基于SARIMA、XGBoost和CNN-LSTM的時間序列預測對比（1）

利用統(tǒng)計測試和機器學習分析和預測太陽能發(fā)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(shù)據(jù)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(shù)據(jù)泄漏和數(shù)據(jù)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(jīng)常被研究的話題，我們這里使用使用兩個太陽能電站的數(shù)據(jù)，研究其規(guī)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(fā)電量？

在繼續(xù)回答這些問題之前，讓我們先了解太陽能發(fā)電廠是如何發(fā)電的。

上圖描述了從太陽能電池板模塊到電網(wǎng)的發(fā)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(chǎn)生直流電(DC)。使用逆變器，直流電被轉換成交流電(AC)并發(fā)送到電網(wǎng)，在那里它可以被分配到家庭。

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

太陽能發(fā)電廠1號(SP1)和太陽能發(fā)電廠2號(SP2)的數(shù)據(jù)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(shù)據(jù)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(fā)電量總和
• Total Yield-逆變器的累計產(chǎn)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(fā)電廠的環(huán)境溫度、組件溫度和輻射。

對于這個數(shù)據(jù)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(qū)別是用于預測的數(shù)據(jù)被重新采樣為每小時的間隔，而用于分析的數(shù)據(jù)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(shù)據(jù)集中刪除。表1和表2顯示了數(shù)據(jù)示例。

在繼續(xù)分析數(shù)據(jù)之前，我們對太陽能發(fā)電廠做了一些假設，包括：

• 數(shù)據(jù)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(shù)據(jù)科學的新手來說，EDA是通過繪圖可視化和執(zhí)行統(tǒng)計測試來理解數(shù)據(jù)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(fā)電廠的性能。

SP1顯示的直流功率比sp2高一個數(shù)量級。假設SP1采集的數(shù)據(jù)是正確的，用于記錄數(shù)據(jù)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(jù)領域內(nèi)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(diào)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(shù)據(jù)，來識別和調(diào)查任何異常情況。

圖4中顯示了模塊溫度和環(huán)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(nèi)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(jīng)處于激發(fā)態(tài)，這降低了電池板可以產(chǎn)生的電壓，進而降低了效率。

考慮到這一現(xiàn)象，下面的圖5顯示了SP2的模塊溫度和直流功率(環(huán)境溫度低于模塊溫度的數(shù)據(jù)點和模塊運行數(shù)量較少的一天中的時間已經(jīng)過過濾，以防止數(shù)據(jù)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(wěn)。為了找到性能次優(yōu)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(fā)電量較大。但是還有個問題，在運行高峰時期，發(fā)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(shù)據(jù)點)。

為了確定哪些模塊表現(xiàn)不佳，我們可以進行統(tǒng)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(tài)分布，通過假設檢驗可以確定哪些模塊表現(xiàn)不佳。計數(shù)是指模塊落在99.9%置信區(qū)間之外且p值< 0.001的次數(shù)。

圖7按降序顯示了每個模塊在統(tǒng)計上顯著低于同期其他模塊的次數(shù)。

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(diào)查原因。