简介这是一个面向毕业设计场景的短期光伏预测项目资源基于 LSTM 神经网络实现包含完整 Python 源码与光伏数据集适合计算机、人工智能、自动化等专业学生用于毕设、课程设计或项目演示也便于初学者进阶和二次开发。资源共 402 个文件压缩包 12.46MB以代码文件、前端页面、数据与图片资源为主同时包含配置文档、SQL 脚本与压缩备份整体涵盖模型训练、预测逻辑及可视化展示所需的基本模块解压后目录结构便于根据功能模块检索学习。目前已有 2668 人学习或下载。代码已经过运行验证可在此基础上修改扩展能够帮助使用者快速搭建光伏功率预测流程理解 LSTM 在时序预测中的应用方法也为论文写作与系统演示提供可复现的参考基础。1. 一个zip包里装着的LSTM光伏预测毕业设计选题前先看清这三件事你下载的这份「基于LSTM的短期光伏预测项目 python源码 含光伏数据集」本质上是一条完整可跑通的深度学习时间序列预测链路从光伏电站的历史功率和气象数据出发用LSTM神经网络预测未来若干小时或未来一天的发电功率。对毕业设计来说它的价值不只是「有个模型能跑」而是数据、训练、评估、画图这四件事都齐全能让你把论文里的实验章节直接填满。我接触这类项目比较多先泼一盆冷水LSTM做光伏预测难点从来不在模型本身而在数据清洗、特征构造和预测目标的定义方式。如果你没有把这三件事想清楚即使下载的源码能跑换一批数据也会立刻翻车。这篇文章会顺着一条完整的落地路径讲——数据怎么喂进去、模型参数怎么调、训练流程怎么组织、哪些地方最容易出问题以及最后怎么验证结果。适合正在做毕业设计的学生也适合想用光伏数据练手LSTM时间序列预测的工程师。2. 数据与任务边界短期光伏预测到底预测什么数据怎么喂给LSTM2.1 明确预测目标与时间步从「功率曲线」到「监督学习样本」很多人拿到光伏数据集后第一反应是直接把功率列填进LSTM的输入然后让模型输出下一时刻的功率。这确实是最简单的做法但它对应的是「自回归预测」也就是用历史功率预测未来功率。而真实光伏预测场景里更常见的是「多变量预测」输入历史的辐照度、温度、风速、功率输出未来某个时间窗的功率。两者的区别决定了你的数据集里哪些列会被用到也决定了模型能学到什么。先搞清楚你的数据时间分辨率。常见的光伏数据集有两种一种是分钟级如5分钟、15分钟一条记录一种是小时级。时间分辨率直接决定预测步长。如果数据是15分钟一条要预测未来1小时那你的输出步长就是4个时间点如果预测未来24小时就是96个时间点。很多毕业设计的任务定义其实是「用过去24小时的15分钟数据预测未来1小时的功率」也就是输入序列长度96输出长度4或者直接输出下一小时的平均功率。接下来要把时间序列转换成监督学习样本。假设你已经有了一个DataFrame每行是一个时刻的记录包含时间和功率、气象特征。用滑窗切样本代码大概是这样的import numpy as np import pandas as pd def create_supervised(data, n_in24, n_out4): 把时序数据切成监督学习样本 data: 二维数组每列是一个特征功率、辐照度等 n_in: 用过去多少个时间点做输入 n_out: 预测未来多少个时间点 X, y [], [] for i in range(n_in, len(data) - n_out 1): X.append(data[i - n_in:i, :]) # 过去 n_in 个时刻的全部特征 y.append(data[i:i n_out, 0]) # 未来 n_out 个时刻的功率列假设第0列是功率 return np.array(X), np.array(y)这里的关键逻辑是X必须包含所有参与预测的特征列不只是功率本身。y只取功率列。这段代码返回的X是三维数组形状为(样本数, n_in, 特征数)正好是LSTM要求的输入格式。如果你只想做单步预测把n_out设为1即可想做多步预测就把n_out设为目标步长。2.2 数据清洗与异常值收缩把阴雨天和限电日的毛刺按下去光伏数据里最常见的异常值不是传感器故障而是「限电日」和「阴雨天短时云层遮挡」。比如一个电站某天上午功率曲线突然整体压低那不是辐照度突变而是电网调度限电。这类异常如果原样喂给LSTM模型会拼命去拟合这些「非物理」的跳变最后的结果就是预测曲线在阴晴转换的时段明显失真。处理异常值我一般分三步走。