企业官网建设流程全解析

导语：同样是梯度提升树，为什么竞赛里能到 85 分，你上线的系统只有 80 分？本文按一条真实生产系统的流水线——数据清洗、特征工程、气象源融合、模型、升尺度、上线工程——逐环节拆解那些教科书不写、只有生产代码里才有的实战招数。写给正在做或准备做风光功率预测的同行，读完约 15 分钟。

一、先说结论：模型只值三成

很多人对功率预测的想象是这样的：找一份数据，选一个时髦的模型，调调参，准确率就上去了。竞赛代码确实长这样。但我把一套跑了很久、支撑多个场站每天实报的生产代码从头到尾读了一遍，发现它的模型部分出奇地朴素——就是梯度提升树的常规配置，深度学习模型写了七八种，基本处于闲置状态。

那准确率靠什么？靠模型之外的东西。粗略估算，这样的代码里模型本身的部分不到三成，剩下七成全是：怎么把脏数据洗干净、怎么把气象源喂对、怎么把系统性偏差一层层抹掉、怎么在限电和设备故障的干扰下守住考核、怎么让模型输出符合电网考核的物理约束。

这篇文章就按流水线顺序，把那七成里的招数一个个拆出来。

二、数据清洗：准确率是"洗"出来的

生产代码里第一个让我意外的，是清洗的力度之大。

第一刀：全天恒值日，整段剔除。有那么一些日子，功率曲线是一条水平线——不管风大风小、天晴天阴，功率纹丝不动。这多半是通信故障导致的死值，或者长时间人工限电。这种数据留在训练集里，等于告诉模型"输出一条水平线也是对的"，污染极大。处理方式不是修补，而是整天扔掉。

第二刀：实发大面积为零的日子，剔除。全天功率大面积为零，可能是停机检修，也可能是数据断了。对风电来说夜间小风出零功率是正常的，但对光伏，白天大太阳底下出零功率就是明显的异常。判断标准因类型而异，但原则一致：无法解释的零，比无法解释的大值更危险，因为模型会学到"容易输出零"。

第三刀：已知的异常时段，黑名单过滤。系统里维护着一份异常时段清单——检修、改造、切机试验……这些时段的实发数据不反映天气与功率的物理关系，直接拉黑，训练和验证都不用。

第四刀：统计剔除加平滑。三倍标准差准则扫掉离群点，再用平滑滤波把功率曲线上的毛刺抹掉。毛刺的来源很多：瞬时波动、采样噪声、通信抖动。模型没必要去拟合噪声。

风电和光伏在这步的分工很清晰：风电的重点在"恒值日和异常时段"，光伏的重点在"夜间数据"。光伏则干脆把每天十八点到次日六点的数据排除在训练之外——夜间光伏功率恒为零，这些样本没有信息量，反而稀释白天的学习信号。

这一步的道理说出来都很朴素，但执行的决心才是关键：宁可损失样本量，不带脏数据进模型。很多团队下不去手，总觉得每个点都是钱。但脏样本的破坏是双向的——它既让模型学错，也让评估失真，你永远不知道准确率损失里有多少是数据贡献的。

三、特征工程：把"已知规律"翻译给模型

清洗之后是特征。工程实践里的特征工程没有什么黑科技，但每一类都有明确的物理动机。

滞后与差分特征。把关键气象量往前和往后挪一步、挪三步，再算出差值。这组特征回答的问题是"气象量正在变大还是变小、变化有多快"。功率对气象的响应很大程度上取决于趋势而不是瞬时值——风速从五米每秒升到七米，和从七米降到五米，尽管均值一样，功率走向完全不同。

分组统计特征。按一年中的第几天加上一天中的第几个小时做分组，统计每个气象量在同一时刻的历史均值、标准差、极值。这相当于告诉模型"往年的这个时刻，这个气象量通常是什么水平、波动有多大"——季节性和日内规律被直接编码进了特征。还有滚动窗口统计：最近几步的均值和极值、往前挪几步再开窗的均值，把短时趋势的多尺度信息都铺开给模型。

