研究视觉卷积主干网络在多步骤光伏预测中的归纳偏差：一种ConvNeXt–LSTM方法 吕博瑞（Borui Lv）、 吴宗元（Zongxuan Wu）、 陈丙春（Bingcun Chen）、 王根良（Genliang Wang）、 万银珠（Yinzhu Wan）、 赵博亚（Boya Zhao）、 何敏怡（Minyi He）、 赵培坦（Peitan Zhao）、 王海丽（Haili Wang）以及 王丹（Dan Wang）

《Energies》：Investigating the Inductive Bias of Visual Convolutional Backbones for Multi-Step Photovoltaic Forecasting: A ConvNeXt–LSTM Approach Borui Lv, Zongxuan Wu, Bingcun Chen, Genliang Wang, Yinzhu Wan, Boya Zhao, Minyi He, Peitan Zhao, Haili Wang and Dan Wang

　　摘要 准确的超短期光伏（PV）功率预测对于维持电网稳定性和促进可再生能源集成至关重要。尽管卷积神经网络在计算机视觉领域表现出色，但其在时间序列预测中的有效性尚未得到充分验证。本研究系统地评估了一种ConvNeXt–LSTM混合模型，用于15分钟分辨率、16步预测（4小时）的光伏功率预测。结果表明，该模型的MAE降低了6.6%，RMSE降低了5.8%，统计显著性通过Wilcoxon符号秩检验得到确认（p < 0.05）。然而，性能提升高度依赖于架构设计，对核大小和通道宽度敏感，并且在过度扩展时收益递减。这些发现表明，面向视觉的卷积归纳偏见与时间序列特性之间存在结构性不匹配。此外，对损失函数和特征退化的分析显示，在特征减少的情况下，模型排名一致且鲁棒性增强。总体而言，本研究界定了现代视觉骨干网络在光伏预测中的应用边界，并为模型选择提供了实际指导。

1. 引言
随着可再生能源（如光伏系统）渗透率的持续增加，电网运营模式正逐渐从以可调度能源为主导转变为以随机发电为主导的系统。在这种情况下，对光伏输出进行短期精细预测已成为确保电网调度安全、最优储备容量分配和微电网能源管理的关键技术。特别是在高时间分辨率设置（例如15分钟间隔）和多步预测场景（例如4小时预测）中，预测误差直接影响调度安全裕度、系统稳定性和运营经济性[1,2]。近年来，深度学习方法在时间序列预测方面取得了显著进展。长短期记忆（LSTM）、时间卷积网络（TCN）和Transformer架构等模型表现出捕捉时间依赖性、日变化周期结构以及由气象干扰引起的不平稳波动的强大能力。因此，这些方法逐渐成为短期光伏预测的主流技术途径[3,4]。其中，以LSTM为代表的一维递归时间建模方法明确定义了因果时间依赖性，从而表现出有利的物理一致性和工程可解释性。因此，它们在实际电力系统应用中得到了广泛采用[5]。同时，最初为计算机视觉开发的深度卷积神经网络（CNN）越来越多地被引入时间序列建模任务[6]。一些研究试图将多变量时间序列转换为“伪2D图像”，或直接沿着时间维度引入深度卷积结构，以利用现代视觉骨干网络的强大特征抽象和表示能力[7]。由ConvNeXt[8]引领的下一代卷积架构的出现，通过将视觉Transformer的设计智慧整合到纯卷积框架中，重新激活了这一领域。这一系列通过关键架构改进得到了快速发展：ConvNeXt v2[9]引入了基于掩码自编码器的自我监督学习，而InceptionNeXt[10]和Conv2NeXt[11]进一步优化了计算效率和特征表示。这些模型的鲁棒性在最近的研究基准测试[12]和综合评论[13]中得到了强调，突出了它们的优越性能。除标准基准测试外，ConvNeXt范式的多功能性在多个专业领域得到了证明，从使用ConvUNeXt[14]进行医学图像分割到复杂任务如图像说明[15]和多模态面部年龄估计[16]。鉴于这一广泛的演变和高性能CNN的应用范围不断扩大，一个关键问题自然出现了：是否可以将源自2D空间域的归纳偏见——特别是局部特征的层次提取和空间平移不变性的假设——有效地转移到1D光伏功率时间序列上，以实现稳定和可重复的多步预测改进？然而，光伏功率时间序列在统计结构和生成机制上与自然图像有根本不同。在视觉领域，卷积依赖于空间平移不变性，假设特征在其位置变化时保持身份不变。相比之下，时间序列受强因果关系支配，并表现出时间依赖的语义意义。光伏输出同时受到天文因素（例如太阳仰角）和气象变化（例如云层覆盖）的影响，导致明显的非平稳性。因此，时间轴上的相似局部模式（例如功率输出的突然下降）可能对应于不同的根本物理条件，这削弱了在这种情况下平移不变性的严格适用性[17]。在本研究中，“归纳偏见”一词被用作解释模型行为和结构兼容性的经验视角，而不是作为一种形式化的理论特征。因此，将面向空间的卷积架构转移到光伏预测中需要仔细的经验评估，以确定其适用性和观察到的性能提升的有效性。尽管先前的研究试图通过引入更深层次的卷积结构或混合架构来提高预测精度，但现有文献仍存在几个限制：缺乏在统一实验框架下的系统比较评估；对性能提升来源的结构层面理解有限；从时间物理一致性的角度对视觉模型归纳偏见的应用边界分析不足。

