 LSTM units 或调整滑窗长度。误差分布直方图则能快速发现预测误差是否有系统性偏移。5. 踩坑记录光伏数据里最容易翻车的几个地方5.1 数据泄漏随机划分训练集与测试集的惨痛教训这个问题我一开始就踩过。第一版代码图省事把所有样本随机打乱后划分训练集和测试集结果测试集 RMSE 漂亮得惊人R² 到了 0.98。当时还高兴了一下后来仔细一想才发现不对劲时间序列前后密不可分随机打乱导致同一时间窗的邻近样本被拆到了训练集和测试集两边模型等于提前见过了测试数据指标完全失真。正确的做法只有一个严格按时间顺序划分训练集用前面的数据测试集用后面的数据。不要用 KFold 之类默认带随机 shuffle 的交叉验证接口除非你自己保证划分不打乱时间顺序。5.2 缩放器拟合范围归一化里的隐性泄漏和随机划分类似MinMaxScaler 的 fit 如果直接放在整个数据集上做也会造成隐性泄漏。因为训练时就用到了测试集的 min 和 max模型获得的归一化信息里已经包含了未来数据的统计特征。正确做法是只对训练集调用 scaler.fit()然后保存 scaler 对象训练结束反归一化测试集预测值时再用同一个 scaler.inverse_transform()。这样如果测试集里出现了比训练集更极端的值会被缩放到 [0,1] 区间之外但这是正常现象不要手动去截断它否则会影响反归一化后的预测精度。5.3 阴雨天样本不平衡模型容易偏向晴天模式光伏数据集的天然特点是晴天样本远多于阴雨天模型训练时看到的绝大多数都是晴天模式导致在阴雨天预测时输出明显偏保守功率突降时预测还是照着晴天走。我试过三种解决办法。第一种是分天气类型建模晴天模型和阴雨天模型独立训练推理时根据输入特征判断天气类型再选模型效果最直接但需要标注完整的天气类型字段。第二种是在损失函数里给阴雨天样本分配更高权重实现简单效果也不错。第三种是过采样阴雨天样本但要小心同一样本重复太多导致过拟合。如果数据里没有天气类型字段我建议用第二种副作用最小。5.4 多步预测误差累积与滚动输入如果你用自回归方式做多步预测也就是把上一步的预测值当作下一步的输入误差会随时间步累积放大。光伏数据在辐照度剧烈变化时段尤其明显因为预测一步错之后后续步骤全部基于错误输入误差扩散很快。我最终采用直接多输出方案模型一次性输出未来所有时间步的预测值从结构上杜绝误差累积。还有一种折中方案是训练时用 teacher forcing把真实历史值作为下一步输入预测时再退化成自回归但这样训练和推理行为不一致实际效果不稳定不太推荐。6. 项目交付与后续扩展6.1 源码目录、文档与数据包的组织方式第一版源码整理时没注意目录结构后来被几个合作的朋友吐槽过文件放得乱七八糟。这次重整理之后目录结构如下project/ ├── README.md # 项目说明与快速开始 ├── requirements.txt # Python 依赖清单 ├── config.py # 所有可调参数集中管理 ├── data/ │ ├── raw/ # 原始电站 CSV 数据 │ └── processed/ # 预处理后可直接训练的样本 ├── data_preprocess.py # 数据清洗、特征工程、滑窗构造 ├── model.py # CNN-LSTM 模型定义 ├── train.py # 训练与模型保存 ├── eval.py # 测试集评估与可视化 └── predict.py # 加载模型对最新一段数据预测config.py 把所有超参数集中到一起这是我最坚持的一点。换电站时基本只需要改数据路径、滑窗长度、预测步长这几个参数不用翻遍每个脚本去改魔数。文档说明部分我写了三份项目架构说明、数据字段说明、使用说明分别对应开发者、数据提供方和最终使用者。6.2 模型保存与预测接口化训练完成后将模型保存为 .h5 文件并同时保存归一化器 scaler.pkl。