基于机器学习提升太阳能功率预测：集成方法的比较研究及可解释人工智能洞见

《Next Energy》：Enhancing solar power prediction using machine learning: A comparative study of ensemble approaches with explainable AI insights

　　

太阳能功率预测对于实现高效能源规划与电网稳定至关重要。然而，由于大气条件的动态变化以及光伏（PV）系统的非线性特征，该过程具有较高复杂性。本文通过评估6种集成模型在太阳能功率预测中的表现，对多种机器学习方法的有效性进行了比较，包括极端随机树（Extra Trees）、随机森林（RF）、梯度提升机（GBM）、LightGBM、极端梯度提升（XGBoost）和类别提升（Categorical Boosting）。研究采用来自马来西亚UTP Solar Research Park某光伏装置的高分辨率数据集，该场址位于北纬4.361°、东经100.98°。数据集覆盖2025年6月2日至2025年7月2日，共包含51,714个样本，整合了时间序列、气象及电学变量，包括辐照度、环境温度、湿度、光伏表面温度、电流、电压和功率，这些数据均由场站光伏监测与数据采集系统测得。研究采用决定系数（R²）、均方根误差（RMSE）、平均绝对误差（MAE）和赤池信息准则（AIC）对模型性能进行评估。所有模型均表现出较高的预测能力。然而，RF显示出更强的泛化能力，其测试集最佳R²为0.9849，RMSE为0.7442 W，MAE为0.5374 W，且AIC最低，为34760.0520。XGBoost取得了最佳总体R²（0.9949）以及近乎完美的训练集R²（0.9999），但训练与测试性能之间存在显著差异，提示其发生了过拟合。置换重要性（Permutation Importance）与Shapley加性解释（SHAP）数值在识别最重要预测因子方面具有一致性，均表明Hour与Humidity是最显著的预测变量，而Surface Temperature发挥中等程度作用。特征重要性分析结果与光伏及大气物理原理相一致，提示所建模型具有物理合理性。

该文发表于《Next Energy》，研究聚焦于短期太阳能功率预测中模型精度、泛化能力与可解释性的统一评估问题。随着全球能源系统向低碳化转型，太阳能光伏（PV）发电已成为增长最快的可再生能源形式之一。然而，PV输出受太阳辐射、空气湿度、温度及云层等多种气象因素共同影响，具有显著随机性、非线性、多时间尺度波动性和非平稳性，这使得传统线性统计模型难以获得稳定可靠的预测结果。现有机器学习（ML）研究虽已广泛应用于太阳能或辐照度预测，但不同研究之间往往采用不同数据集、不同特征工程流程和不同评价指标，导致模型优劣难以在统一框架下判断。此外，部分高精度模型在训练集上表现极佳，却缺少对测试集泛化能力和过拟合风险的严格考察。与此同时，许多高性能模型仍具有“黑箱”属性，限制了其在实际电力调度与能源管理中的可信应用。因此，开展一项在一致实验框架下对多种集成学习模型进行系统比较，并结合可解释人工智能（XAI）验证其物理合理性的研究，具有明确的方法学与工程应用价值。

围绕上述问题，研究人员以马来西亚Universiti Teknologi PETRONAS太阳能研究园区的实测PV系统数据为基础，构建了一个短期太阳能功率预测比较框架，对6种树模型集成算法进行统一训练、调参与测试，分别为极端随机树（ET）、随机森林（RF）、梯度提升机（GBM）、LightGBM、极端梯度提升（XGBoost）和类别提升（CatBoost）。研究结果表明，6种模型整体上都具备较高预测精度，但在综合测试集预测性能、信息论复杂度和泛化稳定性后，RF是最稳健的模型；而XGBoost虽然具有最强训练拟合能力和最高总体R²，但存在更明显的过拟合倾向。进一步地，基于置换重要性与SHAP分析，研究人员确认Hour和Humidity是驱动太阳能功率变化的主导特征，Surface Temperature具有中等影响，这一结果与PV系统受日变化规律、湿度散射吸收效应及电池温度效应影响的物理机理一致。该研究的重要意义在于，不仅识别出适用于该数据条件下的优势模型，也证明了将预测精度、模型复杂度与物理可解释性联合评估，是建立可信太阳能预测模型的有效路径。

