尧图网站建设 
简介这份资源是面向高校学生与机器学习入门者的光伏功率预测完整项目包围绕毕业设计、期末大作业与课程设计场景提供从数据处理到模型训练预测的全流程代码实现。包内共16个文件以8个csv训练与测试数据集、4个Python脚本、1个Jupyter Notebook为主另附说明文档与项目说明文件压缩包约4.64MB结构清晰、便于直接部署运行。代码含详细注释新手也能看懂作者自评98分并获导师认可。项目涵盖数据加载保存、数据预处理、模型训练与预测等模块读者可据此理解光伏功率预测的建模思路与特征处理方式并在此基础上替换数据或调整模型完成自己的课题。目前已有316人学习下载适合需要快速搭建可运行项目、对照代码查漏补缺的读者参考使用。1. 光伏功率预测项目拆包一份能直接跑通的毕业设计源码长什么样光伏功率预测这个方向这两年做毕业设计和课程大作业的人特别多原因很直接数据能拿到、模型有说法、指标好写论文。但真正动手时大部分人卡在同一个地方——网上找到的代码要么缺数据要么跑不起来要么注释等于没有改一个参数就报错。这份DC_PV_Power_Predict_2018-master的资源包是我近期拆过的同类项目里结构比较完整的一个它同时给了源码、训练数据、测试数据还有一份Task_Info.docx说明任务背景main.py和DC_PV_Power_Predict_2018.ipynb两条入口都能走通。技术栈是 Python 机器学习核心文件Data_Process.py、Train_Predict.py、Load_Save_Data.py分工明确DC_Data目录下按train_1.csv到train_4.csv、test_1.csv到test_4.csv切好了数据。适合谁如果你正在做光伏功率预测的毕业设计、期末大作业或者想找一个带完整数据管道的机器学习练手项目这份东西能省掉你至少一周的数据清洗和调参试错时间。下面我按实际拆解顺序把这份资源从结构到跑通、从参数到坑一层层讲清楚。2. 项目结构与数据管道四个 CSV 怎么喂给模型2.1 目录拆解与文件职责拿到压缩包解压后根目录下是DC_PV_Power_Predict_2018-master里面文件不多但每个都有明确用途。先看整体结构文件/目录类型作用main.py入口脚本串联数据加载、处理、训练、预测全流程DC_PV_Power_Predict_2018.ipynbNotebook分步演示适合调试和看中间结果Data_Process.py模块数据清洗、特征构造、归一化Train_Predict.py模块模型定义、训练、评估、预测输出Load_Save_Data.py模块统一读写 CSV避免路径硬编码Task_Info.docx文档任务背景、字段说明、预期指标DC_Data/数据目录存放 train/test 的 8 个 CSVREADME.md说明环境依赖和运行方式这个拆分方式在毕业设计里算规范的数据读写、处理、训练三件事分开改一处不影响其他。Load_Save_Data.py的存在尤其关键它把文件路径和读写逻辑收口后面换数据集只需要改这一个文件里的路径常量不用满项目搜pd.read_csv。2.2 数据字段与四个 CSV 的切分逻辑DC_Data下有 8 个文件train_1.csv到train_4.csvtest_1.csv到test_4.csv。这种按编号切分的方式常见做法是按时段或按季节划分——光伏功率受天气和季节影响极大把不同月份或不同季度的数据分开能验证模型在不同分布下的泛化能力。具体每个文件对应哪段时间Task_Info.docx里应该有说明跑之前先翻一下。数据字段通常包含时间戳、辐照度、温度、湿度、风速、历史功率等。光伏功率预测的核心输入是辐照度但单独用辐照度做特征容易过拟合所以Data_Process.py里一般会构造时间特征小时、月份、滞后特征前几个时刻的功率和滚动统计量。先看数据加载这一层怎么写# Load_Save_Data.py 典型写法 import pandas as pd import os # 数据目录常量换数据集只改这里 DATA_DIR os.path.join(os.path.dirname(__file__), DC_Data) def load_csv(filename): 读取单个 CSV返回 DataFrame path os.path.join(DATA_DIR, filename) df pd.read_csv(path, parse_dates[time]) # 时间列解析成 datetime return df def save_csv(df, filename): 保存结果到 DC_Data 目录 path os.path.join(DATA_DIR, filename) df.to_csv(path, indexFalse)逻辑说明parse_dates[time]把时间列转成 datetime 类型后面做时间特征提取时不用再转换。参数上如果你的 CSV 时间列名不是time改这个参数即可。DATA_DIR用os.path.dirname(__file__)拼绝对路径避免从不同目录运行时找不到文件——这是新手最容易翻车的地方直接写相对路径DC_Data/train_1.csv换个工作目录就报FileNotFoundError。2.3 数据清洗与特征构造的关键步骤Data_Process.py是整条管道里最值得细看的部分。光伏数据常见的脏数据包括夜间功率为负、传感器掉线导致的连续缺失、辐照度突变。处理顺序一般是先补缺、再剔异常、最后构造特征。