为了解决这些研究空白，本研究专注于15分钟时间分辨率和16步预测（4小时）范围的超短期光伏功率预测任务。ConvNeXt这个名字结合了“卷积”和“下一代”架构（基于ResNeXt的传统），旨在在视觉Transformer时代现代化标准卷积神经网络（CNN）。通过将Transformer的先进设计原则（如更大的核、反向瓶颈和层归一化）整合到纯卷积框架中，ConvNeXt重新建立了CNN在高级特征抽象方面的竞争力。构建了一个ConvNeXt–LSTM混合模型，并进行了系统评估，其中ConvNeXt作为特征编码器提取高维时间表示，随后由LSTM建模以捕捉序列依赖性。在统一的数据集、训练协议和评估指标下，将提出的模型与几种代表性架构进行了比较，包括独立的LSTM、TCN、CNN–LSTM和基于Transformer的模型[18]。实验结果表明，在严格独立的测试集条件下，ConvNeXt–LSTM在多个误差指标上始终优于传统的LSTM和CNN–LSTM，验证了深度卷积特征编码器在递归时间建模框架内的有效性[19]。此外，消融研究和鲁棒性分析表明，观察到的性能提升不能仅仅归因于模型规模的增加；相反，相对于感受野大小、通道宽度和整体复杂性，观察到了明显的边际收益递减[20]。这些发现表明，虽然ConvNeXt增强了局部时间特征的抽象，但其卷积归纳偏见与光伏序列的固有绝对时间语义之间存在一定程度的结构张力。本研究证明了通过适当的混合设计，可以在保持时间物理约束的同时利用基于视觉的特征提取的表示优势，从而在复杂的气象干扰下实现更稳健的性能。

2. 材料与方法
2.1. 预测任务的正式化
设时间步t的光伏（PV）电站的观测特征向量为（1），其中F表示输入特征的维度，包括气象变量和历史功率测量值。相应的归一化有功功率输出由（2）给出。使用滑动窗口策略构建监督学习样本。给定一个长度为L的历史窗口和一个多步预测范围H，模型输入和输出定义为（3）（4）。因此，预测任务可以形式化为学习一个非线性映射函数（5），其中θ表示模型参数。在本研究中，时间分辨率设置为15分钟，历史窗口长度固定为L = 96（对应24小时），预测范围为H = 16，代表一个4小时前的直接多步预测任务。

2.2. 统一时间建模框架
所有模型都在一个统一的架构下实现，包括（6），其中Φ(·)表示局部特征提取模块（卷积层或线性嵌入）；Ψ(·)表示时间依赖性建模模块（LSTM、TCN或Transformer）；Γ(·)表示多步回归头。这个统一框架确保不同模型仅在Φ和Ψ的结构设计上有所不同，而预测公式和输出维度保持不变，从而为比较评估提供了公平和严谨的基础。

