.png){kind=icon}
返回
Data preprocessing techniques for statistical photovoltaic forecasting models
.png){kind=icon}
OA
AI
DOI：10.1016/j.measurement.2026.121997.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
准确的光伏功率预测依赖于高质量数据，但原始气象和光伏数据集通常包含噪声、缺失值和冗余特征。因此，数据预处理至关重要，但现有研究通常采用孤立的技术，缺乏结构化框架或组合策略的系统评估。本文通过引入数据预处理方法的函数分类，并实证测试了16种广泛使用的技术（单独使用和组合使用）在原始光伏和气象数据上的效果，以解决这些差距。考虑了两种情景：(i) 将最优数据预处理组合与仅使用最小清洗的基准方法进行比较，(ii) 与一个已建立的三步光伏预测模型进行基准测试。使用MATLAB的Regression Learner App中超过20种回归算法的均方根误差评估预测性能。实验结果通过独立数据集的交叉测试进一步验证，并引入迭代排序程序以考察预处理顺序和累积影响。结果表明，集成数据预处理策略显著优于基线方法和传统预处理流程，突显了方法协同的重要性。本研究提供了一个可复现的数据预处理分类与评估框架，为寻求优化光伏预测模型的研究人员提供了实用指导。
Keyword:
Datapreprocessing
Renewable energy sources
Statistical photovoltaic method
Machine learning
Photovoltaic forecasting
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