# Data_Process.py 核心处理逻辑 import pandas as pd import numpy as np def clean_data(df): 清洗插值补缺 剔除夜间负功率 # 时间序列插值limit3 表示最多连续补 3 个点 df df.interpolate(methodlinear, limit3) # 夜间功率理论上为 0负值视为传感器噪声 df.loc[df[power] 0, power] 0 # 删除仍存在的缺失行 df df.dropna() return df def build_features(df): 构造时间特征和滞后特征 df[hour] df[time].dt.hour df[month] df[time].dt.month # 滞后 1、2、3 个时刻的功率作为历史特征 for lag in [1, 2, 3]: df[fpower_lag{lag}] df[power].shift(lag) # 滚动均值窗口 3 df[power_roll_mean3] df[power].rolling(window3).mean() df df.dropna() # 滞后会产生 NaN去掉 return df逻辑说明interpolate的limit3是防止连续大段缺失被线性插值填成假数据超过 3 个点的缺失宁可丢掉。滞后特征shift(lag)把过去时刻的功率挪到当前行让模型能利用时序信息。滚动均值窗口设 3对应 3 个采样间隔具体间隔看数据粒度——如果是 15 分钟采样窗口 3 就是 45 分钟平滑。参数怎么改数据缺失严重就把limit调大但别超过 6滞后阶数从 3 加到 6 可能提升精度但特征维度上升训练变慢毕业设计里 3 到 4 阶够用。提示build_features里dropna()会删掉前几行因为滞后特征在开头是 NaN。如果测试集很短删完可能没剩几行这时候要么减小滞后阶数要么用fillna(0)兜底。3. 模型训练与预测从 Train_Predict.py 到可复现的评估指标3.1 模型选型与训练脚本拆解Train_Predict.py是模型核心。光伏功率预测在毕业设计里常用的模型有随机森林、XGBoost、LSTM、BP 神经网络。这份项目标题写的是“机器学习”从文件命名和 2018 年的项目背景看大概率是随机森林或梯度提升树这类传统模型也可能是 sklearn 的 MLP。不管具体是哪个训练脚本的结构都绕不开这几步切分特征和标签、划分训练验证集、拟合、预测、算指标。# Train_Predict.py 训练主流程 from sklearn.ensemble import RandomForestRegressor from sklearn.model_selection import train_test_split from sklearn.metrics import mean_squared_error, mean_absolute_error, r2_score import numpy as np def train_model(X, y): 训练随机森林回归模型 # 8:2 划分random_state 固定保证可复现 X_train, X_val, y_train, y_val train_test_split( X, y, test_size0.2, random_state42 ) # n_estimators100 棵树max_depth 限制防止过拟合 model RandomForestRegressor( n_estimators100, max_depth10, random_state42, n_jobs-1 # 用满 CPU 核心 ) model.fit(X_train, y_train) y_pred model.predict(X_val) # 三个指标RMSE、MAE、R2 rmse np.sqrt(mean_squared_error(y_val, y_pred)) mae mean_absolute_error(y_val, y_pred) r2 r2_score(y_val, y_pred) print(fRMSE: {rmse:.4f}, MAE: {mae:.4f}, R2: {r2:.4f}) return model逻辑说明random_state42固定随机种子保证每次跑结果一致论文里写指标才站得住。n_estimators100是精度和速度的平衡点加到 200 精度提升有限但训练时间翻倍。max_depth10限制树深光伏数据噪声大不限制深度容易过拟合验证集 R2 反而下降。n_jobs-1用满所有 CPU 核心数据量大时能省不少时间。参数怎么调先跑默认看 R2如果低于 0.8把n_estimators加到 200、max_depth加到 15 再试如果验证集 R2 远低于训练集说明过拟合反过来减小max_depth。3.2 评估指标怎么看RMSE、MAE、R2 的实际含义光伏功率预测的评估指标不是随便报一个就行答辩时导师一定会问。RMSE均方根误差对大误差敏感能反映模型在功率突变时的表现MAE平均绝对误差更直观单位跟功率一样R2 决定系数反映拟合优度越接近 1 越好。三个指标要一起看RMSE 大但 MAE 小说明有个别时刻预测偏得离谱R2 高但 RMSE 也高可能是数据方差大导致的假象。常见做法是再补一个 MAPE平均绝对百分比误差但光伏功率在夜间接近 0MAPE 会爆炸所以这个项目里用 RMSE 和 MAE 更稳。如果你要在论文里对比多个模型建议统一用同一组测试集、同一套指标别这个模型报 RMSE、那个报 MAPE导师一眼就能看出问题。3.3 预测结果输出与可视化训练完模型main.py里一般会把预测结果存回 CSV方便画图。Load_Save_Data.py的save_csv这时候就派上用场了。