预测脚本 predict.py 读取最新一段时间的历史数据调用 model.predict() 输出未来功率序列整个过程很简单import joblib from model import build_cnn_lstm_model model build_cnn_lstm_model(input_shape, output_steps) model.load_weights(checkpoints/cnn_lstm_best.h5) scaler joblib.load(checkpoints/scaler.pkl) # 输入原始特征序列输出反归一化后的功率预测值 scaled_pred model.predict(scaled_input) predicted_power scaler.inverse_transform(scaled_pred)上线时可以把 predict.py 包装成一个简单 HTTP 接口每次请求传入最近一段特征序列返回未来功率序列的 JSON。也可以做成定时任务每小时触发一次预测把结果写入数据库。考虑到训练数据会随季节变化建议定期用最近几个月的数据重新训练并更新权重避免模型在季节切换后失灵。6.3 后续扩展方向注意力机制、NWP 数据与多电站联合建模这套基础系统跑通之后往上扩展的方向其实很丰富。最简单的一步是在 CNN 输出的特征序列后面加一个注意力层让 LSTM 在处理时间步时对不同时刻的输入给予不同权重。对光伏这种突发性强的场景注意力机制在辐照度突变时段往往能带来额外提升这也是最近一段时间很多论文在做的方向。实现起来就是把 LSTM 第一层的输出接一个自定义 Attention 层再进入第二层代码量不大。如果预测目标从小时级变成天前级那么建议引入 NWP 数值天气预报数据。长期预测的精度很大程度上取决于天气预报本身的准确度单纯靠历史序列已经无能为力。另一个方向是多电站联合建模把地理上相近的几个电站的历史数据一起训练模型可以学到更普适的天气-功率映射关系单个电站数据不足时尤其有效。最后说点个人体会。这套系统我从前到后完整跑了很多遍最大的感受是结构改进带来的提升永远赶不上数据清洗和特征工程带来的提升。LSTM 加 CNN 的混合架构确实能在单一模型基础上再压一截误差但如果数据里充满缺失、异常和时间泄漏再好的结构也没用。拿到这份源码之后建议先别急着改模型结构第一步把数据集的脏数据处理干净第二步把滑窗长度和预测步长按你电站的实际采样频率调好第三步再去跑训练和对比。这几步走顺了你得到的结果大概率不会差。本文还有配套的精品资源点击获取 基于LSTM与CNN混合架构的光伏发电功率预测系统详解
简介本资源是一套面向高校毕业设计与新能源领域算法实践者的光伏发电功率预测系统完整实现基于CNN-BiLSTM-Attention混合深度学习架构解决光伏出力波动性强、短期预测精度低的工程痛点适用于电力系统调度、智慧能源平台开发及AI时序建模进阶学习。压缩包共106个文件90.64MB涵盖30个实测CSV数据集、25个预训练pkl模型、9个h5权重文件、7个核心Python训练/部署脚本以及HTML/CSS/JS构成的Web管理界面和SQL数据库初始化脚本结构清晰、模块解耦支持开箱即用。已有45人下载学习提供从数据预处理、异常检测孤立森林、自动特征工程时间/滞后/滚动统计到可视化仪表盘含7日对比图、月度曲线、年度收益分析的全链路实现配套详细文档与可执行bat/sh启动脚本显著降低复现门槛与调试成本。 基于 LSTM 与 CNN 混合架构的光伏发电功率预测系统最近我把整套项目重新整理了一遍源码、文档和数据集全部打包好了。做新能源电站的朋友应该都清楚光伏发电功率预测这件事一开始看着像个普通的回归任务真正落地做起来才知道里面全是细节。云层移动、辐照度突变、组件温度升高引起的效率衰减每一个因素都会让预测曲线发生明显偏移这也是我为什么最终选择了 LSTM 与 CNN 混合架构而不是单一模型的原因。