简介这是一份面向计算机相关专业毕业设计学生与项目实战学习者的LSTM光伏预测完整项目包选题聚焦短期光伏功率预测这一新能源与深度学习交叉方向难度适中适合作为毕设选题或算法练习案例。资源共28个文件压缩包约3.38MB包含1个Python主程序与1个Jupyter Notebook用于模型搭建与训练1份光伏小时级数据集csv供直接读取实验另有22张png训练曲线与预测对比图、requirements依赖清单、README说明文档等便于快速复现与结果展示。项目源码经本地编译调试确保可运行并配有导师认可、评审98分的背景说明。目前已有125人学习下载。读者可据此掌握LSTM时序建模流程、数据预处理与预测评估方法并借助现成图表与目录结构完成论文实验章节撰写与答辩演示。1. 光伏功率预测为什么总在午后翻车从 LSTM 毕业设计选题说起做过光伏电站运维的人多半有过这种体验早上功率曲线跟得挺准一到中午云层飘过来预测值直接飙到天上实际功率却掉了一半。这不是模型不行是选错了建模思路。传统时序方法把功率当成一条平滑曲线去拟合可光伏出力本质上是「辐照度、温度、云量、历史功率」多变量耦合的结果突变才是常态。LSTM 之所以在超短期光伏功率预测里被反复提起是因为它的门控结构能选择性记住几小时前的辐照变化趋势又能在云层遮挡时快速遗忘失效信息。这个毕业设计选题的价值不在于「用了 LSTM」这个标签而在于它逼你把数据清洗、特征构造、滑动窗口、多步预测这一整条链路走通。适合谁做有一定 Python 基础、想拿一个能写进简历的完整时序项目、又不希望选题太偏门导致找不到参考资料的人。下面我按自己带学生做这类项目的实际路径把源码结构、数据集处理、参数设置和踩坑点拆开讲。2. 把光伏数据喂给 LSTM 之前数据集结构与特征工程怎么做2.1 光伏预测数据集通常长什么样公开的光伏功率数据集一般来自电站 SCADA 系统导出常见字段包括时间戳、有功功率、辐照度、组件温度、环境温度、风速、风向。时间分辨率从 1 分钟到 15 分钟不等毕业设计里用得最多的是 15 分钟粒度一天 96 个点。原始数据几乎不可能直接拿来训练因为存在三类问题夜间功率为零导致的无效样本、传感器故障导致的缺失值、限电或检修导致的异常低值。我一般会先做一张数据质量概览表把每个字段的缺失率、零值率、最大值最小值列出来再决定清洗策略。下面这段代码是读取和初筛的常用写法import pandas as pd import numpy as np # 读取原始数据时间列解析为索引 df pd.read_csv(pv_data.csv, parse_dates[timestamp], index_coltimestamp) df df.sort_index() # 统计每个字段的缺失率和零值率 quality pd.DataFrame({ missing_rate: df.isna().mean(), zero_rate: (df 0).mean(), min: df.min(), max: df.max() }) print(quality) # 只保留白天时段辐照度大于 10 W/m2用于功率建模 day_mask df[irradiance] 10 df_day df[day_mask].copy()逻辑说明先按时间排序保证后续滑动窗口不会乱序缺失率和零值率分开统计是因为夜间零值不是缺失不能一起删。参数说明辐照度阈值 10 W/m2 是经验值低于这个值光伏出力基本可以忽略设太高会丢清晨和傍晚的有效样本设太低会引入大量噪声。2.2 缺失值填补与异常值处理缺失值处理没有万能方法。连续缺失少于 3 个点线性插值够用连续缺失超过 6 个点插值会引入虚假趋势我一般直接标记为无效样本并在训练时跳过。异常值用箱线图或 3σ 原则识别但要注意光伏功率的「异常低值」可能是真实的云遮挡不能一刀切。# 线性插值限制最大连续填补长度 df_day[power] df_day[power].interpolate(methodlinear, limit3) # 用滚动中位数识别异常值窗口取 5 个点约 75 分钟 rolling_med df_day[power].rolling(window5, centerTrue).median() residual np.abs(df_day[power] - rolling_med) threshold 3 * residual.std() df_day[power] np.where(residual threshold, rolling_med, df_day[power])逻辑说明插值限制 limit3 是防止长段缺失被填成直线滚动中位数比全局均值更能适应光伏功率的日内变化。参数说明窗口 5 对应 15 分钟粒度下的 75 分钟太小会把云遮挡当异常太大则平滑掉真实波动。阈值系数 3 是常规选择如果数据噪声大可以放宽到 4。2.3 特征构造辐照度、温度和历史功率的滑动窗口LSTM 的输入是三维张量样本数、时间步长、特征数。时间步长决定模型能「回看」多久特征数决定每个时刻喂进去多少信息。光伏预测里最有效的特征组合是当前辐照度、组件温度、环境温度、历史功率再加上时间编码小时的正弦余弦。