# main.py 预测并保存结果 from Load_Save_Data import load_csv, save_csv from Data_Process import clean_data, build_features from Train_Predict import train_model import pandas as pd # 加载训练数据 df_train load_csv(train_1.csv) df_train clean_data(df_train) df_train build_features(df_train) # 特征列和标签列 feature_cols [c for c in df_train.columns if c not in [time, power]] X df_train[feature_cols].values y df_train[power].values model train_model(X, y) # 加载测试数据同样处理 df_test load_csv(test_1.csv) df_test clean_data(df_test) df_test build_features(df_test) X_test df_test[feature_cols].values y_test df_test[power].values # 预测并保存 y_pred model.predict(X_test) df_test[power_pred] y_pred save_csv(df_test[[time, power, power_pred]], result_1.csv)逻辑说明feature_cols用列表推导排除time和power自动拿到所有特征列加新特征不用改代码。测试集必须走跟训练集完全一样的clean_data和build_features否则特征对不上预测结果没意义。保存时只留时间、真实功率、预测功率三列画对比曲线够用。参数上如果测试集文件名不是test_1.csv改load_csv的参数即可四个测试集可以循环跑一遍看模型在不同时段的表现差异。注意build_features里的滞后特征在测试集开头也会产生 NaNdropna后测试集前几行被删掉预测结果的时间起点会比原始测试集晚几个采样点。画图时对齐时间轴别直接按行号画否则曲线会错位。4. 避坑与排查跑这份源码时最容易翻车的五个地方4.1 现象运行 main.py 报 FileNotFoundError原因Load_Save_Data.py里如果用了相对路径而你在项目根目录之外的目录运行脚本Python 找不到DC_Data文件夹。解决把DATA_DIR改成基于__file__的绝对路径或者运行前先cd到项目根目录。我一般会在main.py开头加一行os.chdir(os.path.dirname(os.path.abspath(__file__)))强制把工作目录切到脚本所在目录一劳永逸。4.2 现象训练完 R2 是负数原因特征里混入了时间戳或 ID 这类无意义列或者标签列选错了。光伏功率预测的标签必须是功率列如果feature_cols把power也包含进去模型直接拿答案当特征验证集上看着好测试集上崩。解决打印feature_cols确认没包含标签列同时检查time列有没有被误转成数值特征。另外如果数据没做归一化某些模型如 MLP、SVM会收敛困难R2 也可能为负加一个StandardScaler试试。4.3 现象四个 train CSV 跑出来指标差异巨大原因四个文件对应不同季节或天气类型光伏功率分布本身就不一样。夏季辐照强、功率高冬季功率低模型在夏季数据上训练、冬季数据上测试R2 掉到 0.5 以下很正常。解决这不是代码 bug是数据特性。论文里可以按季节分别训练模型或者把四个文件合并后随机划分看整体泛化能力。如果导师要求单模型跨季节考虑加天气类型作为特征或者用对分布偏移更鲁棒的模型。4.4 现象Notebook 里能跑main.py 报模块导入错误原因Notebook 的工作目录和脚本运行目录不一致import Data_Process在 Notebook 里能找到命令行跑python main.py时找不到。解决确保所有.py文件在同一目录下或者在main.py开头把项目根目录加到sys.pathimport sys, os sys.path.insert(0, os.path.dirname(os.path.abspath(__file__)))这样无论从哪个目录运行Python 都能找到同目录的模块。4.5 现象预测曲线整体偏低或偏高原因训练集和测试集的功率量纲不一致或者归一化只做了一半。常见情况是训练时用了MinMaxScaler把功率缩到 0-1预测完忘了inverse_transform结果输出全是小数。解决检查Train_Predict.py里有没有 scaler 的 fit 和 inverse 配对。如果用了 scaler训练时fit_transform预测时先transform再inverse_transform顺序别搞反。另外光伏功率夜间为 0如果测试集包含夜间时段预测值也应该接近 0如果夜间预测出正值说明模型没学好检查夜间样本有没有被正确标记。5. 进阶技巧把单文件脚本改成可复用的实验框架跑通main.py只是第一步。如果你要拿这份代码做毕业设计导师大概率会让你对比不同模型、不同特征组合的效果。这时候把Train_Predict.py里的训练逻辑抽成一个可配置的函数会省很多重复劳动。