平方项。风电有一条绕不开的物理：功率与风速的三次方成正比（在额定风速以下的线性段近似如此）。与其指望树模型自己从数据里凑出非线性关系，不如直接把风速的平方喂进去——三次方的近似分量。这是"能算的物理别指望模型学"的典型。

分箱特征。把风速、辐照这样的连续量按数值切成五档，再展开成"是否落在第几档"的开关特征。这等于提前替模型完成了一部分非线性切分：极端档的样本被显式标记出来，"辐照处在最高一档"这类强信号不再需要模型自己去连续切点上摸索。

光伏特有的晴空比。这是光伏特征里最漂亮的一招。先用物理模型算出当地当时"如果万里无云，辐射应该是多少"——理论上限，工程上叫晴空辐照。然后把实际观测或预报的辐射除以它，得到一个比值。这个比值一眼就能读出天空状况：接近 1，晴；明显小于 1，有云；而且它天然消除了太阳高度角的季节影响——冬天和夏天的晴空基准不同，比值一除就归一了。工程上还给它加了个保险：截断在 0.3 到 2.4 之间。下限防止夜间和传感器坏值产生无意义的极小比值，上限兜住云边效应造成的伪放大。给物理衍生特征加合理的取值包络，是工程实践里反复出现的习惯。

先换算，再进模型：水平辐照 → 板面辐照。光伏建模还有一个容易被忽略的前置环节：气象源给的辐照度预报，默认是水平面接收的辐照；但光伏板是斜着装的，真正决定发电的是落在板面上的辐照。两者差多少？斜面在冬季和早晚能比水平面多接一大截，正午和夏季又反过来——偏差随季节和时刻系统性变化，不换算就是白送的误差。工程上的做法是：用现成的开源物理工具链（如 pvlib），先把水平辐照分解成直射和散射两个分量，再按场站已知的倾角和朝向，逐项换算到板面上。整个过程是确定性的物理计算，不引入任何需要学的参数，转换后的板面辐照才是建模用的主特征。这一步不花模型一分力气，却消掉了一整类随太阳角度变化的系统偏差。这套换算还能反着用：场站的倾角、朝向档案缺失或存疑时，拿"按候选角度换算出的理论辐照曲线"去和实发功率曲线做相似度匹配（余弦、皮尔逊都行），再用优化器在零到九十度里搜出相似度最大的一组角度——安装参数就反推出来了。

这一步的总结论是：特征工程不是堆数量，是把领域里已知的规律——趋势、季节、立方律、天空状况——一条条翻译成模型读得懂的语言。翻译得越准，模型要自己"猜"的部分就越少。

四、气象源：先混合，再校正——全文最"土"也最有效的两招

功率预测的上游是数值天气预报。可选的气象源很多：欧洲、北美、英国、德国、法国、加拿大等地的主流确定性模式，再加上各种集合预报，市面上能拿到的加起来轻松上十套，实际业务里往往同时接上好几套。源多了各有脾气：有的系统性偏大风，有的对突变天气反应慢，有的在某个季节表现好换季就拉胯。

第一招：线性混合。不是把手头的源一股脑全塞给模型，而是按权重把它们两两组合成若干个"合成源"，权重写在配置里，可以按场站调。单一源出错时，组合能对冲；而且组合后的特征数量可控，不给树模型制造选择负担——特征克制，本身就是防过拟合的一部分。

第二招：扫 k 校正——土到掉渣，但真的有效。做法：拿一个候选系数 k，乘到气象量上，和实发功率比一个绝对误差；把 k 从零点零一到三十六划出一千六百个候选值，全部试一遍，取误差最小的那个。风速上扫一遍，辐照度上扫一遍，最后连模型输出还要再扫一遍——三层校正。