2.3. 提出的模型：ConvNeXt–LSTM
本研究的主要贡献是在光伏功率预测背景下对ConvNeXt架构的适应和系统评估。具体来说，我们旨在弥合先进视觉表示学习与多尺度时间建模之间的 gap，从而提供跨领域架构可转移性的新见解。在这个框架中，最初为视觉表示学习开发的ConvNeXt与基于LSTM的时间建模模块相结合，构建了ConvNeXt–LSTM模型。本研究不强调架构新颖性，而是系统地研究现代视觉骨干网络到光伏（PV）功率预测的跨领域可转移性。为了严格评估所提出的方法，我们实现了几个代表性的基准模型，包括LSTM、TCN、Transformer和CNN–LSTM，基于已建立的研究。这些模型作为基准，便于在不同时间建模范式之间进行综合比较。为了进一步研究基于视觉的卷积结构在时间序列预测中的适用性，使用ConvNeXt[24,25]作为特征编码器。首先将时间序列转换为伪2D表示（7），其中W表示线性投影后的通道宽度。然后使用ConvNeXt提取空间特征（8），将结果表示沿时间维度重塑为序列形式（9），并随后输入LSTM模块以建模时间依赖性（10）。该模型旨在评估当应用于光伏时间序列预测任务时空间平移不变性假设的有效性。

2.4. 对比基准模型
2.4.1. LSTM基准模型[26]
LSTM基准模型直接将时间序列建模为（11），提取最终时间步的隐藏状态并通过全连接层生成多步预测输出（12）。
2.4.2. TCN模型[27]
时间卷积网络（TCN）使用因果扩张卷积来提取多尺度时间特征（13），每个卷积层满足因果约束，感受野随网络深度呈指数增长。最终预测向量通过全连接层获得。
2.4.3. Transformer模型[28]
输入序列首先进行线性嵌入并添加位置编码（14），然后应用多头自注意力来建模全局时间依赖性（15），在堆叠多个编码层后，利用最终时间步的表示进行回归。
2.4.4. CNN–LSTM[29,30]
在这种混合架构中，首先使用一维卷积提取局部时间模式（16），采用多尺度卷积核增强感受野多样性（17），然后将得到的卷积特征序列输入LSTM模块（18），最后全连接层执行多步回归（19）。这种结构符合“局部模式提取 + 长期依赖性建模”的经典时间建模范式。损失函数
为了平衡对异常值的鲁棒性和表征相对误差的能力，采用了一种基于Huber函数的相对误差损失：
（20）
（21）
其中
（22）
为了进一步提高高功率白天的预测准确性，引入了一个功率-幅度权重系数wi：
（23）
在第3.6节中，还引入了CNN–LSTM和ConvNeXt–LSTM模型的替代损失函数，以针对不同的优化目标进行鲁棒性分析。除了那一节，本研究中的所有数值实验都使用了上述基于Huber的相对误差损失。

3. 结果
3.1. 数据集和预测任务
使用来自中国内蒙古一个大规模并网光伏电站的实际运行功率记录作为主要数据集，该记录覆盖了连续的14个月期间。数据集包含了以15分钟为分辨率记录的电站级有功功率测量值。
由于现场气象测量数据的不可获得，包括辐照度、温度、风速和湿度在内的外生天气变量是从ERA5再分析数据集（ECMWF）中提取的。为了与预测粒度对齐，这些气象数据被时间同步，并使用三次样条插值从每小时分辨率上采样到15分钟间隔，以确保天气轨迹的连续性和平滑性。
研究区域内蒙古的鄂尔多斯位于K?ppen–Geiger气候分类系统中的寒冷半干旱气候（BSk）地区。该地区的气象条件变化较大，包括频繁的辐照度波动、强风和较大的日温差。这些因素给光伏功率输出序列带来了显著的非平稳性，从而创造了具有挑战性的预测场景。
设光伏电站的额定容量为P，则所有功率测量值都按以下方式标准化：
（24）
预测任务的设置如下：
回顾窗口大小：L = 96（24小时历史窗口）；
预测范围：H = 16（4小时预测范围）；
15分钟分辨率。
为了确保公平评估，模型预测结果与未经过任何平滑处理或后处理的真实电站级有功功率测量值进行了比较。数据集按照大约7:2:1的比例分为训练集、验证集和测试集，以模拟现实世界中的前瞻性预测，并防止时间信息泄露。