第一步是范围和物理约束检查功率必须大于0且小于装机容量乘一个安全系数辐照度必须在0到太阳常数之间温度不能超过合理范围。超出边界的记录直接剔除或置为NaN。第二步是局部突变检测计算相邻时间点功率差值的分布超过3到5个标准差的点标记为可疑用前后时刻的中值插值替换。第三步是夜间处理夜间功率理论上接近0但并网电站可能有厂用电夜间功率会有一个很小的非零值这个值不是预测目标一般可以直接归零或保留原值并在训练时降低权重。很多源码包里并不会自动做这三步它们默认你拿到的是「已经清洗过」的数据。这是正常现象因为清洗规则高度依赖具体电站的装机容量和当地气象特征。所以你需要做的不是找一套通用清洗函数而是先画出功率曲线的总体分布人工确认异常值的形态后把清洗规则写进数据预处理文件。2.3 特征与归一化为什么先归一化再切训练集以及天气特征怎么编码光伏预测的特征通常包括历史功率、水平面总辐照度GHI、组件温度或环境温度、湿度、风速、风向、云量。其中辐照度和功率的相关性最强是模型最主要的输入。需要注意的是特征是归一化还是标准化对LSTM的影响没有对CNN那么大但绝对不能不做。因为LSTM里的激活函数对输入尺度敏感如果功率和辐照度都是几百上千的数值湿度是0到100的小数模型会天然偏向数值大的特征。归一化的正确顺序是先按时间顺序切分训练集和测试集再在训练集上计算min和max用同一组min和max去变换测试集。很多人先把全量数据归一化再切分这会造成数据泄露——测试集的统计信息被模型间接看到了得到的验证指标会偏乐观。from sklearn.preprocessing import MinMaxScaler # 先切分再拟合scaler train_size int(len(df) * 0.8) train_df df.iloc[:train_size] test_df df.iloc[train_size:] scaler_x MinMaxScaler(feature_range(0, 1)) scaler_y MinMaxScaler(feature_range(0, 1)) train_x_scaled scaler_x.fit_transform(train_df[feature_cols]) test_x_scaled scaler_x.transform(test_df[feature_cols]) train_y_scaled scaler_y.fit_transform(train_df[[power]]) test_y_scaled scaler_y.transform(test_df[[power]])气象特征里还有一个隐藏问题天气类型、季节这类类别特征直接编码成0和1问题不大但如果把它当成数值特征比如晴天1、多云2、阴天3LSTM会误以为阴天是晴天的三倍。常见做法是转成one-hot编码或者干脆只保留连续气象变量让模型自己学。对于毕业设计我更推荐后者——少一个特征就少一个要解释的变量答辩时被问到的概率也小一些。3. LSTM模型结构与参数选型把原理落到可调的四个旋钮上3.1 输入张量的三维形态samples、time_steps、featuresLSTM在Python的Keras或PyTorch里都要求输入是三维张量形状是(samples, time_steps, features)。这三个维度分别对应样本数量、时间步长、每个时间步的特征数量。很多人第一次跑LSTM报错基本都是因为输入少了维度把二维数组直接传进去了。用前面的滑窗函数生成数据后X的形状应该是(样本数, n_in, 特征数)。比如你有8760个小时的数据用过去24小时预测未来1小时特征有6列那么X的形状是(8736, 24, 6)y的形状是(8736, 1)。如果用手写滑窗函数最后一定要打印X.shape和y.shape确认形状再往下走。很多时候源包里会直接用np.reshape把二维数据硬掰成三维像data.reshape((len(data), 1, n_features))这种写法只适用于「用上一个时刻预测下一个时刻」的场景。如果你的目标是用过去24小时预测未来time_steps就必须是24而不是1这一点在阅读源码时要特别留意是判断代码能不能复用到你自己数据上的关键。3.2 网络结构与必调参数从单层LSTM到带Dropout的两层结构光伏功率序列有明显的日内周期性白天高、夜间低和天气趋势成分单层LSTM其实已经能捕捉大部分规律。