第一眼看这是暴力枚举，毫无美感。但它解决了三个教科书方法不好解决的问题：

1. 系统性偏差一次抹平。气象模式报的风速普遍有固定比例的偏差，线性回归、分位数映射这些"正规"方法需要假设分布、拟合参数，扫 k 不需要任何假设，直接在误差最小意义下找最优比例。
2. 物理上说得通。风速偏了百分之十，对三次方的功率曲线就是偏了百分之三十多的功率，误差被放大得很厉害，所以一个精确的比例校正在功率端收益巨大。
3. 防过拟合靠"排除一"。有个耐人寻味的细节：扫描时会刻意跳过 k 等于一。为什么？因为 k 等于一意味着"不用校正"，如果训练数据里 k 等于一恰好误差最小，多半是巧合，直接排除，强制系统选一个真正做过修正的系数。

同一个扫描框架还兼任了特征选择：每套气象源组合都扫一遍 k，谁的最低误差小，就说明谁和实发的比例关系最干净，就选谁进模型。一个暴力扫描，同时干了偏差校正和特征筛选两件事。

这里有个值得反复强调的观念：生产系统不追求方法的优雅，追求的是每一处系统性偏差都有专门的修正机制，且修正机制简单到不会引入新的偏差。扫 k 就是这种"简单到不会错"的修正。

五、模型层：不追新，只求稳

到了真正的模型环节，反而没什么可说的了。

梯度提升树家族的两三个成员，五折交叉验证，目标函数直接用绝对误差——因为考核指标就是绝对误差，训练目标和对齐考核目标一致，这个细节很多人会忽略：用平方误差训练的模型，在绝对误差考核下天生吃亏，因为它会把火力集中在少数大误差点上，而考核罚的是每一天的累积偏差。

过拟合在这里有专门的形态：时间泄漏。功率预测的验证集划分有条铁律：必须沿时间轴切——用历史训练，用未来验证。随手把样本打乱再做交叉验证，离线分数会非常漂亮，一上线就掉：相邻时刻的天气和功率高度相关，随机切分等于让模型在训练时"偷看"了验证时刻的近邻，这不是预测，是背答案。工程上的做法是训练段和验证段在时间上严格分开，宁可验证窗口短一点，交叉验证的每一折也沿时间方向切。再配上树模型本身的克制——浅树、正则项、限制复杂度——和后面说的特征克制，共同构成防过拟合的几道闸。

深度学习模型——循环网络、时序卷积、注意力结构、图网络——在功率预测的论文里都是常客，工程上大多也认真试过一轮。结论基本一致：在绝大多数场站上，打不过调好的树模型。表格数据加有限样本量，本来就是树模型的主场，这在别处成立，在功率预测这里同样成立。

模型之后还有一层线性混合：两个模型的输出按七五、二五的比例加权，再和另外的混合结果加权一次。多个模型对同一段实发的误差方向不同，混合能削掉一部分方差。权重是拍出来的还是调出来的不重要，重要的是它便宜、稳定、可解释。权重的来源也可以更讲究：交给带约束的优化器去搜——比如用粒子群算法在"权重和为一、各自非负"的约束下找误差最小的组合，搜出来的结果天然物理合法。

最后是物理规则兜底，这是模型层和业务层之间的最后一道闸：

• 输出小于零，一律置零——功率不能为负；
• 对应气象条件显示出力为零时，预测强制置零——比如光伏的夜间，不管模型说什么；
• 输出超过装机容量的上限包络，削到包络以内——上限不是死板的装机容量，而是留有余地的运行上限，同样写在配置里。

树模型的输出本来就不保证物理合法，这些规则看似简单，却是考核事故的直接防线。模型负责"猜得准"，规则负责"错得不离谱"。

六、从单站到全网，以及限电这个老大难

前面所有环节都在单站尺度上。但电网关心的往往是全网断面——几十上百个场站加总之后的出力。

升尺度用的是容量加权。单站模型跑出预测，按各站装机容量占比加权汇总出全网预测。中间还有一个系数：用历史数据校准"单站加总"与"全网实发"之间的系统性差异——站与站之间的出力相关性不是一，同时率和错峰效应会让简单加总有固定偏差，一个加权系数把它修掉。

限电是另一个绕不开的坑。电网限电时，风机被压着发、逆变器被限着出，实发功率不再反映"天气决定出力"的物理关系——天气给八成，调度只让发五成，实发就是五成。拿这种数据评估预测，预测背了黑锅；拿它训练，模型学坏了。