3.2. 实验设置
所有模型都在相同的数据分割和输入输出格式下进行训练和评估，以确保公平比较。输入样本的形状定义为：
（25）
其中B、F、L = 96、H = 16分别表示批量大小、特征维度和预测范围。统一的训练配置总结在表1中。

3.3. 评估指标
[31]
为了全面评估多步预测性能，采用了以下指标：
MAE：
（26）
2.RMSE：
（27）
其中N表示测试集中的预测点总数（包括所有16个预测步骤）。
此外，为了强调在高峰发电期间的工程相关性，还报告了一个在白天时间间隔内计算的加权MAE作为辅助指标。

3.4. 对比模型和实现细节
3.4.1. 对比模型
为了系统地评估超短期光伏功率预测的时间建模范式，本研究开发并比较了四种代表性的深度学习模型以及一个消融模型。所有模型都在统一的数据预处理、输入输出配置和训练协议下进行评估，以确保公平比较。
模型A：LSTM
（28）
没有使用卷积特征提取模块。时间依赖性是直接从原始的多变量时间序列中学习的，作为评估基于卷积的局部结构建模贡献的基线。
模型B：TCN
TCN使用因果卷积和膨胀卷积构建一个深层时间感受场，其输出表示为
（29）
该网络由多个堆叠的残差块组成。核大小设置为某个值，膨胀率呈指数增长以捕获长期时间依赖性。TCN代表了一种纯一维卷积时间建模范式。
模型C：Transformer
构建了一个基于自注意力的序列预测模型。在输入序列中添加了位置编码，然后将其输入多个Transformer编码器层：
（30）
多头注意力用于模拟全局时间相关性。然后使用最终时间步骤的隐藏状态进行多步回归。该模型代表了一种全局依赖性建模范式。
模型D：CNN–LSTM
这种混合模型首先使用一维时间CNN提取局部时间模式，然后使用LSTM建模长期依赖性。其结构可以描述为：
（31）
CNN由级联的多尺度卷积核（7, 5, 3）组成，以捕获不同时间尺度的局部变化。LSTM有两层，隐藏维度为256。全连接层输出未来的功率预测。
该模型将局部模式提取和长期依赖性建模集成在光伏时间序列预测中。
5. 消融模型：ConvNeXt–LSTM
为了研究二维空间卷积在时间序列建模中的适用性，构建了一个消融模型，在该模型中，时间CNN编码器被ConvNeXt骨干替换。具体步骤如下：
时间序列被投影到一个伪二维表示中；
应用ConvNeXt提取“时间-特征图像”表示；
空间维度被 flattened，然后输入LSTM模块以建模时间演化。
整个结构表示为：
（32）
该模型旨在检验在计算机视觉中证明成功的平移不变卷积归纳偏置是否适用于具有强周期性和非平稳性的光伏功率时间序列。
ConvNeXt–LSTM消融模型的整个流程如图1所示，该图可视化了从伪二维投影到使用ConvNeXt的空间特征提取，最终到使用LSTM的时间建模的数据流。

3.4.2. 统一训练和超参数设置
为了确保公平比较，所有模型都在相同的数据分割、训练周期数、优化器类型、初始学习率和批量大小下进行训练。随机种子被固定，以消除训练过程中的随机波动。主要结构参数总结在表2中。如表2所示，模型在深度、隐藏维度和卷积结构上有所不同，导致参数规模存在差异。由于没有强制严格的参数匹配，因此比较结果应主要解释为在不同架构设计在统一实验设置下的表现差异，而不是完全由模型容量控制的比较。
尽管没有观察到参数数量与预测误差之间的明确单调关系，但模型容量的潜在影响不能被排除。因此，以下部分中呈现的鲁棒性和消融结果应谨慎解释，因为观察到的性能提升可能部分归因于模型容量的差异，而不仅仅是架构的适用性。

