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 ↑
最低MAPE
44.58%
最高MAPE
50.87%
MAPE区间
+6.29% →
各电站误差指标明细
电站编号
MAE
RMSE
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
三座电站预测模型整体R²均高于0.89，表明拟合优度良好；但MAPE集中在44.58%–50.87%，说明相对误差偏高，尤其P2556站MAPE达50.87%，需重点关注。P2413站表现最优（MAE=6.72，RMSE=17.99），而P2211K站虽R²最高（0.9161），但MAE与RMSE显著偏大，反映其存在较大离群误差。
优化建议
· 重点排查P2556站高MAPE原因，如数据缺失、设备异常或气象输入偏差。
· P2211K站R²高但MAE/ RMSE突出，建议检查是否存在极端值干扰或模型对峰值功率敏感性不足。
· 统一采用MAPE与R²双指标评估，避免单一指标误导；可引入分位数损失进一步优化尾部预测精度。
· 建议对P2413站模型进行迁移学习复用，提升其余站点泛化能力。