工程上的解法，是把功率分成四种口径：实发之外，还有理论功率（按当前天气资源应该发多少）和可用功率（考虑设备可用状态能发多少），理论功率又有按样本机计算和按辐照推算两个版本。评估和训练时用哪个口径，取决于目的：考核预测偏差，看实发；评估模型本身的天气还原能力，看理论功率；剔除限电影响做训练，用可用功率。多口径功率不是冗余，是把"天气信息"和"调度干预"解耦的唯一手段。这也是超短期系统的一个核心：日内滚动预测时，先判断当前是不是限电状态，限电时段的实测不能直接当作"真实值"去修正模型。

七、超短期、中长期与概率预测：同一套思想的三个变体

短期（日前）、超短期（日内）、中长期（月度电量）、概率预测，四种业务形态在工程上是同一套思想的三个变体，核心差异就三点：时间尺度、信息来源、输出形态。

超短期：信息来源从"预报"换成"实测+滚动"。短期预测昨天做今天的，靠的是数值天气预报，误差大头在气象预报本身。超短期做未来四小时，最近的实测功率才是最强信号——它已经隐含了当前天气的真实状态。所以超短期的主线就是：拿最新实测做基准，叠加气象量的变化趋势做外推，同时接入上游的全网断面预测结果做参照修正。另一个容易被忽略的工程点：上游数据有加密和明文两种形态，还要处理"今天的文件没到就拿最近一天的、超过三天宁可只信场站实测也不信过期文件"的时效兜底——预测系统的健壮性，一大半体现在"数据没来怎么办"上。

中长期：思路从"逐站建模"换成"代表场站"。中长期做未来四十五天到十五个月的月度电量，几百个场站不可能逐个建模，历史样本对每个站也未必够。常见的打法：先按地理断面分组，组内用聚类按经纬度把场站分成若干簇——簇数不拍脑袋，用轮廓系数自动定——每个簇选一个代表场站建模，再把代表站的规律外推回全簇，最后按容量拼出总量。中长期预测的精度天花板本来就低（十五个月后的天气谁也说不准），所以它要的不是精细，而是规律层面的稳定：季节形态、年际趋势、大数定律下的总量。这决定了它的特征以月度和季节统计量为主，模型以简单结构为主。

概率预测：点预测的"期望"变成区间的"覆盖"。概率预测输出的不是一条线而是一个带状区间，考核指标也从偏差大小变成了覆盖率（实测落在区间内的比例）和区间宽度（越窄越好）的平衡。主流的打法是分位数回归：同一个输入，模型直接对不同分位点各拟合一条预测线——十几个点就是一条低分位线，九十几个点就是一条高分位线，中间夹出的就是给定置信水平下的区间。工程实现上会一次输出好几个档位的置信度，从很窄的区间到很宽的区间一应俱全，业务方按自己的风险偏好取用；最后再做一道上下限裁剪，把区间钳在物理合法的范围内。聚类选代表站的思路在这里同样适用。核心认知是：区间宽度应该随不确定性动态变化——天气预报明天的天气形势混乱，区间就该放宽；形势稳定，区间就该收窄。固定宽度的区间在考核下两头吃亏。

八、大模型呢？——它和这套流水线的关系

写到这里，肯定有读者要问：都这个年头了，大模型呢？

先把"大模型在新能源预测里"拆成三件不同的事，分开说。

第一件：气象大模型替换上游的数值天气预报。这几年用深度网络学历史气象数据、几秒钟出全球预报的 AI 天气预报进步极快，部分指标上已经追平甚至超过传统数值模式，算力成本还低几个量级。这对功率预测意味着什么？意味着上游会多出一类新的气象源。而回看第四节会发现一个顺理成章的结论：这类系统天然欢迎它——多源线性混合加扫 k 校正的框架，接一套 AI 气象源和接一套传统模式没有任何区别，权重照常混合，偏差照常校正。气象大模型大概率不是来推翻这套流水线的，而是作为"新的一套源"从正门走进来。真正要重做的只有一件事：AI 模式输出变量的统计特性和传统模式不同，历史偏差规律要重新积累。