3.5. 多模型多步预测性能比较
选定的内蒙古光伏电站位于气象条件高度不稳定的地区。这种设置给预测带来了重大挑战，因为多步预测必须能够在频繁的天气诱导的功率波动下保持鲁棒性。预测任务涉及一个长的输入窗口（96步）和4小时（16步）的多步预测。与单步预测相比，多步预测受到误差累积的影响。此外，测试集包含大量多云和下雨的样本，增加了建模难度。
因此，本研究重点关注不同结构归纳偏置的相对性能，而不是在特定超参数配置下追求绝对最小误差。
在统一的数据集（最大功率12,503.37 kW；平均功率3165.66 kW）、输入窗口长度（L = 96）和预测范围（H = 16）下，对四种主流时间序列模型和消融模型进行了定量评估。在逆归一化到实际电站级功率规模（kW）后计算MAE和RMSE，仅考虑白天的样本（功率 > 100 kW），以确保评估在物理上有意义的操作范围内进行。

3.5.1. 定量结果
图2展示了所有评估模型在16步（4小时）预测范围内的逐步MAE演变。图2. 4小时预期光伏功率预测的逐步MAE。在统一的实验设置下，验证集上的多步预测误差列在表3中。表3显示，在当前的16步预测设置下，Transformer获得了最佳的总体准确性，具有最低的MAE和RMSE。ConvNeXt–LSTM排名第二，在同一实验中的表现优于LSTM、TCN和CNN–LSTM。因此，ConvNeXt–LSTM的相关性不在于它是最佳的总体预测模型，而在于它提供了一个具有相对稳定表现的竞争性混合替代方案。在当前的单站、固定范围设置中，这些结果表明，引入基于视觉的卷积编码器可以提高性能，优于传统的循环或时间卷积基线，同时仍低于Transformer的基准。

3.5.2. 消融研究：用ConvNeXt替换时间CNN
为了分析基于深度视觉的卷积结构在时间序列任务中的适用性，时间CNN编码器被ConvNeXt骨干替换，同时保持所有其他训练设置不变。
结果显示，在相同条件下：
（33）
MAE从1407.78 kW降低到1345.35 kW；RMSE从2073.23 kW降低到1988.34 kW。这两个指标都显示出一致的减少。
这一发现表明，ConvNeXt的大感受场和分组卷积设计能够更全面地提取日内功率演变中的多尺度特征。
然而，应该注意的是，ConvNeXt仍然基于平移不变假设，而光伏时间序列具有强烈的时间-位置语义和非平稳特性。因此，性能的提升更可能归因于感受场的扩展和增强的通道表示能力，而不是卷积归纳偏见本身的内在物理适用性。
这一现象在后续的鲁棒性和结构分析中进一步讨论。

3.5.3. 统计显著性和误差分布分析
为了验证模型之间性能差异的统计可靠性，对测试集中的逐步预测误差进行了非参数显著性测试。考虑到误差分布可能偏离正态性，采用Wilcoxon符号等级测试对模型之间的MAE进行配对比较。
图3展示了三种模型的日预测误差的比较分析。具体来说，图3a显示了日MAE的分布，其中ConvNeXt–LSTM模型（由绿色分布表示）在较低范围内显示出更集中的误差密度，与标准LSTM和CNN–LSTM模型相比。这表明其在日性能方面的稳定性更好。图3b展示了测试期间的日MAE变化。时间趋势显示，尽管所有模型都因天气条件变化而经历性能波动，但ConvNeXt–LSTM架构始终保持较低的误差峰值，特别是在太阳波动较大的时期。这些结果证实，集成ConvNeXt骨干有效地增强了模型捕捉复杂日功率模式的能力。

3.6. 不同损失函数下预测性能的鲁棒性分析
光伏（PV）功率时间序列表现出显著的非平稳性和强烈的幅度波动。不同的损失函数在对异常值、峰值区间和低功率时期的敏感性上存在差异，这可能会显著影响训练的稳定性和最终的预测性能。为了考察模型结论对错误度量选择的依赖性，在统一的网络架构和训练策略下引入了五种主流的回归损失函数：

1. Huber损失（简称Huber）(34)
2. 均方误差（简称MSE）(35)
3. 相对平滑L1损失（简称RSL1）(36)
4. 白天加权相对误差损失（简称Weighted-Rel）(37)
5. 均方对数误差（简称MSLE）(38)

在此，权重函数（·）随着功率幅度的增加而增加，以强调在高发电量的白天期间的预测准确性。

在上述五种损失函数下，分别训练了模型D（CNN–LSTM）和消融模型（ConvNeXt–LSTM）。为了减少随机初始化的影响，使用三个不同的随机种子（42、2026、123）重复了实验。在逆归一化后，对同一验证集计算了白天的MAE和RMSE。

