本光伏发电预测项目利用温度、降水率、低云量、中云量、高云量、10米风速、向下短波辐射通量、向下长波辐射通量及能见度等多维气象因子,构建数据驱动的回归模型,准确预估光伏电站的输出功率。其核心功能包括自动接收和处理历史气象与功率数据,通过特征筛选、时序建模与误差分析,实现未来数小时至数天的功率预测,辅助电网调度、提升新能源消纳率并降低弃光。模型支持多种算法(如XGBoost、LightGBM、LSTM等)的对比与集成,并可输出预测区间,为运维决策提供依据。
我在作品中担任算法工程师角色,全面负责数据探索与预处理,包括缺失值填补、异常值平滑和分布校正;进行深度特征工程,重点挖掘向下短波辐射与各类云量的交互效应,构造时间滞后特征及辐射衰减指标;独立完成模型选型、交叉验证与贝叶斯超参数调优,最终通过模型融合将均方根误差降低约18%,并撰写技术文档与结果可视化报告。