# 可复用的实验函数 from sklearn.ensemble import RandomForestRegressor, GradientBoostingRegressor from sklearn.neural_network import MLPRegressor from sklearn.preprocessing import StandardScaler from sklearn.pipeline import Pipeline from sklearn.metrics import mean_squared_error, r2_score import numpy as np def run_experiment(X_train, y_train, X_test, y_test, model_namerf): 统一实验入口换模型只改 model_name models { rf: RandomForestRegressor(n_estimators100, max_depth10, random_state42, n_jobs-1), gbdt: GradientBoostingRegressor(n_estimators100, max_depth5, random_state42), mlp: Pipeline([ (scaler, StandardScaler()), (mlp, MLPRegressor(hidden_layer_sizes(64, 32), max_iter500, random_state42)) ]) } model models[model_name] model.fit(X_train, y_train) y_pred model.predict(X_test) rmse np.sqrt(mean_squared_error(y_test, y_pred)) r2 r2_score(y_test, y_pred) return {model: model_name, rmse: rmse, r2: r2, pred: y_pred}逻辑说明models字典把三个模型的配置收在一起换模型只改model_name参数。MLP 前面套了StandardScaler因为神经网络对特征尺度敏感不归一化收敛慢甚至不收敛。hidden_layer_sizes(64, 32)是两层隐藏层节点数按特征维度的大致比例设特征多就加宽。max_iter500是迭代上限MLP 默认 200 有时不够加到 500 看损失曲线是否平稳。跑对比实验时把四个 train CSV 合并成一个大数据集用train_test_split随机划分然后循环调用run_experimentimport pandas as pd from Load_Save_Data import load_csv from Data_Process import clean_data, build_features # 合并四个训练文件 dfs [load_csv(ftrain_{i}.csv) for i in range(1, 5)] df_all pd.concat(dfs, ignore_indexTrue) df_all clean_data(df_all) df_all build_features(df_all) feature_cols [c for c in df_all.columns if c not in [time, power]] X df_all[feature_cols].values y df_all[power].values from sklearn.model_selection import train_test_split X_train, X_test, y_train, y_test train_test_split(X, y, test_size0.2, random_state42) results [] for name in [rf, gbdt, mlp]: res run_experiment(X_train, y_train, X_test, y_test, model_namename) results.append(res) print(f{res[model]}: RMSE{res[rmse]:.4f}, R2{res[r2]:.4f})这样一轮跑下来三个模型的指标直接对比论文里的实验表格就有了。我一般还会把results存成 CSV方便后面画柱状图。参数上test_size0.2是常用划分比例数据量小可以调到 0.3 留更多测试样本random_state固定住保证每次划分一致对比才公平。还有一个容易被忽略的点光伏功率预测的时序特性意味着不能简单随机划分。随机划分会让未来时刻的数据混进训练集造成信息泄露测试指标虚高。更严谨的做法是按时间顺序切分前 80% 做训练、后 20% 做测试。改法很简单# 按时间顺序切分避免信息泄露 split_idx int(len(df_all) * 0.8) train_df df_all.iloc[:split_idx] test_df df_all.iloc[split_idx:] X_train train_df[feature_cols].values y_train train_df[power].values X_test test_df[feature_cols].values y_test test_df[power].values这个细节在答辩时是加分项导师问“你怎么保证没有数据泄露”你能答上来按时间切分说明你真正理解时序预测的边界。从那以后我每次做时序项目都强制先按时间切分再构造特征绝不先train_test_split再处理——这个习惯帮我避开了好几次指标虚高的坑。希望帮到你。本文还有配套的精品资源点击获取 光伏功率预测毕业设计源码拆解：从数据管道到模型训练全流程