图4展示了五种不同损失函数下的中位MAE性能及其对应的最小-最大范围。通过使用三个不同的随机种子（42、2026和123）重复实验，我们观察到ConvNeXt–LSTM模型（消融模型）在所有测试的损失函数下，一致地实现了更低的中位白天气MAE和RMSE值。此外，ConvNeXt–LSTM架构的较小最小-最大范围（由阴影区域表示）表明该模型更加稳定，不易受到随机权重初始化引起的变化影响。这一比较分析证明了ConvNeXt主干的结构性优势在不同优化标准下是稳健的，增强了其用于可靠太阳能预测的适用性。

表4总结了在不同损失函数配置下的预测性能。实验结果表明，ConvNeXt–LSTM在不同的设置下保持了具有竞争力的预测准确性，表明其在所研究的损失设计下的性能排名相对稳定。然而，由于没有强制进行严格的参数匹配，这些结果应被视为当前实验设置内的相对稳健性的证据，而不是确凿证明观察到的优势仅仅来源于架构的优越性。使用三个随机种子（42、123和2026）获得的详细结果见附录A（表A1、表A2和表A3）。

3.6.1. 不同损失函数的整体趋势
在三个随机种子下，ConvNeXt–LSTM在Huber、MSE和MSLE损失下始终表现优于CNN–LSTM，在MSE和Huber损失下的优势更为明显，表明其具有超越随机初始化的稳健可重复性。虽然不同的损失函数改变了误差的规模和敏感性——MSE强调异常值，MSLE减少了波动，而RSL1放大了低功率误差——但整体模型排名保持不变。值得注意的是，ConvNeXt–LSTM在RSL1损失下仍实现了大约24.8%的MAE降低，显示出强大的跨损失稳健性。

3.6.2. 混合模型对损失函数选择的敏感性
总体而言，改变损失函数对MAE和RMSE的影响大于对其相对性能排名的影响。ConvNeXt–LSTM在评估的所有损失函数中均具有竞争力；然而，其优势的程度取决于优化目标，不应理解为在所有条件下都均匀较大。由于没有强制进行参数匹配，本节中的发现应被视为当前实验设置内的相对稳健性的证据，而不是证明观察到的差异完全来源于模型架构的差异。随机种子42、123和2026的详细结果见附录A。

3.7. ConvNeXt的时间适应性和感受野敏感性
本节关注三个问题：更大的感受野是否有助于提高短时段光伏预测的性能，在当前数据集下额外的通道宽度有多大帮助，以及更深的变体是否能够提供与其复杂性相称的准确性提升。

通过控制变量方法，在保持LSTM结构、训练周期、优化器和Huber损失不变的情况下，研究了三个结构维度：
1. 核心大小：用于检验局部感受野捕捉光伏功率波动模式的能力。
2. 网络深度d：通过主干变体（Atto和Nano）进行调整，以评估更深层次特征抽象的收益。
3. 通道宽度W：特征投影宽度（伪图像宽度），决定了时空编码的表示能力。

为了系统地研究结构参数对模型性能的影响，进行了广泛的消融研究。图5展示了不同配置下的预测误差（MAE和RMSE）。具体来说，图5a考察了不同核心大小的效果，而图5b和图5c分别说明了模型对通道宽度和架构复杂性的敏感性。

3.7.1. 感受野规模的影响
从表5可以看出，在当前数据集和预测设置下，最小的核心大小（k = 3）实现了最低的MAE（1288.03 kW），优于k = 5和k = 7。这表明在超短期预测任务中，小规模卷积核心（k = 3）在捕捉光伏输出的突然短期波动方面更有效。相比之下，更大的核心扩大了感受野，但引入了平滑效应，可能会掩盖高频的局部变化，导致性能略有下降。核尺寸之间的相对有限的误差差异表明，在这种任务规模下，感受野扩展的边际回报递减。

3.7.2. 特征宽度和模型容量
随着特征投影宽度从32增加到128，MAE呈现出一致的下降趋势，从1403 kW降至1332 kW。这一趋势表明，在固定网络深度的情况下，扩展通道维度增强了模型表示复杂多变量气象信息的能力。然而，性能提升是非线性的；具体来说，随着宽度的增加，误差降低的速率减小。这表明对于特定的光伏数据集，存在一个表示容量饱和点，超过这个点后，进一步扩展通道会导致预测准确性的边际收益减少。