但单层模型的拟合能力在数据噪声大时容易欠拟合双层结构则能在上层学到更高层的时序特征。毕业设计比较稳妥的结构是第一层LSTM返回完整序列第二层LSTM只返回最后一个时间步的输出后面接一个全连接层输出预测值。用Keras写这个结构非常直接from tensorflow.keras.models import Sequential from tensorflow.keras.layers import LSTM, Dense, Dropout model Sequential() model.add(LSTM(units64, return_sequencesTrue, input_shape(n_in, n_features))) model.add(Dropout(0.2)) model.add(LSTM(units32, return_sequencesFalse)) model.add(Dropout(0.2)) model.add(Dense(unitsn_out)) model.compile(optimizeradam, lossmse, metrics[mae])这里每个参数都有明确的调整方向。units是记忆单元数量64和32是我推荐的中点值如果你的训练集样本量很小比如只有一个月数据可以减半到32和16防止过拟合。return_sequences是两层LSTM之间最容易配错的参数第一层必须为True否则第二层收不到完整的时间步序列最后一层LSTM应该设为False只输出最后一个时间步的隐藏状态给全连接层。Dropout放在LSTM层之间而不是LSTM内部它的作用是随机丢弃上一层的部分输出让模型不依赖特定时刻的信息在光伏这种强周期数据里能显著提升泛化能力。除了网络结构还有一个容易被忽略的参数是input_shape它只在第一层指定后面层会自动推导。如果你换了预测步长n_in不用改模型定义只改生成样本时的参数即可。3.3 损失函数与优化器选择MSE与Adam的边界短期光伏预测的默认损失函数是均方误差MSE。它的大值误差惩罚很强这既是优点也是缺点模型会优先拟合晴天的高功率峰值因为那里的误差绝对值最大而对夜间和阴天的低功率段拟合得比较敷衍。如果你的论文强调整体精度可以换成MAE它对离群值不那么敏感预测曲线会偏保守一些。如果数据里夜间功率接近0的比重很大MSE会主导模型学到「大多数时候输出0」这种偷懒策略这时候建议在训练时对白天样本加权或者直接用MAE。优化器选Adam基本不会出错但我建议把默认学习率调小一点。Keras默认的learning_rate0.001在光伏数据上经常导致训练后期loss震荡可以调到0.0005。另外很重要的一点是设置early stopping监控验证集的loss连续多个epoch不下降就停止训练。这一点对毕业设计尤其重要因为你不希望在答辩前夜发现模型已经过拟合却还在傻傻地跑。参数推荐值调整方向第一层 units64样本少就降到32序列特征多就升到128第二层 units32与第一层保持递减关系防止参数过多Dropout0.2过拟合严重时可升到0.3learning_rate0.0005loss震荡时降收敛太慢时升batch_size64数据量小时用32大时用128epochs150配合early stopping使用4. 跑通最小训练流程源码里的四个关键模块与参数说明4.1 项目源码的模块划分数据加载、模型、训练、评估这份zip包里的python源码最常见的组织方式是四个文件数据加载脚本、模型定义脚本、训练脚本和评估画图脚本。数据加载脚本负责读CSV、清洗、生成监督样本模型定义脚本负责构建LSTM网络训练脚本负责切分数据、编译模型、执行fit并保存权重评估脚本负责加载模型、输出预测结果、画对比图和计算指标。这样的划分对毕业设计的好处是答辩时你可以拿着训练脚本说「这是我调参的部分」拿着评估脚本说「这是我验证结果的部分」每一块都有清晰的职责。如果你拿到的源码是单个大脚本从头写到尾建议你先不要急着改代码而是先搞清楚每个代码块对应的职责再决定是拆分还是直接在原脚本上调参。我一般会先在训练脚本里加几个print打印出样本形状和数据集大小确认数据流没有问题之后再改模型结构。4.2 最小可运行代码从读取CSV到输出预测曲线下面这段代码是完整训练流程的骨架常见的源码包基本都能拆出这几个阶段。