简介这份资源是面向高校学生与机器学习入门者的光伏功率预测完整项目包围绕毕业设计、期末大作业与课程设计场景提供从数据处理到模型训练预测的全流程代码实现。包内共16个文件以8个csv训练与测试数据集、4个Python脚本、1个Jupyter Notebook为主另附说明文档与项目说明文件压缩包约4.64MB结构清晰、便于直接部署运行。代码含详细注释新手也能看懂作者自评98分并获导师认可。项目涵盖数据加载保存、数据预处理、模型训练与预测等模块读者可据此理解光伏功率预测的建模思路与特征处理方式并在此基础上替换数据或调整模型完成自己的课题。目前已有316人学习下载适合需要快速搭建可运行项目、对照代码查漏补缺的读者参考使用。1. 光伏功率预测项目拆包一份能直接跑通的毕业设计源码长什么样光伏功率预测这个方向这两年做毕业设计和课程大作业的人特别多原因很直接数据能拿到、模型有说法、指标好写论文。但真正动手时大部分人卡在同一个地方——网上找到的代码要么缺数据要么跑不起来要么注释等于没有改一个参数就报错。这份DC_PV_Power_Predict_2018-master的资源包是我近期拆过的同类项目里结构比较完整的一个它同时给了源码、训练数据、测试数据还有一份Task_Info.docx说明任务背景main.py和DC_PV_Power_Predict_2018.ipynb两条入口都能走通。技术栈是 Python 机器学习核心文件Data_Process.py、Train_Predict.py、Load_Save_Data.py分工明确DC_Data目录下按train_1.csv到train_4.csv、test_1.csv到test_4.csv切好了数据。适合谁如果你正在做光伏功率预测的毕业设计、期末大作业或者想找一个带完整数据管道的机器学习练手项目这份东西能省掉你至少一周的数据清洗和调参试错时间。下面我按实际拆解顺序把这份资源从结构到跑通、从参数到坑一层层讲清楚。2. 项目结构与数据管道四个 CSV 怎么喂给模型2.1 目录拆解与文件职责拿到压缩包解压后根目录下是DC_PV_Power_Predict_2018-master里面文件不多但每个都有明确用途。先看整体结构文件/目录类型作用main.py入口脚本串联数据加载、处理、训练、预测全流程DC_PV_Power_Predict_2018.ipynbNotebook分步演示适合调试和看中间结果Data_Process.py模块数据清洗、特征构造、归一化Train_Predict.py模块模型定义、训练、评估、预测输出Load_Save_Data.py模块统一读写 CSV避免路径硬编码Task_Info.docx文档任务背景、字段说明、预期指标DC_Data/数据目录存放 train/test 的 8 个 CSVREADME.md说明环境依赖和运行方式这个拆分方式在毕业设计里算规范的数据读写、处理、训练三件事分开改一处不影响其他。Load_Save_Data.py的存在尤其关键它把文件路径和读写逻辑收口后面换数据集只需要改这一个文件里的路径常量不用满项目搜pd.read_csv。2.2 数据字段与四个 CSV 的切分逻辑DC_Data下有 8 个文件train_1.csv到train_4.csvtest_1.csv到test_4.csv。这种按编号切分的方式常见做法是按时段或按季节划分——光伏功率受天气和季节影响极大把不同月份或不同季度的数据分开能验证模型在不同分布下的泛化能力。具体每个文件对应哪段时间Task_Info.docx里应该有说明跑之前先翻一下。数据字段通常包含时间戳、辐照度、温度、湿度、风速、历史功率等。光伏功率预测的核心输入是辐照度但单独用辐照度做特征容易过拟合所以Data_Process.py里一般会构造时间特征小时、月份、滞后特征前几个时刻的功率和滚动统计量。先看数据加载这一层怎么写# Load_Save_Data.py 典型写法 import pandas as pd import os # 数据目录常量换数据集只改这里 DATA_DIR os.path.join(os.path.dirname(__file__), DC_Data) def load_csv(filename): 读取单个 CSV返回 DataFrame path os.path.join(DATA_DIR, filename) df pd.read_csv(path, parse_dates[time]) # 时间列解析成 datetime return df def save_csv(df, filename): 保存结果到 DC_Data 目录 path os.path.join(DATA_DIR, filename) df.to_csv(path, indexFalse)逻辑说明parse_dates[time]把时间列转成 datetime 类型后面做时间特征提取时不用再转换。参数上如果你的 CSV 时间列名不是time改这个参数即可。DATA_DIR用os.path.dirname(__file__)拼绝对路径避免从不同目录运行时找不到文件——这是新手最容易翻车的地方直接写相对路径DC_Data/train_1.csv换个工作目录就报FileNotFoundError。2.3 数据清洗与特征构造的关键步骤Data_Process.py是整条管道里最值得细看的部分。光伏数据常见的脏数据包括夜间功率为负、传感器掉线导致的连续缺失、辐照度突变。处理顺序一般是先补缺、再剔异常、最后构造特征。