这篇文章把整个系统的设计思路、数据预处理、模型结构、训练调参、踩坑经过和工程交付方式完整梳理一遍。适合下面这三类读者刚开始接触时序预测想找一个完整 LSTMCNN 工程案例来复现的人已经在跑纯 LSTM 或纯 CNN 模型但预测精度一直上不去想看看混合结构到底怎么搭的人以及需要一套能直接改一改数据集就能跑起来的光伏功率预测基础系统的人。这套资料正好覆盖了从原始数据到最终预测结果的完整链路。1. 为什么光伏功率预测要采用 LSTM 与 CNN 混合架构1.1 光伏功率预测的本质高波动序列下的回归任务光伏发电功率预测本质上是一个基于历史数据和气象数据对未来一段时间发电功率进行回归建模的任务。输入是过去一段时间的辐照度、温度、湿度、风速、历史功率等序列输出是未来若干个时间点的功率值。听起来好像只是多变量时序预测但光伏数据和普通时序数据有一个关键区别波动性极大。天气系统本身是大气运动驱动的混沌系统云层遮挡会让辐照度在几十秒内下降一半以上反映到功率曲线上就是毛刺和突变。而气温升高导致组件表面温度超过 65 摄氏度时发电效率会明显下降夏天中午尤其明显。也就是说功率序列不是平稳序列它同时包含昼夜周期、季节周期和完全随机的天气扰动。这就决定了单纯靠一种网络结构很难同时处理好周期性和突发性。1.2 纯 LSTM 与纯 CNN 各自的天花板LSTM 在处理长时序依赖方面有天然优势它通过门控机制构建遗忘门、输入门和输出门在长时间跨度上保留有效信息。对于光伏数据来说LSTM 能很好地捕捉昨天同一时刻的功率趋势连续几小时辐照度持续走弱这类依赖关系。但纯 LSTM 也有明显短板它把所有特征当成一个时间步的多维输入局部特征提取能力较弱。多个气象特征之间的局部耦合关系——比如温度和辐照度同时快速上升之后功率的短期联动——LSTM 需要花大量训练时间去隐式学习效率不高。CNN 的情况恰好反过来。一维卷积可以在一个小窗口内提取局部特征计算效率高多个卷积核还能并行提取不同特征通道之间的关系。但它对长距离依赖的建模能力有限单靠堆叠卷积层去追踪跨度很长的时序依赖往往要么网络很深要么效果不佳。我在做这个项目之前专门跑过一组对比实验同样预测未来一小时功率纯 LSTM 和纯一维 CNN 在晴天场景下表现都不错但遇到多云天气纯 CNN 的输出曲线明显更毛躁纯 LSTM 则在辐照度剧烈变化时响应偏慢。单独用哪个都不理想。1.3 混合架构的融合逻辑先提特征再学时序混合架构的设计逻辑其实很清晰先用 CNN 在输入序列上做卷积提取局部特征得到一组更紧凑、更高层的特征序列再把这个特征序列交给 LSTM 去建模时间依赖最后由全连接层输出预测值。这种先提特征再学时序的组合让各模块做自己最擅长的事。CNN 负责在短时窗口内捕捉气象变量之间的局部耦合模式LSTM 负责跨时间步的长程记忆。两个模块串联之后模型最终学到的复合特征既包含对局部突变的响应信息又包含趋势性的时序上下文。实际项目中我通常会保留两层 LSTM第一层接收 CNN 输出的特征序列第二层再压缩一次时间信息最后接全连接输出层。整套结构在 Keras 里用函数式 API 实现非常直接后面章节会给出完整代码。2. 数据准备决定预测上限的隐形环节2.1 数据集构成哪些字段真正影响发电功率我整理的数据包里的样例数据集来自一个分布式光伏电站采样间隔 15 分钟一天 96 个点。原始 CSV 包含这些字段时间戳、水平面总辐照度 GHI、法向直射辐照度 DNI、散射辐照度 DHI、环境温度、组件温度、风速、风向、相对湿度、实时功率。字段优先级上辐照度几乎决定功率上限这是最核心的输入其次是组件温度直接影响转换效率风速有一点散热效应但相关性没那么强。如果未来接入新电站但缺少辐照度也可以用历史功率反推等效辐照度不过精度会打折扣。有条件的话尽量接入电站当地气象站实测数据或者用卫星反演辐照度数据这两种来源都比纯数值天气预报插值稳。