3.7.3. 网络深度和层次特征抽象
Nano变体（2.54 M参数）相比Atto变体（1.01 M参数）实现了更低的预测误差。这表明增加网络深度有助于提取更高级别的抽象特征。然而，尽管Nano实现了最低的误差，但其参数数量大约是Atto的2.5倍。从工程部署和计算效率的角度来看，这种边际精度的提升可能不值得增加计算成本。因此，需要在复杂性和准确性之间进行权衡。

3.8. 特征退化鲁棒性分析
为了评估模型对输入特征维度变化的敏感性，进行了特征退化实验。在相同的训练策略、预处理流程和随机种子设置下，评估了三种代表性结构：LSTM、CNN–LSTM和ConvNeXt–LSTM。

如图6所示，输入特征的数量从15逐步减少到10，然后到5，以评估在信息有限条件下的性能。所有实验都使用了Huber损失，并计算了逆归一化的白天气MAE。

4. 讨论
4.1. ConvNeXt-LSTM的条件性能提升和结构界限
测试集结果显示，与从验证集得出的结论相比，ConvNeXt–LSTM在严格的评估条件下表现更具竞争力。在特定的损失函数和模型配置下，其MAE和RMSE低于CNN–LSTM。这些发现表明，深度卷积结构能够有效地提取对光伏功率预测有益的局部变化模式，特别是在功率波动强烈的白天时段。然而，这一优势既不是模型架构固有的，也不是普遍保证的。消融实验表明，ConvNeXt–LSTM的预测准确性高度敏感于卷积核心大小、通道宽度和整体模型规模。当核心大小过大或通道宽度显著增加时，预测误差会上升而不是下降。这表明简单地扩大感受野或增加参数数量并不能持续提升时间序列预测的性能。结果突显了在应用视觉卷积架构到时间预测任务时的明显边际回报递减。

4.2. 时间结构不匹配和卷积归纳偏置的影响
从建模角度来看，ConvNeXt采用的深度可分卷积和层归一化基于二维空间卷积的平移不变性假设。尽管这一假设在图像任务中非常有效，但它并不自然地适用于光伏时间序列数据，因为在光伏时间序列中，不同的时间位置（例如，早晨的功率上升、中午的平稳期、晚上的功率下降）对应着不同的物理过程和统计分布。相比之下，一维时间卷积结构（如时间卷积神经网络（temporal CNN）和时间卷积网络（TCN）通过因果约束和方向性感受野扩展，更有效地保持了时间顺序和位置语义。因此，在更长的预测范围内，它们的误差下降更为稳定。这一观察结果与实验结果一致，实验结果显示在多步预测中误差呈阶梯式增长，这进一步证明了时间结构的不匹配。

4.3. 损失函数的鲁棒性和结论的稳定性
在多种损失函数设置下，模型性能的整体排名保持一致，这表明研究结论并不受特定损失函数选择的影响。基于相对误差的损失函数和加权相对Huber损失函数在高功率白天时段表现出更好的稳定性，有效减轻了系统性的峰值期偏差。然而，它们并没有改变不同模型结构之间的相对优势。这进一步证实了架构设计和时间建模机制是预测性能的主要决定因素[32]。

4.4. 特征退化鲁棒性
来自特征消融研究的一个重要观察结果是，增加输入特征的数量并不一定能够带来预测准确性的单调提升。这一发现表明，光伏功率预测主要受到太阳能发电固有变异性和不确定性的影响，而不仅仅是模型容量或特征丰富度的因素[33]。与传统基于LSTM的模型相比，ConvNeXt–LSTM在特征减少的条件下表现出更强的鲁棒性。这种鲁棒性可以归因于ConvNeXt主干网络引入的卷积归纳 bias，它有助于在序列建模之前有效地进行时间聚合和局部模式提取。因此，该模型对个别气象变量的依赖性较低，更适合处理传感器数据不完整或有噪声的情况。此外，使用Huber损失函数所获得的一致性能提升表明，鲁棒的损失函数更适合光伏功率预测任务，在这些任务中，偶尔可能会出现由于突发天气变化或测量噪声导致的极端误差。总体而言，这些结果表明在特征受限条件下，架构鲁棒性在光伏功率预测中起着重要作用。然而，由于本研究没有包括对模型训练成本、推理延迟或部署复杂性的对照比较，目前的发现不应被解释为部署优势的证据。