# Data_Process.py 核心处理逻辑 import pandas as pd import numpy as np def clean_data(df): 清洗插值补缺 剔除夜间负功率 # 时间序列插值limit3 表示最多连续补 3 个点 df df.interpolate(methodlinear, limit3) # 夜间功率理论上为 0负值视为传感器噪声 df.loc[df[power] 0, power] 0 # 删除仍存在的缺失行 df df.dropna() return df def build_features(df): 构造时间特征和滞后特征 df[hour] df[time].dt.hour df[month] df[time].dt.month # 滞后 1、2、3 个时刻的功率作为历史特征 for lag in [1, 2, 3]: df[fpower_lag{lag}] df[power].shift(lag) # 滚动均值窗口 3 df[power_roll_mean3] df[power].rolling(window3).mean() df df.dropna() # 滞后会产生 NaN去掉 return df逻辑说明interpolate的limit3是防止连续大段缺失被线性插值填成假数据超过 3 个点的缺失宁可丢掉。滞后特征shift(lag)把过去时刻的功率挪到当前行让模型能利用时序信息。滚动均值窗口设 3对应 3 个采样间隔具体间隔看数据粒度——如果是 15 分钟采样窗口 3 就是 45 分钟平滑。参数怎么改数据缺失严重就把limit调大但别超过 6滞后阶数从 3 加到 6 可能提升精度但特征维度上升训练变慢毕业设计里 3 到 4 阶够用。提示build_features里dropna()会删掉前几行因为滞后特征在开头是 NaN。如果测试集很短删完可能没剩几行这时候要么减小滞后阶数要么用fillna(0)兜底。3. 模型训练与预测从 Train_Predict.py 到可复现的评估指标3.1 模型选型与训练脚本拆解Train_Predict.py是模型核心。光伏功率预测在毕业设计里常用的模型有随机森林、XGBoost、LSTM、BP 神经网络。这份项目标题写的是“机器学习”从文件命名和 2018 年的项目背景看大概率是随机森林或梯度提升树这类传统模型也可能是 sklearn 的 MLP。不管具体是哪个训练脚本的结构都绕不开这几步切分特征和标签、划分训练验证集、拟合、预测、算指标。# Train_Predict.py 训练主流程 from sklearn.ensemble import RandomForestRegressor from sklearn.model_selection import train_test_split from sklearn.metrics import mean_squared_error, mean_absolute_error, r2_score import numpy as np def train_model(X, y): 训练随机森林回归模型 # 8:2 划分random_state 固定保证可复现 X_train, X_val, y_train, y_val train_test_split( X, y, test_size0.2, random_state42 ) # n_estimators100 棵树max_depth 限制防止过拟合 model RandomForestRegressor( n_estimators100, max_depth10, random_state42, n_jobs-1 # 用满 CPU 核心 ) model.fit(X_train, y_train) y_pred model.predict(X_val) # 三个指标RMSE、MAE、R2 rmse np.sqrt(mean_squared_error(y_val, y_pred)) mae mean_absolute_error(y_val, y_pred) r2 r2_score(y_val, y_pred) print(fRMSE: {rmse:.4f}, MAE: {mae:.4f}, R2: {r2:.4f}) return model逻辑说明random_state42固定随机种子保证每次跑结果一致论文里写指标才站得住。n_estimators100是精度和速度的平衡点加到 200 精度提升有限但训练时间翻倍。max_depth10限制树深光伏数据噪声大不限制深度容易过拟合验证集 R2 反而下降。n_jobs-1用满所有 CPU 核心数据量大时能省不少时间。参数怎么调先跑默认看 R2如果低于 0.8把n_estimators加到 200、max_depth加到 15 再试如果验证集 R2 远低于训练集说明过拟合反过来减小max_depth。3.2 评估指标怎么看RMSE、MAE、R2 的实际含义光伏功率预测的评估指标不是随便报一个就行答辩时导师一定会问。RMSE均方根误差对大误差敏感能反映模型在功率突变时的表现MAE平均绝对误差更直观单位跟功率一样R2 决定系数反映拟合优度越接近 1 越好。三个指标要一起看RMSE 大但 MAE 小说明有个别时刻预测偏得离谱R2 高但 RMSE 也高可能是数据方差大导致的假象。常见做法是再补一个 MAPE平均绝对百分比误差但光伏功率在夜间接近 0MAPE 会爆炸所以这个项目里用 RMSE 和 MAE 更稳。如果你要在论文里对比多个模型建议统一用同一组测试集、同一套指标别这个模型报 RMSE、那个报 MAPE导师一眼就能看出问题。3.3 预测结果输出与可视化训练完模型main.py里一般会把预测结果存回 CSV方便画图。Load_Save_Data.py的save_csv这时候就派上用场了。