注意这里的momentum和learning_rate参数我按TensorFlow 2的写法给出如果你用的是PyTorch版本术语会从model.fit变成手写训练循环但整体流程是一样的。import pandas as pd import numpy as np from sklearn.preprocessing import MinMaxScaler from tensorflow.keras.models import Sequential from tensorflow.keras.layers import LSTM, Dense, Dropout from tensorflow.keras.callbacks import EarlyStopping import matplotlib.pyplot as plt # 1. 读取光伏数据集假设包含功率、辐照度、温度、湿度、风速五列 df pd.read_csv(pv_data.csv, parse_dates[time], index_coltime) feature_cols [irradiance, temperature, humidity, wind_speed] target_col power # 2. 剔除明显异常值功率超过装机容量1.2倍的记录 capacity 5000 # 根据你的数据集实际情况改 df df[df[target_col] capacity * 1.2] # 3. 切分训练集和测试集先切分再归一化 train_size int(len(df) * 0.8) train_df, test_df df.iloc[:train_size], df.iloc[train_size:] scaler_x MinMaxScaler() scaler_y MinMaxScaler() train_x scaler_x.fit_transform(train_df[feature_cols]) test_x scaler_x.transform(test_df[feature_cols]) train_y scaler_y.fit_transform(train_df[[target_col]]).ravel() test_y scaler_y.transform(test_df[[target_col]]).ravel() # 4. 构造监督学习样本past_steps24future_steps1 def build_sequences(x, y, past_steps24, future_steps1): X, Y [], [] for i in range(past_steps, len(x) - future_steps 1): X.append(x[i - past_steps:i]) Y.append(y[i:i future_steps]) return np.array(X), np.array(Y) X_train, Y_train build_sequences(train_x, train_y) X_test, Y_test build_sequences(test_x, test_y) # 5. 构建LSTM模型 model Sequential() model.add(LSTM(64, return_sequencesTrue, input_shape(X_train.shape[1], X_train.shape[2]))) model.add(Dropout(0.2)) model.add(LSTM(32, return_sequencesFalse)) model.add(Dropout(0.2)) model.add(Dense(1)) model.compile(optimizeradam, lossmse, metrics[mae]) # 6. 训练并保存模型 early_stop EarlyStopping(monitorval_loss, patience10, restore_best_weightsTrue) history model.fit(X_train, Y_train, epochs100, batch_size64, validation_data(X_test, Y_test), callbacks[early_stop], verbose1) model.save(lstm_pv_model.h5) # 7. 