2.2 清洗与补全缺失值、异常值、夜间零值原始数据几乎没有干净的这是做光伏预测的第一道坎。常见问题有夜间功率为 0 但辐照度传感器仍有微小读数逆变器停机或者通信中断造成的大段缺失辐照度超过理论上限的异常值通常是传感器积灰或校准问题。我的处理思路分为三步。第一步把夜间时段太阳高度角小于 0 或辐照度低于阈值的功率强制归零同时把辐照度方向上的噪声去掉。第二步对单点缺失做线性插值如果连续缺失超过几个小时不建议插值直接剔除该时段或者用前一天同天气类型同一时刻的数据对齐回填。第三步对辐照度异常值做上下限截断GHI 超过当地理论上限可以用天文辐射模型估算的样本直接标记为异常并删除。2.3 特征工程时间编码、气象特征与滞后量特征工程是整个项目里性价比最高的部分。时间特征方面小时、星期、一年中的第几天都需要做正弦余弦编码避免 23 点和 0 点之间产生断层。天气类型如果数据里有 code 字段最简单的做法是 one-hot 编码如果天气类别很多可以试试 embedding效果会更好一点。滞后特征也要重视历史功率的前 1、2、3 个滞后项能显著提升短期预测精度尤其在小步长预测时滞后功率几乎是最强特征。最后统一做 MinMaxScaler 归一化把所有连续特征缩放到 [0,1] 区间。这里有个细节所有归一化的 fit 只能放在训练集上测试集只能 transform后面踩坑章节会详细讲为什么。2.4 时间滑窗窗口长度与预测步长的搭配滑窗构造是时序预测的标准做法。采样间隔 15 分钟时我建议用过去 24 个点预测未来 4 个点也就是用过去 6 小时预测未来 1 小时如果要预测未来 6 小时那就用过去 24 个点预测未来 24 个点。窗口长度怎么选太短覆盖不到一天的趋势太长会引入过多噪声而且训练样本数会减少。我最终项目中采用的方案是用过去 24 个点预测未来 24 个点这样在长时间离线评估时更有代表性也能覆盖完整的日周期变化。窗口构造时步长取 1不做跳跃采样保证训练样本尽量多。3. 模型结构设计CNN 与 LSTM 如何拼接3.1 CNN 模块一维卷积如何提取局部波动特征一维卷积的输入形状是 (window_steps, n_features)卷积核在时间维度上滑动。kernel_size 我通常取 3 或 5。这里有个实际经验光伏功率序列里的局部突变可能只持续 1 到 2 个采样点kernel 太大容易把突变平滑掉kernel 太小又学不到上下文关系。keras 默认的 kernel_size3 对 15 分钟采样的光伏数据表现最稳。卷积层之后接 BatchNormalization 和 ReLU 激活再接 MaxPooling1D(pool_size2)。池化的作用有两个一是压缩序列长度减少后续 LSTM 的计算量二是让高层特征对局部轻微偏移更鲁棒。这里需要提醒一句池化之后 LSTM 实际看到的时间步变少了如果输入窗口是 24 个点池化后变成 12 个点对 6 小时的功率趋势来说仍然够用但如果窗口本身就短就别加池化或者用 stride 卷积代替。3.2 LSTM 模块从特征序列到时间依赖CNN 输出的特征序列仍然保持时间顺序直接输入 LSTM。我用了两层 LSTM第一层 units128return_sequencesTrue输出每个时间步的隐状态第二层 units64return_sequencesFalse只保留最后一个时间步的隐状态。每层后面接 Dropout(0.2) 防止过拟合。很多人在这个环节会纠结 LSTM 层数和 units 大小。我的经验是光伏数据集通常不算海量几千到几万条有效样本两层 LSTM、128 加 64 的规模已经足够盲目加到 256 或三层以上不仅训练变慢还容易过拟合除非你有几十个电站的好几年数据。如果数据量真的很大优先考虑增加 CNN 滤波器数量和容量调 LSTM 的收益反而没那么明显。