在技术方法方面，研究主要采用以下几类关键方法。首先，样本来源于UTP Solar Research Park在2025年6月2日至7月2日期间采集的高分辨率运行数据，共51,714个样本，包含时间变量、气象变量与电学变量。其次，研究进行了时间戳转换、缺失值剔除、异常值清洗和基于Pearson相关分析的特征筛选，并采用按时间顺序的70:30训练—测试划分以避免时间泄漏。再次，利用随机搜索结合5折交叉验证对6种集成模型进行超参数优化，并以R²作为调参目标。最后，采用R²、RMSE、MAE、AAPRE和AIC进行性能评估，同时结合置换重要性和SHAP开展模型可解释性分析。

在研究结果部分，论文首先在“3.1.1 Cross-validation performance”中报告了交叉验证结果。研究人员发现，所有模型在5折交叉验证中均取得较高R²，说明这些集成算法在统一框架下均具有较强的学习能力和潜在泛化性。其中，GBM获得最高交叉验证R²（0.9857），XGBoost、RF、CatBoost和LightGBM紧随其后，ET略低但仍保持较高水平。这一结果表明，树模型集成方法整体适用于该类太阳能功率预测任务。

在“3.1.2 Model performance metrics”中，论文进一步比较了训练集、测试集和全体样本上的误差指标。结果显示，XGBoost在训练集上的表现最强，训练R²达到0.9999，RMSE和MAE极低，说明其能够高度拟合训练数据；GBM、RF和CatBoost在训练集上也表现优异。但在测试集上，RF取得最高R²（0.9849）和最低RMSE（0.7442 W）、MAE（0.5374 W），表现出最好的综合预测效果。XGBoost虽然测试表现仍然较好，但训练—测试差距最大，显示其更易受到过拟合影响。研究据此指出，在实际部署场景中，测试集稳定性和泛化能力比极端的训练精度更为重要。

在“3.1.3 Uncertainty and reliability analysis”中，研究人员利用测试集残差开展不确定性分析，通过经验95%残差边界和95%绝对误差分位值评价模型可靠性。结果表明，RF具有最小的测试误差和较窄的残差范围，整体预测可靠性最高；ET残差范围最宽，不确定性最大。进一步按Humidity、PV surface temperature和Hour分层分析RF残差后发现，在中等湿度、中等表面温度以及正午附近条件下预测不确定性最低，而高湿度、早晚时段及较高或较低温度范围下误差更大。这说明即使总体模型精度较高，预测可靠性仍会受到运行条件和大气状态变化的影响。

在“3.1.4 Statistical significance analysis”中，论文采用Friedman检验和Nemenyi事后检验评估不同模型误差差异是否具有统计学显著性。Friedman检验结果显示，6种模型之间总体性能差异在0.05显著性水平下具有统计学意义。Nemenyi检验进一步发现，ET与GBM、ET与XGBoost、GBM与LightGBM之间存在显著差异，而其他模型对之间未见显著差异。这提示部分模型虽然性能排序不同，但误差分布可能相近，说明不能仅依据单一指标做绝对判断。

在“3.2 Information-theoretic evaluation”中，研究人员使用AIC评价模型在拟合优度与复杂度之间的平衡。RF具有最低AIC（34760.0520），说明其在保持高预测性能的同时，模型复杂度控制最佳。GBM、CatBoost和XGBoost的AIC次之，LightGBM和ET较高。研究认为，XGBoost和ET尽管某些精度指标较高，但较高AIC说明其复杂度相对偏高，且XGBoost的高AIC与其过拟合倾向一致。因此，从信息论视角看，RF仍是最优选择。

在“3.3 Visual assessment of prediction accuracy”中，论文通过联合散点图和核密度图对各模型的预测分布进行可视化评估。结果显示，6种模型的预测值与真实值整体高度相关，散点大多分布在对角线附近。其中，RF、GBM和XGBoost的点云最为集中，反映出更强的预测一致性；ET和LightGBM在高功率输出区间偏离更明显。核密度图进一步显示RF的预测分布与真实分布最为贴合，支持其在测试集上的优势结论。视觉分析与量化指标相互印证，提高了模型比较结论的可信度。