反归一化并画对比图 pred_y scaler_y.inverse_transform(model.predict(X_test).reshape(-1, 1)) true_y scaler_y.inverse_transform(Y_test.reshape(-1, 1)) plt.plot(true_y[:200], labelactual) plt.plot(pred_y[:200], labelpredicted) plt.legend() plt.savefig(prediction_curve.png)这段代码有几个值得说清楚的细节。build_sequences里用的是双循环可读版本性能不是最优但绝对够用光伏数据量一般在几万行以内循环生成样本不会成为瓶颈。scaler_y.fit_transform(...).ravel()这一步是为了把二维列变成一维否则后续构造样本时形状会出错。模型训练结束后的inverse_transform是必须的否则你画出来的预测曲线是归一化后的0到1数值答辩时老师会立刻看出问题。4.3 训练过程中的指标观察loss曲线与R²、MAE怎么配合看训练时不要只盯着loss数字要同时看训练集和验证集两条曲线的走势。如果训练loss持续下降但验证loss在某个epoch后开始回升那就是过拟合信号说明Dropout不够或模型容量太大。如果两条曲线都下降得很慢且震荡考虑降低学习率。我习惯把history.history里的曲线画出来看这个习惯能帮你省掉很多凌晨的排错时间。plt.plot(history.history[loss], labeltrain_loss) plt.plot(history.history[val_loss], labelval_loss) plt.legend() plt.savefig(loss_curve.png)评估阶段除了loss毕业设计论文里通常还会要求三个指标MAE平均绝对误差单位与功率一致最直观、RMSE均方根误差放大峰值误差用来体现模型对大功率段的拟合能力、R²决定系数反映模型解释了数据多少方差。计算方式如下from sklearn.metrics import mean_absolute_error, mean_squared_error, r2_score mae mean_absolute_error(true_y, pred_y) rmse np.sqrt(mean_squared_error(true_y, pred_y)) r2 r2_score(true_y, pred_y) print(fMAE{mae:.2f} kW, RMSE{rmse:.2f} kW, R2{r2:.4f})这三个指标配合看R²高但MAE也高说明大部分时候预测得准但某些时段比如早上辐照度骤变误差很大R²低但MAE不高说明模型整体偏向输出平均值白天峰值完全没学到。后一种情况在光伏预测里更常见原因往往不是LSTM结构问题而是特征里缺少了关键的辐照度信息或者是预测目标没有对齐时间戳。5. 光伏预测最常见的翻车现场5条必看避坑记录5.1 归一化在切分之前做了预测值直接偏到负数或溢出现象测试集上的预测曲线整体偏离真实曲线且测试集末尾段的误差明显大于开头段甚至出现归一化范围之外的数值。原因先对全量数据做归一化再切分训练集和测试集。测试集的min和max参与了scaler的统计计算模型在训练时已经「看到」了测试集的极值分布。更严重的是如果测试集里恰好有测试时段的新纪录比如大风导致的功率骤降这个值会直接影响训练数据的归一化范围导致预测结果被压缩。解决严格先切分后fit。训练集上scaler.fit()后训练集和测试集都用同一个已拟合的scaler执行transform()。如果你的数据是按时段采集的比如每天一个文件切分要按时间切不要随机切。5.2 训练集和测试集被随机shuffle跨越时间的预测被「作弊」了现象训练时验证集loss极低R²高达0.98但换到未来一段真实数据上测试预测效果很差。原因数据预处理时用了train_test_split(data, shuffleTrue)或类似随机切分。光伏数据是强时间相关的随机切分会把上午的样本同时放进训练集和测试集模型等于提前背过了答案。