各电站预测误差指标对比
模型性能统计
平均MAE
17.99 kW
平均RMSE
43.11 kW
平均R²
0.9036 ↑
最高MAPE
50.87%
最低MAPE
44.58%
MAPE均值
47.16% ↓
各电站误差指标明细
电站编号
MAE (kW)
RMSE (kW)
R²
MAPE (%)
P2556
13.34
34.10
0.9046
50.87% ↓
P2413
6.72
17.99
0.8902
46.04% ↓
P2211K
33.90
77.24
0.9161
44.58% ↓
优化建议
数据总结
三座电站中，P2413预测精度最高（MAE=6.72，RMSE=17.99），而P2211K虽R²最高（0.9161），但MAE和RMSE显著偏高，表明其预测存在较大系统性偏差或异常波动。整体MAPE集中在44.58%–50.87%，反映相对误差水平较高，可能与低辐照时段预测失真或归一化处理不当有关。所有电站有效样本数均为96，数据完整性一致，具备横向可比性。
优化建议
· 重点分析P2211K的高MAE成因，排查是否存在传感器漂移、遮挡异常或模型过拟合历史高功率场景的问题。
· 针对MAPE普遍偏高的现象，建议引入分时段加权损失函数，强化低功率区间的预测敏感度。
· P2413表现最优，可将其特征工程与超参配置迁移至其他电站模型，开展跨站迁移学习优化。
· 建议补充残差分布直方图与时间序列残差热力图，辅助识别系统性偏差时段（如清晨/傍晚）。