3.3 多步预测输出与损失函数设计输出层直接用一个 Dense 层输出维度等于预测步数。比如预测未来 4 个时间点Dense(4) 即可。这种直接多输出的方式比自回归式的逐步预测更稳因为自回归预测每走一步都会把上一步的误差带进下一步误差累积会越来越严重。损失函数我用 MSE。功率预测场景对峰值误差比较敏感调度端最怕的就是预测偏差集中在大功率时段MSE 对大偏差的平方惩罚正好符合这个需求。如果你对白天时段的精度更在意可以自定义加权 MSE给辐照度高于阈值的样本加大权重我试过之后白天时段 RMSE 确实能再压一截。3.4 完整模型代码实现用 Keras 函数式 API 实现这个结构非常直观核心代码也就二十几行from tensorflow.keras.models import Model from tensorflow.keras.layers import (Input, Conv1D, BatchNormalization, Activation, MaxPooling1D, LSTM, Dense, Dropout) def build_cnn_lstm_model(input_shape, output_steps): inputs Input(shapeinput_shape) # (window_steps, n_features) # CNN 模块局部特征提取 x Conv1D(filters64, kernel_size3, paddingsame)(inputs) x BatchNormalization()(x) x Activation(relu)(x) x MaxPooling1D(pool_size2)(x) # LSTM 模块时序依赖建模 x LSTM(units128, return_sequencesTrue)(x) x Dropout(0.2)(x) x LSTM(units64, return_sequencesFalse)(x) x Dropout(0.2)(x) # 输出模块 x Dense(units32, activationrelu)(x) outputs Dense(unitsoutput_steps)(x) model Model(inputsinputs, outputsoutputs) return model需要说明一点预处理阶段已经用 MinMaxScaler 做过归一化所以这里卷积层之前不需要再额外加归一化层。如果你换用了不同量纲的原始特征可以在最前面加一个 LayerNormalization。4. 训练策略与评估从指标到实测效果4.1 训练配置优化器、学习率、早停与批量大小训练配置看起来是老生常谈但参数选不好直接决定模型能不能收敛。我用的方案是优化器 Adam初始学习率 1e-3批量大小 64最大训练轮数 200同时配置 EarlyStopping 和 ReduceLROnPlateau 两个回调。EarlyStopping 的 patience 设 15监控验证集损失恢复最佳权重。ReduceLROnPlateau 的 patience 设 5factor 设 0.5也就是验证损失连续 5 轮不降时学习率减半。这两个回调配合使用基本不用再手动盯训练过程。数据集划分必须严格按时间顺序前 70% 做训练中间 15% 做验证最后 15% 做测试。尤其注意验证集也不能从全样本中随机抽因为时间序列前后样本高度相关随机抽会破坏独立性假设。4.2 评估指标RMSE、MAE、MAPE 与 R光伏功率预测的常用指标有四个RMSE、MAE、MAPE 和 R²。RMSE 对峰值误差敏感能反映大偏差情况MAE 反映平均误差水平R² 反映模型对整体波动的解释能力。MAPE 要特别小心夜间或辐照度极低时功率接近 0MAPE 会算出一个离谱的百分数。所以计算 MAPE 时我一般只统计白天时段辐照度大于 50W/m² 的样本否则这个指标几乎没用。