基于SARIMA、XGBoost和CNN-LSTM的時間序列預測對比（1）

利用統計測試和機器學習分析和預測太陽能發電的性能測試和對比。

本文將討論通過使用假設測試、特征工程、時間序列建模方法等從數據集中獲得有形價值的技術。我還將解決不同時間序列模型的數據泄漏和數據準備等問題，并且對常見的三種時間序列預測進行對比測試。

時間序列預測是一個經常被研究的話題，我們這里使用使用兩個太陽能電站的數據，研究其規律進行建模。首先將它們歸納為兩個問題來解決這些問題：

1. 是否有可能識別出性能欠佳的太陽能組件？
2. 是否可以預報兩天的太陽能發電量？

在繼續回答這些問題之前，讓我們先了解太陽能發電廠是如何發電的。

上圖描述了從太陽能電池板模塊到電網的發電過程。太陽能通過光電效應直接轉化為電能。當硅(太陽能電池板中最常見的半導體材料)等材料暴露在光線下時，光子(電磁能量的亞原子粒子)被吸收并釋放自由電子，從而產生直流電(DC)。使用逆變器，直流電被轉換成交流電(AC)并發送到電網，在那里它可以被分配到家庭。

原始數據由每個太陽能發電廠的兩個逗號分隔值(CSV)文件組成。一份文件顯示了發電過程，另一份文件顯示了太陽能發電廠傳感器記錄的測量數據。每個太陽能發電廠的兩個數據集都被整理成一個pandas的df。

太陽能發電廠1號(SP1)和太陽能發電廠2號(SP2)的數據每15分鐘收集一次，從2020年5月15日到2020年6月18日。SP1和SP2數據集都包含相同的變量。

• Date Time -間隔15分鐘
• Ambient temperature-模塊周圍空氣的溫度
• Module temperature-模塊的溫度
• Irradiation——模塊上的輻射
• DC Power (kW)  -直流
• AC Power (kW) -交流
• Daily Yield-每日發電量總和
• Total Yield-逆變器的累計產量
• Plant ID -太陽能電站的唯一標識
• Module ID  -每個模塊的唯一標識

天氣傳感器用于記錄每個太陽能發電廠的環境溫度、組件溫度和輻射。

對于這個數據集直流功率將是因變量(目標變量)。我們目標是試圖找到性能不佳的太陽能模塊。

兩個獨立的df用于分析和預測。唯一的區別是用于預測的數據被重新采樣為每小時的間隔，而用于分析的數據幀包含15分鐘的間隔。

首先我們刪除Plant ID，因為它對試圖回答上述問題沒有任何價值。Module ID也從預測數據集中刪除。表1和表2顯示了數據示例。

在繼續分析數據之前，我們對太陽能發電廠做了一些假設，包括：

• 數據采集儀器無故障；
• 模塊定期清洗(忽略維護的影響)；

• 兩個太陽能電站周圍都沒有遮擋問題。

對于數據科學的新手來說，EDA是通過繪圖可視化和執行統計測試來理解數據的關鍵一步。我們首先通過繪制SP1和SP2的DC和AC，可以觀察到每個太陽能發電廠的性能。

SP1顯示的直流功率比sp2高一個數量級。假設SP1采集的數據是正確的，用于記錄數據的儀器沒有故障，這就說明SP1中逆變器需要進行更深入的研究。

通過按每個模塊的日頻率聚合AC和DC功率，圖3顯示了SP1中所有模塊的逆變器效率。根據領域內知識，太陽能逆變器的效率應該在93-96%之間。由于所有模塊的效率范圍為9.76% - 9.79%，這里可以說明需要調查逆變器的性能，以及是否需要更換。

由于SP1顯示了逆變器的問題，因此僅在SP2上進行了進一步的分析。

盡管這一小段分析是我們花了更多的時間對逆變器進行研究，但它并沒有回答確定太陽能模塊性能的主要問題。

由于SP2的逆變器正常工作，可以通過深入挖掘數據，來識別和調查任何異常情況。

圖4中顯示了模塊溫度和環境溫度之間的關系，并且有模塊溫度極高的情況。

這看起來似乎違反我們的認知，但是可以看到高溫對太陽能電池板的確有負面影響。當光子與太陽能電池內的電子接觸時，它們會釋放自由電子，但在更高的溫度下，更多的電子已經處于激發態，這降低了電池板可以產生的電壓，進而降低了效率。

考慮到這一現象，下面的圖5顯示了SP2的模塊溫度和直流功率(環境溫度低于模塊溫度的數據點和模塊運行數量較少的一天中的時間已經過過濾，以防止數據傾斜)。

在圖5中，紅線表示平均溫度。這里可以看到有一個明確的臨界點和直流電源停滯的跡象。在~52°C開始平穩。為了找到性能次優的太陽能模塊，所有顯示模塊溫度超過52°C的行都被刪除。

下面的圖6顯示了SP2中每個模塊在一天中的直流功率。這樣就基本符合了預期，午間發電量較大。但是還有個問題，在運行高峰時期，發電量較低。我們很難總結造成這種情況的原因，因為當天的天氣條件可能很差，或者SP2可能需要進行日常的維護等等。

圖6中也有低性能模塊的跡象。它們可以被識別為圖上偏離最近群集的模塊(單個數據點)。

為了確定哪些模塊表現不佳，我們可以進行統計測試，同時將每個模塊的性能與其他模塊進行比較，從而確定性能。

每隔15分鐘，不同模塊的直流電源在同一時間的分布是正態分布，通過假設檢驗可以確定哪些模塊表現不佳。計數是指模塊落在99.9%置信區間之外且p值< 0.001的次數。

圖7按降序顯示了每個模塊在統計上顯著低于同期其他模塊的次數。

從圖7中可以清楚地看出，模塊' Quc1TzYxW2pYoWX '是有問題的。這些信息可以提供給SP2的相關工作人員，調查原因。