在“3.4.1 Permutation importance”中，研究人员比较了各输入变量在6种模型中的置换重要性。结果一致表明，Hour是最重要的特征，Humidity次之，Surface Temperature位列第三，Day具有中等影响，Minutes和Month重要性较低，Voltage与Seconds几乎不产生贡献。研究进一步指出，Seconds最初来自时间戳拆分，但其重要性接近于零，且剔除后模型精度并未明显下降，因此最终被排除。这一结果从数据层面表明，太阳能输出的主要可预测结构来自日内时间变化和湿度条件，而非秒级时间波动。

在“3.4.2 SHAP analysis”中，论文利用SHAP对模型进行全局与局部解释。SHAP beeswarm图显示，Hour拥有最大的SHAP值分布范围，高Hour值对应正向贡献，低Hour值对应负向贡献，符合中午发电高、清晨和傍晚发电低的日变化规律。Humidity表现出显著负向作用，高湿度通常对应负SHAP值，反映出高湿环境下太阳辐射透过率下降以及可能伴随云形成的物理效应。PV surface temperature呈现混合影响，研究将其解释为辐照增强提升输出与温度升高降低电池转换效率之间的竞争结果。Day与Minutes作用较弱但具有规律性，而Month、Voltage和Seconds贡献极小。SHAP与置换重要性结论一致，表明模型不仅统计上有效，而且学习到了与PV运行机理相符的关系。

在“3.5 Synthesis and model recommendation”中，研究人员综合定量性能、AIC、可视化和可解释性分析，推荐RF作为该研究情境下最适合的太阳能功率预测模型。其依据包括：RF具有最高测试R²、最低测试RMSE和MAE、最低AIC、良好的预测分布一致性，以及较小的训练—测试性能差距。相比之下，XGBoost虽然在训练与总体拟合上最优，但泛化稳定性不及RF。GBM和CatBoost可视为性能较强的替代模型，LightGBM和ET则相对次优。论文同时强调，由于数据仅覆盖6月至7月，当前结论主要适用于短期性能评估，季节变化对模型外推能力的影响尚未在本研究中体现。

讨论部分的核心在于，研究通过统一框架证明：在短期PV功率预测任务中，单纯追求最高训练精度并不足以代表最优模型，必须同时考虑泛化能力、复杂度控制与物理解释的一致性。RF之所以优于XGBoost，并非因为其训练拟合最强，而是因为它在未见数据上的稳健性更高，且复杂度更合理。置换重要性和SHAP进一步增强了研究结论的可信度，因为模型识别出的关键因子——Hour、Humidity和Surface Temperature——与已知PV发电物理规律一致。这说明解释性分析不仅是结果展示工具，也可作为验证模型是否学习到合理机制的重要手段。论文同时指出其局限性在于样本时段较短，尚不能反映跨季节变化，因此模型适用范围应谨慎界定。

研究结论部分可译为：本研究对6种集成机器学习（ML）技术在太阳能功率预测中的表现进行了比较分析，评估重点不仅包括各算法的预测能力，也包括其泛化能力与模型可解释性。结果表明，所有算法均表现出优异的预测性能，并能够刻画该现象的非线性行为。在所分析模型中，XGBoost和梯度提升（Gradient Boosting）在训练阶段表现极佳，其中XGBoost获得了0.9949的极高总体R²。然而，训练集与测试集之间较大的性能差距表明其存在一定程度的过拟合，因此在未知运行条件下的部署可靠性受限。相比之下，随机森林（RF）展现出优异的泛化能力，获得最高测试R²（0.9849）、最低RMSE（0.7442 W）和最低MAE（0.5374 W）。此外，RF还取得了所有模型中最低的AIC值，说明其模型复杂度控制最佳。因此，基于各项评价指标，RF是太阳能功率预测中最稳健的技术。在实际应用中，预测可靠性较极端优异的训练性能更具价值，尤其是在高度动态的环境中。该研究还表明，准确的太阳能功率预测有助于提升电网稳定性并优化系统运行。可解释机器学习分析揭示了影响功率生成的关键特征，即Hour和Humidity，且这些结果与光伏效应（PV effect）的已知物理规律一致。因此，RF不仅具备优异的预测能力，也能够提供对关键影响因素的有价值解释。