简介基于Python与Jupyter实现的光伏发电功率预测资源包面向毕业设计、课程设计与项目开发场景完整覆盖源码、数据集与算法解析。项目通过历史数值天气预报数据和对应发电功率训练模型结合未来天气数据预测光伏功率并针对辐照度阈值、日出时间推算与地理区域划分做了工程化处理。压缩包共37个文件以30个csv数据表、3个ipynb建模分析笔记本、2个py辅助脚本及md说明文档为主整体约48.23MB目录按数据探索、特征构造、模型建立等模块组织。算法解析重点介绍低于发电功率阈值的数据不参与评分、依据辐照度是否为-1构建两类模型、用R语言OCE包提取太阳高度角与赤纬角特征以及fbprophet拟合功率时间序列等核心思路方便在此基础上扩展学习。目前已有1397人学习下载适合需要完整项目参考与二次开发的学生和开发者。1. 光伏发电功率预测项目别看题目老坑比想象中多做毕业设计或课程设计选“光伏发电功率预测”最常见的结果是找了一堆论文抄了一堆公式最后模型跑出来的数字自己都不信。这个题目的本质不是“预测”而是把一条能自圆其说的数据流水线跑通——从原始的气象和功率记录清洗成可用样本再构造特征、切分数据集、训练模型、给出误差指标每一步都要能解释。标题里带“Python Jupyter 源码 数据集 算法解析”说白了就是要求你交付一个能复现、能展示、能答辩的完整工程。这里先给一个反直觉结论对这类中小规模时间序列回归任务LSTM通常不是首选LightGBM 这类树模型在多数情况下更快、更稳、更容易在答辩中讲清楚而精度瓶颈往往不在模型在数据切分和特征构造。下面按实际开发顺序把关键路径拆开讲。2. 先把环境、数据和清洗搞定这步决定后面还能不能继续2.1 用 conda 建独立环境再让 Jupyter Notebook 打开指定目录很多课程设计翻车的第一站不是算法是 Python 环境。系统里原本的 Python 装了一堆乱七八糟的包pandas 版本老、scikit-learn 和 numpy 冲突跑两行就报错。我一般会先建一个干净环境然后在这个环境里启动 Jupyter Notebook。conda create -n pv python3.10 -y conda activate pv pip install jupyter notebook pandas numpy matplotlib scikit-learn lightgbm说明python3.10是目前兼容性比较稳的选择新版 scikit-learn 和 lightgbm 都有预编译轮子不用自己编译。notebook是经典 Jupyter 界面新装的 JupyterLab 也能用但课程设计演示时经典 Notebook 的从上往下的执行顺序更直观。安装完包之后启动时指定工作目录是很实用的一招mkdir -p ~/pv_project jupyter notebook --notebook-dir~/pv_project用--notebook-dir把工作目录固定到项目文件夹数据文件、脚本、输出图表都集中在这避免打开 Notebook 后还要在浏览器里一层层找目录。如果你用的是 Anaconda也可以在 Anaconda Prompt 里先conda activate pv再执行同样的命令。2.2 数据集字段和粒度先搞清楚手里有什么光伏功率预测项目里的数据集结构上通常是功率记录加气象记录从电站数据采集系统导出后合并成一张表。常见的字段如下字段名含义典型单位timestamp时间戳ISO 格式字符串power_kw光伏电站实际输出功率kWghi_wm2水平面总辐照度W/m²temp_c环境温度℃humidity相对湿度%wind_speed风速m/scloud_pct云量0-100weather_code天气状态编码或人工标注晴/多云/雨/阴 等拿到数据后的第一件事不是建模是确认三件事时间戳是本地时间还是 UTC每个字段的单位是否清楚数据是否已经按时间排序。光伏功率一天内波动剧烈采样粒度常用 10 分钟或 15 分钟一天对应 144 个或 96 个点一年的数据量在三万到五万行之间这个规模用树模型训练非常快。预测任务一般定义为用当前时刻及之前的信息预测未来 10 分钟、15 分钟或 1 小时的功率值气象要素里的辐照度、温度会作为外部输入。2.3 清洗代码缺失值、重复时间戳、异常功率一次处理掉原始数据永远不会干净常见的问题包括时间戳重复、缺行、夜间辐照度负值、功率出现远超装机容量的离群点。下面的代码做一个基础清洗import pandas as pd import numpy as np # capacity_kw 为光伏板额定装机容量按实际电站填写 capacity_kw 300 df pd.read_csv(pv_data.csv, parse_dates[timestamp], index_coltimestamp) df df[~df.index.duplicated(keepfirst)].sort_index() # 辐照度不可能为负异常负值直接置 0 而不是删除 df[ghi_wm2] df[ghi_wm2].clip(lower0) # 功率上下界夜间为 0白天偶发尖峰允许略超装机容量 df[power_kw] df[power_kw].clip(lower0, uppercapacity_kw * 1.2) # 线性插值补齐小段缺失limit 按采样间隔换算 df df.interpolate(methodlinear, limit6) df df.dropna()说明duplicated(keepfirst)是保留第一条重复记录sort_index()保证时间顺序clip(lower0)把夜间可能出现的微小负功率修正为 0这些负值多半是传感器零漂功率上限用装机容量的 1.2 倍给逆变器短时超发留一点余量但又能滤掉明显错误的尖峰。