时间序列的验证必须按时间顺序切分测试集永远是时间上更靠后的那一段。解决所有时间序列切分都用索引切分即df.iloc[:train_size]和df.iloc[train_size:]不要用sklearn里带shuffle的切分函数。5.3 天气特征用字符串直接编码进模型现象模型能跑但loss收敛很慢且预测曲线在晴天阴天交替时出现不自然的阶梯状跳变。原因数据里「天气」列是晴、多云、阴这样的字符串。有的代码直接pd.factorize把它变成0、1、2LSTM会把012当成连续数值关系阴天2倍晴天强度。这是最典型的数据编码错误。解决如果天气类型有价值做one-hot编码如果数据里已经有辐照度直接删掉天气类型列因为辐照度本身已经包含了天气信息保留字符串转成的数值只会增加噪声。5.4 预测值整体滞后一天前一时间步的输入成了「标准答案」现象预测曲线和真实曲线形态几乎一致但整体向右偏移就像「昨天的曲线今天再画了一遍」。R²仍然可能很高但看单日曲线非常明显。原因输入序列里包含了前一时间步的功率值而功率序列是强自相关的。LSTM发现前15分钟功率与当前功率相关性极高学会了「抄近道」——直接复制上一时刻的功率作为预测结果而不是学习气象特征与功率的真实关系。这在多步预测任务中破坏更大。解决当你评估的是未来1小时的平均功率时输入序列中要排除紧邻预测窗口的功率时刻或者把预测目标改成「未来一段时间的增量」。更实际的做法是调整输入特征窗口的位置让输入序列的末尾时间点与预测起点之间留出间隔。5.5 用历史功率外推夜间功率夜间误报率拉满现象夜间真实功率接近0但预测曲线在夜间出现明显的非零毛刺有时甚至预测出几百千瓦的功率。原因夜间样本在数据集中占比接近一半但真实功率都是0。如果模型在训练时没有对夜间样本特殊处理它会在白天学到「辐照度高→功率高」到夜间输入辐照度接近0时由于湿度、温度等特征依然有波动模型输出一个很小的非零值这个值在反归一化后被放大。解决常见做法是训练时把夜间样本的loss权重调低或者在评估时单独计算白天的指标。更简单直接的做法是预测后做后处理当辐照度低于50且功率预测值很小的时候直接置0。这不是作弊而是符合物理规律的修正答辩时你可以把它讲成「基于物理先验的结果修正」是很加分的设计点。6. 验证预测结果的一个技巧把残差和滞后性画在同一张图上6.1 滞后自相关与残差图区分「模型没学够」和「目标定义错了」训练完之后不要只看预测曲线对比图。把残差真实值减去预测值按时间画出来再画残差的滞后自相关图。如果残差在滞后1小时附近有显著自相关说明模型没有完全捕捉到功率序列的短期动态此时调大LSTM的units或者增加一层往往立竿见影如果残差自相关在多个滞后期都衰减很慢说明预测目标本身定义有问题比如应该预测未来30分钟却定义成了未来2小时导致模型无法学习。这一招在答辩时非常有说服力因为它直接展示了你不是只会跑代码而是会做诊断分析。视觉上残差图还可以帮你快速定位哪些时段预测最差——光伏项目通常是早晨和傍晚的功率爬坡段这两个时段辐照度变化率最大模型误差最集中。6.2 多步预测与滚动预测单步R²高不等于多步能用很多毕业设计只做了单步预测也就是用过去24小时预测未来15分钟。这在论文里是可以的但答辩老师大概率会问「能不能预测未来一天的功率曲线」。届时需要把单步模型改成滚动预测每次预测出下一个时间点把它拼回输入序列的末端再预测下下个时间点。滚动预测的误差会随时间步长累积这是正常现象不是一个bug。建议在论文里单独画一张「不同预测时长的误差累积曲线」并说明模型在未来1小时内的预测是可用的超过3小时后误差快速上升。这样反而比硬着头皮吹「全天预测精确」更可信。6.3 毕业设计答辩时的三个展示点第一个展示点是数据清洗前后的对比图展示你识别出的限电日和异常值并说明你的处理规则。第二个展示点是损失曲线和预测对比图配合MAE和R²数值说明模型在晴天、阴天、多云三类天气下的表现差异。第三个展示点就是上面说的滚动预测误差累积曲线用来划定模型的适用边界。我自己做这类项目时最深的教训是把精力放在了调LSTM结构上后来发现真正提升效果的是把数据里的日期特征星期几、是否是节假日加进去。光伏功率除了受天气影响还受用电负荷影响周末的工厂负荷和平时有明显差异这个特征在很多免费数据集的源码里都不会预处理好。建议你把这一条也加进自己的预测方案里比反复调units值带来的提升更稳定。希望这些经验能帮到你祝你的毕业设计顺利跑通、顺利答辩。本文还有配套的精品资源点击获取