# main.py 预测并保存结果 from Load_Save_Data import load_csv, save_csv from Data_Process import clean_data, build_features from Train_Predict import train_model import pandas as pd # 加载训练数据 df_train load_csv(train_1.csv) df_train clean_data(df_train) df_train build_features(df_train) # 特征列和标签列 feature_cols [c for c in df_train.columns if c not in [time, power]] X df_train[feature_cols].values y df_train[power].values model train_model(X, y) # 加载测试数据同样处理 df_test load_csv(test_1.csv) df_test clean_data(df_test) df_test build_features(df_test) X_test df_test[feature_cols].values y_test df_test[power].values # 预测并保存 y_pred model.predict(X_test) df_test[power_pred] y_pred save_csv(df_test[[time, power, power_pred]], result_1.csv)逻辑说明feature_cols用列表推导排除time和power自动拿到所有特征列加新特征不用改代码。测试集必须走跟训练集完全一样的clean_data和build_features否则特征对不上预测结果没意义。保存时只留时间、真实功率、预测功率三列画对比曲线够用。参数上如果测试集文件名不是test_1.csv改load_csv的参数即可四个测试集可以循环跑一遍看模型在不同时段的表现差异。注意build_features里的滞后特征在测试集开头也会产生 NaNdropna后测试集前几行被删掉预测结果的时间起点会比原始测试集晚几个采样点。画图时对齐时间轴别直接按行号画否则曲线会错位。4. 避坑与排查跑这份源码时最容易翻车的五个地方4.1 现象运行 main.py 报 FileNotFoundError原因Load_Save_Data.py里如果用了相对路径而你在项目根目录之外的目录运行脚本Python 找不到DC_Data文件夹。解决把DATA_DIR改成基于__file__的绝对路径或者运行前先cd到项目根目录。我一般会在main.py开头加一行os.chdir(os.path.dirname(os.path.abspath(__file__)))强制把工作目录切到脚本所在目录一劳永逸。4.2 现象训练完 R2 是负数原因特征里混入了时间戳或 ID 这类无意义列或者标签列选错了。光伏功率预测的标签必须是功率列如果feature_cols把power也包含进去模型直接拿答案当特征验证集上看着好测试集上崩。解决打印feature_cols确认没包含标签列同时检查time列有没有被误转成数值特征。另外如果数据没做归一化某些模型如 MLP、SVM会收敛困难R2 也可能为负加一个StandardScaler试试。4.3 现象四个 train CSV 跑出来指标差异巨大原因四个文件对应不同季节或天气类型光伏功率分布本身就不一样。夏季辐照强、功率高冬季功率低模型在夏季数据上训练、冬季数据上测试R2 掉到 0.5 以下很正常。解决这不是代码 bug是数据特性。论文里可以按季节分别训练模型或者把四个文件合并后随机划分看整体泛化能力。如果导师要求单模型跨季节考虑加天气类型作为特征或者用对分布偏移更鲁棒的模型。4.4 现象Notebook 里能跑main.py 报模块导入错误原因Notebook 的工作目录和脚本运行目录不一致import Data_Process在 Notebook 里能找到命令行跑python main.py时找不到。解决确保所有.py文件在同一目录下或者在main.py开头把项目根目录加到sys.pathimport sys, os sys.path.insert(0, os.path.dirname(os.path.abspath(__file__)))这样无论从哪个目录运行Python 都能找到同目录的模块。4.5 现象预测曲线整体偏低或偏高原因训练集和测试集的功率量纲不一致或者归一化只做了一半。常见情况是训练时用了MinMaxScaler把功率缩到 0-1预测完忘了inverse_transform结果输出全是小数。解决检查Train_Predict.py里有没有 scaler 的 fit 和 inverse 配对。如果用了 scaler训练时fit_transform预测时先transform再inverse_transform顺序别搞反。另外光伏功率夜间为 0如果测试集包含夜间时段预测值也应该接近 0如果夜间预测出正值说明模型没学好检查夜间样本有没有被正确标记。5. 进阶技巧把单文件脚本改成可复用的实验框架跑通main.py只是第一步。如果你要拿这份代码做毕业设计导师大概率会让你对比不同模型、不同特征组合的效果。这时候把Train_Predict.py里的训练逻辑抽成一个可配置的函数会省很多重复劳动。