5. 结论与未来工作
5.1. 结论
本研究提出了一个混合建模框架，将视觉卷积主干网络ConvNeXt与LSTM结合起来，用于超短期光伏（PV）功率预测。该模型能够以15分钟的时间分辨率进行16步预测（提前4小时）。在统一的实验设置中，我们进行了基准比较、结构消融研究、统计显著性测试和多维鲁棒性分析。主要发现总结如下：
首先，ConvNeXt–LSTM模型在多步预测中的表现显著优于传统的LSTM基线模型。在16步预测范围内，MAE和RMSE分别降低了约6.6%和5.8%。Wilcoxon符号秩检验（p < 0.05）证实这些改进具有统计学意义，表明深度卷积特征编码有效地捕捉了光伏功率时间序列中的局部非平稳时间模式。
其次，与CNN–LSTM模型相比，ConvNeXt–LSTM在预测准确性上有所提升；然而，统计测试显示这些差异并不显著。这一结果表明，在当前的预测尺度下，ConvNeXt代表了时间卷积架构的优化进化，而非颠覆性创新。其性能提升似乎依赖于特定的结构特性。
第三，使用MSE、Huber、MSLE和加权相对误差进行的跨损失实验显示了模型之间的一致性能排名。尽管像Huber这样的鲁棒损失函数在高功率时段提供了更好的收敛稳定性，但架构归纳 bias仍然是影响预测准确性的主要因素，而非损失函数的选择。
第四，超参数网格搜索结果表明，预测准确性与感受野大小或通道宽度之间没有线性关系。适度的结构扩展可以减少预测误差，而过度模型缩放则会导致收益递减，在某些情况下甚至会导致性能下降。这些发现强调了在当前任务设置下，根据光伏时间序列的物理特性进行结构适应比简单参数缩放更为重要。然而，由于没有进行严格的参数匹配，因此不能完全排除模型容量的独立贡献。
第五，特征退化实验表明，当输入特征的数量从15维减少到5维时，ConvNeXt–LSTM仍保持了强劲的性能韧性。其对特征完整性的敏感性明显低于传统的LSTM模型。这种鲁棒性来源于卷积编码阶段，该阶段能够在多变量输入下实现空间聚合和特征重建，从而在传感器故障或数据缺失的情况下提高实际适用性。
总之，本研究证明了将ConvNeXt主干网络集成到基于LSTM的框架中，对于超短期光伏功率预测（15分钟分辨率，16步预测范围）的有效性。ConvNeXt–LSTM模型在保持循环建模的物理连续性的同时，结合了视觉领域的归纳 bias，在预测准确性和计算鲁棒性之间取得了良好的平衡。然而，这些发现仅适用于所测试的实验条件。为了评估所提出框架的更广泛适用性，需要在不同的数据集和运行条件下进行进一步验证。

5.2. 未来工作
尽管本研究采用了系统的实验框架，但仍存在一些局限性。首先，研究结果基于来自单一气候区的一个光伏电站数据集和固定的预测任务（15分钟分辨率，4小时预测范围）。这限制了所提出的ConvNeXt–LSTM模型的通用性。因此，未来的研究应在包含不同地理位置、气候条件和季节变化的多个基准数据集上评估其性能，以确定其更广泛的适用性。
其次，尽管进行了非参数统计显著性测试，但通过重复实验和多次随机数据分割可以进一步加强结果的鲁棒性。
第三，视觉卷积架构在应用于时间序列预测任务时本质上会引入时间语义不匹配。未来的研究可以探讨显式的时间位置编码或轻量级的注意力机制，以更好地将卷积归纳 bias 与光伏功率时间序列的非平稳动态对齐。
最后，从实际部署的角度来看，本研究缺乏对模型训练成本、推理延迟和部署复杂性的统一定量比较。在声称其在实时调度和嵌入式能源管理应用中的实际优势之前，进行这样的控制评估是必要的。