# 构造时间编码特征 df_day[hour_sin] np.sin(2 * np.pi * df_day.index.hour / 24) df_day[hour_cos] np.cos(2 * np.pi * df_day.index.hour / 24) # 滑动窗口构造lookback8 表示回看 2 小时15分钟粒度 def create_sequences(data, target_col, lookback8, horizon1): X, y [], [] feature_cols [irradiance, module_temp, ambient_temp, power, hour_sin, hour_cos] for i in range(len(data) - lookback - horizon 1): X.append(data[feature_cols].iloc[i:ilookback].values) y.append(data[target_col].iloc[ilookback:ilookbackhorizon].values) return np.array(X), np.array(y) X, y create_sequences(df_day, power, lookback8, horizon1) print(X.shape, y.shape) # 例如 (8000, 8, 6) (8000, 1)逻辑说明时间编码用正弦余弦而不是直接填小时数是因为 23 点和 0 点在数值上差距大但在物理上连续编码后能保留周期性。参数说明lookback8 是超短期预测的常见起点对应 2 小时回看窗口horizon1 表示预测下一个 15 分钟点如果要做多步预测可以改成 4 或 8但误差会累积。特征列里保留历史功率是关键消融实验里去掉它 MAE 通常上升 20% 以上。提示划分训练集和测试集时不要随机打乱必须按时间顺序切分否则会出现「用未来数据预测过去」的泄漏问题这是毕业设计里最容易被答辩老师抓住的硬伤。3. LSTM 模型搭起来PyTorch 实现与关键参数设置3.1 网络结构选型单层还是堆叠隐藏单元取多少光伏功率预测不需要太深的网络。我试过 1 层、2 层、3 层 LSTM在 15 分钟粒度、几千条样本的量级下2 层比 1 层 MAE 降约 5%3 层反而过拟合。隐藏单元数从 32 到 256 都跑过64 或 128 是性价比最高的区间。下面是一个可直接用的 PyTorch 实现import torch import torch.nn as nn class PVLSTM(nn.Module): def __init__(self, input_size6, hidden_size64, num_layers2, output_size1, dropout0.2): super(PVLSTM, self).__init__() self.hidden_size hidden_size self.num_layers num_layers self.lstm nn.LSTM( input_sizeinput_size, hidden_sizehidden_size, num_layersnum_layers, batch_firstTrue, dropoutdropout if num_layers 1 else 0 ) self.fc nn.Linear(hidden_size, output_size) def forward(self, x): # x: (batch, seq_len, input_size) h0 torch.zeros(self.num_layers, x.size(0), self.hidden_size).to(x.device) c0 torch.zeros(self.num_layers, x.size(0), self.hidden_size).to(x.device) out, _ self.lstm(x, (h0, c0)) # 取最后一个时间步的输出 out self.fc(out[:, -1, :]) return out逻辑说明batch_firstTrue 让输入维度变成batch, seq, feature跟前面构造的 X 对齐dropout 只在多层时生效单层加 dropout 位置不对反而影响收敛。参数说明input_size 必须等于特征列数改了特征就要同步改hidden_size64 是起点数据量超过 5 万条可以试 128num_layers2 配合 dropout0.2 是常规组合。3.2 训练循环与损失函数选择光伏功率预测的损失函数用 MSE 还是 MAE取决于你更在意什么。MSE 对大误差惩罚重适合避免午间高峰预测偏离太多MAE 对整体平均误差更稳。我一般先用 MSE 训练再用 MAE 做验证指标这样答辩时两个数都能报。from torch.utils.data import DataLoader, TensorDataset # 按时间顺序切分前 80% 训练后 20% 测试 split int(len(X) * 0.8) X_train, X_test X[:split], X[split:] y_train, y_test y[:split], y[split:] train_ds TensorDataset(torch.FloatTensor(X_train), torch.FloatTensor(y_train)) train_loader DataLoader(train_ds, batch_size64, shuffleFalse) model PVLSTM(input_size6, hidden_size64, num_layers2) criterion nn.MSELoss() optimizer torch.optim.Adam(model.parameters(), lr1e-3) for epoch in range(100): model.train() for xb, yb in train_loader: pred model(xb) loss criterion(pred, yb) optimizer.zero_grad() loss.backward() optimizer.step()逻辑说明shuffleFalse 是时序数据必须遵守的打乱会破坏时间连续性batch_size64 在几千条样本下比较稳太小梯度震荡太大收敛慢。