# 可复用的实验函数 from sklearn.ensemble import RandomForestRegressor, GradientBoostingRegressor from sklearn.neural_network import MLPRegressor from sklearn.preprocessing import StandardScaler from sklearn.pipeline import Pipeline from sklearn.metrics import mean_squared_error, r2_score import numpy as np def run_experiment(X_train, y_train, X_test, y_test, model_namerf): 统一实验入口换模型只改 model_name models { rf: RandomForestRegressor(n_estimators100, max_depth10, random_state42, n_jobs-1), gbdt: GradientBoostingRegressor(n_estimators100, max_depth5, random_state42), mlp: Pipeline([ (scaler, StandardScaler()), (mlp, MLPRegressor(hidden_layer_sizes(64, 32), max_iter500, random_state42)) ]) } model models[model_name] model.fit(X_train, y_train) y_pred model.predict(X_test) rmse np.sqrt(mean_squared_error(y_test, y_pred)) r2 r2_score(y_test, y_pred) return {model: model_name, rmse: rmse, r2: r2, pred: y_pred}逻辑说明models字典把三个模型的配置收在一起换模型只改model_name参数。MLP 前面套了StandardScaler因为神经网络对特征尺度敏感不归一化收敛慢甚至不收敛。hidden_layer_sizes(64, 32)是两层隐藏层节点数按特征维度的大致比例设特征多就加宽。max_iter500是迭代上限MLP 默认 200 有时不够加到 500 看损失曲线是否平稳。跑对比实验时把四个 train CSV 合并成一个大数据集用train_test_split随机划分然后循环调用run_experimentimport pandas as pd from Load_Save_Data import load_csv from Data_Process import clean_data, build_features # 合并四个训练文件 dfs [load_csv(ftrain_{i}.csv) for i in range(1, 5)] df_all pd.concat(dfs, ignore_indexTrue) df_all clean_data(df_all) df_all build_features(df_all) feature_cols [c for c in df_all.columns if c not in [time, power]] X df_all[feature_cols].values y df_all[power].values from sklearn.model_selection import train_test_split X_train, X_test, y_train, y_test train_test_split(X, y, test_size0.2, random_state42) results [] for name in [rf, gbdt, mlp]: res run_experiment(X_train, y_train, X_test, y_test, model_namename) results.append(res) print(f{res[model]}: RMSE{res[rmse]:.4f}, R2{res[r2]:.4f})这样一轮跑下来三个模型的指标直接对比论文里的实验表格就有了。我一般还会把results存成 CSV方便后面画柱状图。参数上test_size0.2是常用划分比例数据量小可以调到 0.3 留更多测试样本random_state固定住保证每次划分一致对比才公平。还有一个容易被忽略的点光伏功率预测的时序特性意味着不能简单随机划分。随机划分会让未来时刻的数据混进训练集造成信息泄露测试指标虚高。更严谨的做法是按时间顺序切分前 80% 做训练、后 20% 做测试。改法很简单# 按时间顺序切分避免信息泄露 split_idx int(len(df_all) * 0.8) train_df df_all.iloc[:split_idx] test_df df_all.iloc[split_idx:] X_train train_df[feature_cols].values y_train train_df[power].values X_test test_df[feature_cols].values y_test test_df[power].values这个细节在答辩时是加分项导师问“你怎么保证没有数据泄露”你能答上来按时间切分说明你真正理解时序预测的边界。从那以后我每次做时序项目都强制先按时间切分再构造特征绝不先train_test_split再处理——这个习惯帮我避开了好几次指标虚高的坑。希望帮到你。本文还有配套的精品资源点击获取