另外我强烈建议按天气场景分别统计误差因为整体 RMSE 会掩盖阴雨天表现差的问题而调度端恰恰最关心的是天气突变时的预测可靠性。4.3 单模型与混合模型实测对比我在一个 10kW 分布式光伏电站数据上做了实测测试集覆盖晴天和多云天气结果为下表模型RMSE (kW)MAE (kW)R²纯 LSTM (128 units)3.21.80.86纯一维 CNN (64 filters)3.52.00.84CNN-LSTM 混合本文2.71.50.91只看整体数字混合架构比纯 LSTM 的 RMSE 降低了约 15%。如果拆开看晴天场景三个模型差距不大R² 都能到 0.95 左右但阴雨天场景下混合模型的 RMSE 比纯 LSTM 低大约 20%CNN 对局部气象突变的快速响应优势在这个场景下完全体现出来了。这也是我最终选定混合架构的直接原因。4.4 预测结果与可视化输出项目中我写了两个可视化脚本train 之后输出训练曲线图eval 之后输出测试集功率预测对比曲线和误差分布直方图。预测对比曲线要重点看两个地方峰值是否追得上以及是否有明显滞后。如果峰值偏低说明模型对极端辐照的响应不足可以尝试增加 CNN 滤波器数量或增大训练集中高辐照样本的权重如果曲线整体向右偏移说明模型在时间依赖上学得不够可以适当增加 LSTM units 或调整滑窗长度。误差分布直方图则能快速发现预测误差是否有系统性偏移。5. 踩坑记录光伏数据里最容易翻车的几个地方5.1 数据泄漏随机划分训练集与测试集的惨痛教训这个问题我一开始就踩过。第一版代码图省事把所有样本随机打乱后划分训练集和测试集结果测试集 RMSE 漂亮得惊人R² 到了 0.98。当时还高兴了一下后来仔细一想才发现不对劲时间序列前后密不可分随机打乱导致同一时间窗的邻近样本被拆到了训练集和测试集两边模型等于提前见过了测试数据指标完全失真。正确的做法只有一个严格按时间顺序划分训练集用前面的数据测试集用后面的数据。不要用 KFold 之类默认带随机 shuffle 的交叉验证接口除非你自己保证划分不打乱时间顺序。5.2 缩放器拟合范围归一化里的隐性泄漏和随机划分类似MinMaxScaler 的 fit 如果直接放在整个数据集上做也会造成隐性泄漏。因为训练时就用到了测试集的 min 和 max模型获得的归一化信息里已经包含了未来数据的统计特征。正确做法是只对训练集调用 scaler.fit()然后保存 scaler 对象训练结束反归一化测试集预测值时再用同一个 scaler.inverse_transform()。这样如果测试集里出现了比训练集更极端的值会被缩放到 [0,1] 区间之外但这是正常现象不要手动去截断它否则会影响反归一化后的预测精度。5.3 阴雨天样本不平衡模型容易偏向晴天模式光伏数据集的天然特点是晴天样本远多于阴雨天模型训练时看到的绝大多数都是晴天模式导致在阴雨天预测时输出明显偏保守功率突降时预测还是照着晴天走。我试过三种解决办法。第一种是分天气类型建模晴天模型和阴雨天模型独立训练推理时根据输入特征判断天气类型再选模型效果最直接但需要标注完整的天气类型字段。第二种是在损失函数里给阴雨天样本分配更高权重实现简单效果也不错。第三种是过采样阴雨天样本但要小心同一样本重复太多导致过拟合。如果数据里没有天气类型字段我建议用第二种副作用最小。5.4 多步预测误差累积与滚动输入如果你用自回归方式做多步预测也就是把上一步的预测值当作下一步的输入误差会随时间步累积放大。光伏数据在辐照度剧烈变化时段尤其明显因为预测一步错之后后续步骤全部基于错误输入误差扩散很快。我最终采用直接多输出方案模型一次性输出未来所有时间步的预测值从结构上杜绝误差累积。还有一种折中方案是训练时用 teacher forcing把真实历史值作为下一步输入预测时再退化成自回归但这样训练和推理行为不一致实际效果不稳定不太推荐。6. 