参数说明lr1e-3 是 Adam 的常用起点如果 loss 震荡可以降到 5e-4epoch100 配合早停策略实际有效轮次通常在第 30 到 60 之间。3.3 归一化别让辐照度和温度的量纲打架辐照度范围 0 到 1200温度范围 -10 到 45功率范围 0 到 100。如果不归一化LSTM 的梯度会被大数值特征主导小数值特征几乎不起作用。我一般对每个特征单独做 Min-Max 归一化预测后再反归一化回功率量纲。from sklearn.preprocessing import MinMaxScaler # 对特征和标签分别归一化 feature_scaler MinMaxScaler() target_scaler MinMaxScaler() X_flat X.reshape(-1, X.shape[-1]) X_scaled feature_scaler.fit_transform(X_flat).reshape(X.shape) y_scaled target_scaler.fit_transform(y.reshape(-1, 1)).reshape(y.shape)逻辑说明fit_transform 只能在训练集上做测试集要用训练集的 scaler 做 transform否则信息泄漏。参数说明MinMaxScaler 默认缩放到 [0,1]如果数据有极端离群值可以改用 RobustScaler但光伏数据清洗后一般不需要。注意归一化后的预测值必须用 target_scaler.inverse_transform 还原直接拿归一化值算 MAE 会得到看起来很小但毫无意义的数字这是答辩时经常被追问的点。4. 训练完就完事了评估、调参与多步预测的坑4.1 评估指标MAE、RMSE、MAPE 各自说明什么光伏预测的评估不能只看一个数。MAE 告诉你平均偏离多少 kWRMSE 对大误差更敏感MAPE 是百分比误差但夜间功率接近零时会爆炸。我一般三个都算但 MAPE 只在白天时段计算。from sklearn.metrics import mean_absolute_error, mean_squared_error model.eval() with torch.no_grad(): pred_scaled model(torch.FloatTensor(X_test)).numpy() pred target_scaler.inverse_transform(pred_scaled) true target_scaler.inverse_transform(y_test.reshape(-1, 1)) mae mean_absolute_error(true, pred) rmse np.sqrt(mean_squared_error(true, pred)) # 只对真实功率大于 5 kW 的样本算 MAPE mask true.flatten() 5 mape np.mean(np.abs((true.flatten()[mask] - pred.flatten()[mask]) / true.flatten()[mask])) * 100 print(fMAE: {mae:.2f} kW, RMSE: {rmse:.2f} kW, MAPE: {mape:.2f}%)逻辑说明MAPE 加掩码是避免夜间零功率导致的除零和虚高误差。参数说明5 kW 阈值根据电站装机容量调整小电站可以降到 1 kW。正常情况下15 分钟粒度超短期预测的 MAPE 能压到 10% 以内算不错低于 5% 要检查是不是数据泄漏。4.2 调参顺序先窗口再层数最后学习率很多人一上来就调学习率其实影响最大的是 lookback 窗口。窗口太短模型看不到趋势太长会引入无关信息。我的调参顺序是lookback 从 4 试到 16步长 4然后 num_layers 试 1 和 2最后 lr 在 1e-3 和 5e-4 之间选。每次只动一个参数记录验证集 MAE。参数候选值对 MAE 的影响建议lookback4 / 8 / 12 / 16影响最大8 通常最优先调这个hidden_size32 / 64 / 12864 到 128 提升有限数据少选 64num_layers1 / 2 / 32 层比 1 层好3 层过拟合选 2learning_rate1e-3 / 5e-4 / 1e-4影响收敛速度从 1e-3 开始dropout0.1 / 0.2 / 0.3数据少时 0.2 较稳配合层数用4.3 多步预测误差累积怎么缓解如果要做未来 1 小时4 个点的预测有两种策略直接多输出和滚动单步。直接多输出是一次性预测 4 个值误差不累积但模型难训练滚动单步是预测一个点后把预测值当输入继续预测误差会滚雪球。我一般用直接多输出horizon 设 4输出层改成 Linear(hidden_size, 4)。