interpolate(methodlinear, limit6)是针对 10 分钟采样设计的limit6 表示最多连补 60 分钟缺口太长时宁可把这一段丢掉也不要用一条直线硬编数据。提示插值只适用于短缺失窗口。超过一小时的连续缺失建议直接删除对应时间段的样本否则会引入一段“假数据”让模型学到不该出现的平稳趋势。3. 特征工程和时间序列切分做好这两步模型就差不到哪去3.1 为什么不能只用“过去功率”做预测光伏功率最强的解释变量是辐照度但云层移动造成的辐照度变化是非线性的、短时突变的。如果只把历史功率当成普通时间序列丢给模型遇到晴天转多云这种天气过程模型反应会慢半拍。更合理的做法是把预测问题改造成监督回归问题每一行样本的特征由三部分拼成一是历史功率的滞后值二是目标时段的气象要素三是日历特征。这也是标题里“算法解析”真正要表达的不是拿一串功率数字直接接神经网络而是构造出“此刻状态”和“未来输出”的映射关系。特征选型上树模型对特征的量纲不敏感但线性模型对共线性很敏感。所以我会把连续型气象变量直接保留天气编码用独热日历特征里的“小时”这种周期变量用正弦余弦展开。特征不是越多越好这个项目里十到二十个有效特征足够多了反而让模型在验证集上波动。3.2 滞后特征、滚动统计和日历特征的构造代码def add_features(df): df df.sort_index() # 周期特征让模型知道白天黑夜和季节 df[hour] df.index.hour df[month] df.index.month df[hour_sin] np.sin(2 * np.pi * df[hour] / 24) df[hour_cos] np.cos(2 * np.pi * df[hour] / 24) # 滞后特征过去 1 个点、6 个点、12 个点的功率 df[lag_1] df[power_kw].shift(1) df[lag_6] df[power_kw].shift(6) df[lag_12] df[power_kw].shift(12) # 滚动统计过去 1 小时的均值与最大值 df[roll_mean_6] df[power_kw].rolling(6).mean().shift(1) df[roll_max_6] df[power_kw].rolling(6).max().shift(1) # 天气类型独热编码 weather_dummies pd.get_dummies(df[weather_code], prefixweather) df pd.concat([df, weather_dummies], axis1) df df.drop(columns[weather_code]) return df.dropna()这段代码有三个容易忽略的点。第一所有滞后和滚动统计后面都加了.shift(1)它的作用是让特征严格来自“过去”不包含当前时刻的目标值。第二滚动窗口同样要shift(1)否则窗口计算包含了当前时刻的功率这属于标签泄漏在校验时会发现训练效果好得离谱测试效果却普通。第三hour_sin和hour_cos是一对因为hour23和hour0在数值上相差很大但实际只隔一小时用正弦余弦展开后才能表达这种“循环接近”的关系。3.3 按天切分数据集防止模型“偷看未来”很多新手在这里踩大坑直接把train_test_split(X, y, random_state42)用上然后发现测试集 MAE 低得吓人。原因是相邻时间点的功率高度自相关随机切分会把同一天的上午和下午拆成训练集和测试集模型等于提前背过答案。光伏预测的切分必须按时间顺序而且最好按“天”为单位切分。days list(sorted(set(df.index.date))) n_days len(days) train_days days[: int(n_days * 0.7)] valid_days days[int(n_days * 0.7): int(n_days * 0.85)] test_days days[int(n_days * 0.85):] def split_by_days(df, day_list): return df[df.index.date.isin(day_list)] train_df split_by_days(df, train_days) valid_df split_by_days(df, valid_days) test_df split_by_days(df, test_days)切分完要验证日期集合没有重叠用set(train_days) set(valid_days)直接查空集合才算正常。验证集的用途是调参只能看不能反复用来决定模型测试集全程只允许最后评测一次这是毕业论文里常被答辩老师追问的点。如果数据集来自多个电站还必须按电站分组切分保证同一个电站不出现在两个集合里这也是分本文还有配套的精品资源点击获取