第二件：时序预测基础模型直接做功率预测。就是那种在海量时间序列上预训练、号称拿来就能预测的模型。目前的现实和深度学习模型的结论同构：在"有领域特征、有干净数据、目标函数对齐考核"的定制树模型面前，通用预训练模型在绝大多数场站上还是打不过。道理不复杂：功率序列里最强的信号是气象驱动，而气象驱动已经被上游特征显式喂进去了，基础模型"从数据里自己学规律"的看家本领在这里施展不开。它更现实的位置是冷启动——新建场站没有历史数据时先顶一阵，攒够样本再切定制模型。

第三件：大模型做工程，而不是做预测。精度月报的自动解读、异常时段的排查笔记、配置变更的历史追溯、给运维人员的自然语言查询入口——这些脏活累活恰恰是大模型当下就能干的，而且不碰模型本体，风险可控。生产系统里最不适合大模型的恰恰是预测本身，最适合的反而是一直没人手干的工程周边。

所以我的判断是：不必急着把大模型塞进预测模型里，但要盯着上游——等气象大模型成熟到可以当一套源接进来那天，谁的多源混合框架准备得好，谁就白捡一波精度红利。这也呼应全文的结论：这套流水线的价值不在某个具体模型，而在"任何新模型进来，都能被混合、被校正、被兜底、被考核检验"的框架本身。

九、上线之后：模型只是半个系统

最后讲讲生产代码里模型之外的部分，这部分最不起眼，却决定了系统能不能活下来。

参数全部配置化。模型系数、气象源权重、分时段修正系数、上下限包络、平滑窗口……全部写在配置文件里，线上程序只读配置、只做推理，不训练。为什么分时段修正系数要单独存在？因为总有模型覆盖不了的情形：某条线路检修导致出力受限、某个季节的局部气候规律突变。运维人员不改模型、不改代码，改配置就能介入——给人工经验留一个不碰代码的入口，是预测系统和业务之间最重要的接口。

线上与线下彻底分离。训练、调参、评估都在线下做完，产出模型文件和配置；线上只做数据接入、推理、上报。线上代码里没有任何训练逻辑，避免了"线上跑着跑着自己学坏了"的一切可能。再进一步的做法，是让好几代算法版本在同一系统里并行注册、同时出数，新旧结果互相印证，出问题随时切回旧版——升级就不再是赌博。

精度报表自动化。每天跑完自动输出功率和精度两个表，按月汇总，每个模型的准确率逐日可查。这不是锦上添花——预测系统最大的风险是"悄悄变差"：气象源升级、场站扩容、设备老化，都会让准确率无声下滑。没有自动化的逐日精度追踪，等你从考核通报里发现问题时，已经晚了。

可复现性。随机种子全局固定。听起来是常识，但真正做到的系统不多。功率预测的模型迭代是持续进行的，今天改一版特征，明天换一版参数，如果结果不可复现，你永远无法确认精度变化是改动带来的还是随机波动——迭代就失去了方向。

十、值得抄的清单

把全文收拢成一张清单，按流水线顺序：

最后回答开头的问题：最后几个点是怎么抠出来的？不是靠一个更聪明的模型，而是靠每一处系统性偏差都有专门的、简单的修正机制——数据脏就洗，源有偏就校正，输出不物理就兜底，加总有偏差就校准。每一招都简单得不像"算法"，但拼在一起，就是教科书方案和生产系统之间那几个点的全部差距。

这个领域没有银弹。把简单的方法做到极致，本身就是壁垒。

附一：四类预测业务速查表

附二：常用开源工具箱速览

文中所有招数，落在 Python 开源生态里就是下面这几件工具。按流水线环节归位，装好即用：

全是开源生态，没有任何门槛。但要补一句全文的结论：工具不决定准确率的上限，流水线才决定——库人人会装，把它们拼进"校正、兜底、考核检验"的框架里，才是那最后几个点的来源。