ZAPP：一种零感知的光伏发电量预测框架——在保障回归精度的同时大幅降低近零百分比误差

《Scientific Reports》：ZAPP: a zero-aware photovoltaic power prediction framework

　　

摘要

预测光伏发电器的输出并不简单，尤其是在数值接近零的时候，因为即使是非常小的误差也可能导致巨大的百分比误差。我们提出了一种新的预测框架 ZAPP（零感知光伏发电量预测器），它能够在处理近零误差的同时保持较高的预测精度。该模型不依赖于单一的回归模型，而是在一个基础回归模型之上附加了两个优化阶段。第一个阶段称为 ZeroGate，用于预测输出是否应为零。第二个优化阶段为低功率 MAPE 缩减器，它在不影响基于尺度的回归指标的前提下，对接近零水平的非零输出进行微调。数据集按时间顺序划分为训练集、验证集和测试集，确保在模型开发、阈值调整、集成加权或校准过程中不使用测试数据。实验评估的基础模型包括持续性模型（Persistence）、岭回归（Ridge）、XGBoost、LSTM、Transformer 以及混合的 Ridge–XGBoost 模型。研究使用了两个独立的数据集以增强结果的质量。对于混合模型，在数据集 1 上 sMAPE 从 60.57% 降至 11.07%。其最终的 MAE、RMSE 和 R² 分别为 22.37、60.72 和 0.9637。在数据集 2 上，sMAPE 从 63.30% 降至 11.92%，其中 MAE = 52.24，RMSE = 144.60，R² = 0.9559。零感知校正主要减少了百分比误差，而没有削弱整体的回归结果。