5、太阳能预测模型：从数据处理到性能评估

太阳能预测模型：从数据处理到性能评估

1. 聚类变量的选择

在太阳能预测中，变量的选择对于准确建模至关重要。变量分为本地派生变量和远程派生变量。本地派生变量基于预测站点的气候特征获取，而远程派生变量则基于附近的预测站点获取。

选择邻近太阳能站的步骤如下：
1. 以预测站点为中心，使用 120 公里的半径来选择周围的太阳能站。
2. 使用动态时间规整（DTW）作为清晰度指数（Kt）的相似度度量。
3. 选择相似度得分最高的三个太阳能站用于聚类。

以下是用于 K - medoids 聚类的变量表：
| 预测变量 | 方程 | 描述 |
| — | — | — |
| 本地派生变量 - kt 趋势 | (Kt_{Prev15} - Kt_{Prev30}) | 计算以捕捉最新趋势 |
| 本地派生变量 - Kt 时间变异性（1 小时标准差） | (\sigma(Kt_{Prev15}, Kt_{Prev30}, Kt_{Prev45}, Kt_{Prev60})) | 通过计算一小时内四个后续观测值的标准差得出 |
| 本地派生变量 - Kt 斜率（1 小时） | (\beta_0 + \beta_1Kt_{Prev15} + \beta_2Kt_{Prev30} + \beta_3Kt_{Prev45} + \beta_4Kt_{Prev60}) | 通过对清晰度指数的四个连续观测值拟合线性方程计算得出 |
| 远程派生变量 - KtPrev15 附近均值 | (\mu(Kt_{Prev15Source1}, Kt_{Prev15Source2}, Kt_{Prev15Source3})) |