项目交付与后续扩展6.1 源码目录、文档与数据包的组织方式第一版源码整理时没注意目录结构后来被几个合作的朋友吐槽过文件放得乱七八糟。这次重整理之后目录结构如下project/ ├── README.md # 项目说明与快速开始 ├── requirements.txt # Python 依赖清单 ├── config.py # 所有可调参数集中管理 ├── data/ │ ├── raw/ # 原始电站 CSV 数据 │ └── processed/ # 预处理后可直接训练的样本 ├── data_preprocess.py # 数据清洗、特征工程、滑窗构造 ├── model.py # CNN-LSTM 模型定义 ├── train.py # 训练与模型保存 ├── eval.py # 测试集评估与可视化 └── predict.py # 加载模型对最新一段数据预测config.py 把所有超参数集中到一起这是我最坚持的一点。换电站时基本只需要改数据路径、滑窗长度、预测步长这几个参数不用翻遍每个脚本去改魔数。文档说明部分我写了三份项目架构说明、数据字段说明、使用说明分别对应开发者、数据提供方和最终使用者。6.2 模型保存与预测接口化训练完成后将模型保存为 .h5 文件并同时保存归一化器 scaler.pkl。预测脚本 predict.py 读取最新一段时间的历史数据调用 model.predict() 输出未来功率序列整个过程很简单import joblib from model import build_cnn_lstm_model model build_cnn_lstm_model(input_shape, output_steps) model.load_weights(checkpoints/cnn_lstm_best.h5) scaler joblib.load(checkpoints/scaler.pkl) # 输入原始特征序列输出反归一化后的功率预测值 scaled_pred model.predict(scaled_input) predicted_power scaler.inverse_transform(scaled_pred)上线时可以把 predict.py 包装成一个简单 HTTP 接口每次请求传入最近一段特征序列返回未来功率序列的 JSON。也可以做成定时任务每小时触发一次预测把结果写入数据库。考虑到训练数据会随季节变化建议定期用最近几个月的数据重新训练并更新权重避免模型在季节切换后失灵。6.3 后续扩展方向注意力机制、NWP 数据与多电站联合建模这套基础系统跑通之后往上扩展的方向其实很丰富。最简单的一步是在 CNN 输出的特征序列后面加一个注意力层让 LSTM 在处理时间步时对不同时刻的输入给予不同权重。对光伏这种突发性强的场景注意力机制在辐照度突变时段往往能带来额外提升这也是最近一段时间很多论文在做的方向。实现起来就是把 LSTM 第一层的输出接一个自定义 Attention 层再进入第二层代码量不大。如果预测目标从小时级变成天前级那么建议引入 NWP 数值天气预报数据。长期预测的精度很大程度上取决于天气预报本身的准确度单纯靠历史序列已经无能为力。另一个方向是多电站联合建模把地理上相近的几个电站的历史数据一起训练模型可以学到更普适的天气-功率映射关系单个电站数据不足时尤其有效。最后说点个人体会。这套系统我从前到后完整跑了很多遍最大的感受是结构改进带来的提升永远赶不上数据清洗和特征工程带来的提升。LSTM 加 CNN 的混合架构确实能在单一模型基础上再压一截误差但如果数据里充满缺失、异常和时间泄漏再好的结构也没用。拿到这份源码之后建议先别急着改模型结构第一步把数据集的脏数据处理干净第二步把滑窗长度和预测步长按你电站的实际采样频率调好第三步再去跑训练和对比。这几步走顺了你得到的结果大概率不会差。本文还有配套的精品资源点击获取