# 多步预测的输出层改动 self.fc nn.Linear(hidden_size, 4) # 预测未来 4 个 15 分钟点 # 对应的 y 构造时 horizon4 X, y create_sequences(df_day, power, lookback8, horizon4)逻辑说明直接多输出的损失函数对所有步一视同仁如果更在意第一步可以给损失加权。参数说明horizon4 对应 1 小时再往上误差会明显增大毕业设计做到 4 步足够展示能力。5. 那些年踩过的坑数据泄漏、过拟合与部署翻车记录5.1 现象验证集 MAE 低到离谱测试集一塌糊涂原因归一化时用了全量数据 fit或者划分数据集时随机打乱。解决scaler 只在训练集 fit测试集 transform切分必须按时间顺序前 80% 训练后 20% 测试中间不要交叉。5.2 现象训练 loss 一直降验证 loss 从第 10 轮开始涨原因模型记住了训练集的噪声典型过拟合。解决加 dropout 到 0.2 或 0.3减少 hidden_size或者加早停——验证 loss 连续 10 轮不降就停。5.3 现象预测曲线整体偏低午间高峰总是差一截原因MSE 损失下模型偏向预测均值高峰和低谷都被拉向中间。解决改用 MAE 损失或者对高峰样本加权也可以对功率做对数变换后再训练。5.4 现象换了一台机器跑结果完全不一样原因随机种子没固定PyTorch 的初始化、DataLoader 的 shuffle虽然时序不用都会引入随机性。解决在代码开头固定 torch.manual_seed(42)、np.random.seed(42)需要完全复现还要设 torch.use_deterministic_algorithms(True)。5.5 现象模型在测试集上表现好但实际部署后预测延迟高原因每次预测都重新加载模型或重复计算归一化参数。解决模型只加载一次scaler 参数保存成 pickle 文件预测时直接读取输入窗口用队列维护避免每次从头构造。提示毕业设计答辩时老师最常问的三个问题是「数据怎么清洗的」「为什么选 LSTM 不选 Transformer」「有没有做消融实验」。提前把这三个问题的答案写在文档里比多跑几个模型管用。6. 让毕业设计多拿十分消融实验与结果可视化的具体做法走到这里模型能跑、指标能看但离「高分项目」还差一步你得证明每个设计选择都是有理由的。我一般会做一组消融实验把特征逐个去掉看 MAE 怎么变。比如去掉历史功率、去掉时间编码、把 LSTM 换成普通 RNN各跑一次结果做成表格。这样答辩时你能说清楚「为什么是 LSTM 而不是 RNN」「为什么保留历史功率」而不是只会说「我用了 LSTM」。# 消融实验去掉历史功率特征 feature_sets { full: [irradiance, module_temp, ambient_temp, power, hour_sin, hour_cos], no_power: [irradiance, module_temp, ambient_temp, hour_sin, hour_cos], no_time: [irradiance, module_temp, ambient_temp, power], } for name, cols in feature_sets.items(): X_abl, y_abl create_sequences(df_day, power, lookback8, horizon1, feature_colscols) # 重新训练并记录 MAE # ...训练代码同上此处省略 print(f{name}: MAE{mae:.2f})逻辑说明消融实验的关键是每次只改一个变量其他超参数保持一致。参数说明feature_cols 需要作为参数传入 create_sequences所以前面的函数要稍微改一下签名。实际跑下来去掉历史功率 MAE 通常上升 15% 到 25%去掉时间编码上升 5% 左右这两个数写进论文就是实打实的贡献。可视化方面我习惯画三张图预测值与真实值的时序对比、散点图预测 vs 真实、误差随预测步长的变化。时序对比图最能说明问题但要注意截取有代表性的几天比如晴天、多云、阴天各一天而不是随机截一段。import matplotlib.pyplot as plt plt.figure(figsize(12, 4)) plt.plot(true[:96], labelActual, linewidth1.5) plt.plot(pred[:96], labelPredicted, linewidth1.5, linestyle--) plt.xlabel(Time Step (15 min)) plt.ylabel(Power (kW)) plt.legend() plt.title(Day-ahead PV Power Forecast) plt.tight_layout() plt.savefig(forecast_comparison.png, dpi150)逻辑说明取前 96 个点正好是一天方便观察日内变化。参数说明dpi150 保证论文插图清晰linewidth 区分真实和预测曲线。如果预测曲线在云遮挡时段明显滞后说明 lookback 窗口可能偏长模型反应不够快可以试着降到 4 或 6。最后说一个我自己的习惯每次跑完实验不管结果好坏都在一个 markdown 文件里记三行——改了什么、指标怎么变、下一步试什么。这个习惯让我在带学生做毕业设计时少走了很多弯路因为翻车的原因往往不是模型本身而是某个参数忘了同步改。希望帮到你。本文还有配套的精品资源点击获取