LWPLS风电功率预测实战：原理、源码与参数调优

简介：这是一份以即时学习（JITL）与局部加权偏最小二乘法（LWPLS）为核心的风电功率预测毕业设计项目，面向电力系统、新能源或数据挖掘方向的本科生/研究生，帮助理解基于相似样本动态建模的预测思路。压缩包共104个文件，包含15个Python源码、50个npz结果文件、24个xlsx数据表以及csv/xls等原始数据，整体约18.24MB，代码与数据分离、注释详细，便于直接运行和二次开发。项目中提供了多种前瞻步数、回看窗口、主成分数及相似度函数的实验对比，例如Ahead=240、Lookback=30、n_comp=10~40、SimiFun=1/2/3等参数组合，并给出R2与RMSE评价指标，方便读者复现不同设置下的预测效果。配套数据集覆盖2011—2012年风电场实测记录，可用于验证LWPLS在非线性和时变场景下的适应能力。目前已有254人学习，适合需要快速上手风电功率预测建模、准备毕业设计或开展算法对比实验的读者。 如果毕业设计分到了风电功率预测这个方向，大多数人的第一反应是上LSTM或者Transformer。我一开始也这么干，但手里那批风电场SCADA数据量不大、噪声不小，深度学习模型曲线拟合得漂亮，一到新工况就翻车。后来换成即时学习LWPLS——Locally Weighted Partial Least Squares，局部加权偏最小二乘——配合Python源码和数据集做出来的这套风电功率预测模型，才真正把预测精度和可解释性同时立住了。这篇博文就围绕我自己的这个毕业设计项目，把LWPLS的算法原理、数据清洗、源码实现、参数调优和实测踩坑完整复盘一遍，给正在做同类课题的同学一条能直接参考的路线。

1. 这个毕设到底在解决什么问题：风电功率预测为什么难

1.1 风功率预测的真实困境

风电功率预测的核心任务，是根历史运行数据预测未来一段时间内的有功功率输出。听起来简单，实际做起来有三个让人头疼的事实。

第一个是非线性。风速和功率之间并不是简单的线性关系，而是典型的非线性分段曲线：低于切入风速时功率为零，在切入风速和额定风速之间近似三次方关系增长，达到额定风速之后功率又保持恒定，高于切出风速则为了保护风机直接停机。这意味着全局线性模型根本没法同时拟合这三个状态，单一模型哪怕做得再细，也总有一段工况表现不对。

第二个是时变性。风电机组的运行特性会随着季节、环境温度、空气密度、湍流强度、叶片污染程度的变化而迁移。今年3月训练出来的模型，到7月高温低密度空气环境下误差就会明显增大。风电功率预测面对的从来不是“一个固定的函数”，而是一堆不断漂移的工况集合。

第三个是数据质量。SCADA系统采集的数据里，包含了传感器异常、通信中断、限电、检修停机、弃风等大量非正常工况记录。这些样本如果不清理干净，模型学的就不仅仅是物理规律，还把调度策略和故障状态也学了进去，预测结果自然越跑越偏。

1.2 为什么偏偏是LWPLS而不是深度模型

我先试过LSTM，效果不能说差，但问题很现实：训练集只有几千条到几万条量级，对深度学习而言确实偏少；超参数多，调参时间长；更重要的是毕业设计答辩时，导师问“你这个模型为什么在这个时间点预测跳变”，我很难从注意力权重和记忆门控里给出一个让人信服的物理解释。

LWPLS走的是另一条路。它不试图用一个全局模型拟合所有工况，而是在每次预测时，从历史库中挑出与当前输入状态最相似的一批样本，用它们的局部规律建立一个小模型，预测完就废弃，下一次再重新选样、重新建模。这种“即用即建”的局部建模思想，非常匹配风电这种强非线性、强时变、工况分布不均的数据场景。

1.3 LWPLS的两个技术内核

LWPLS这个名字拆开是三部分：局部加权（Locally Weighted）、偏最小二乘（Partial Least Squares）、和背后的即时学习策略（Just-in-Time Learning，缩写JITL）。其中即时学习负责“选哪些样本来建模”，偏最小二乘负责“在这批样本上怎么建回归模型”，局部加权则是连接两者的桥梁——不是把选出的样本一视同仁，而是按相似度大小分配权重，越像当前状态的样本，对模型的影响越大。

这样做的好处很直接：遇到切入风速附近的强非线性区段，局部模型只学这一段样本的形态，拟合精度远高于全局模型；而偏最小二乘本身就是为处理特征多重共线性设计的，风速、风向、温度、转速这些物理量之间高度相关，普通多元回归会因共线性导致系数失真，PLS把原始特征投影到少数潜变量上再做回归，恰好绕开了这个问题。

2. LWPLS算法核心机制：从即时学习到局部加权PLS的完整链路

2.1 即时学习三步走

即时学习的执行流程可以用三个词概括：检索、建模、预测。

第一步是在历史样本库中找到与当前查询样本最相似的K个历史样本。第二步是用相似度作为权重，在这K个样本上训练一个局部加权PLS模型。第三步是用这个局部模型对当前输入做预测，得到结果后直接丢弃模型，不保留任何全局参数。

三步串联起来之后，每个时间点的预测都像是在查阅“当时当地”的经验。对于风电这种工况持续漂移的对象，这种策略比固定全局模型灵活得多。不过也正因为每一步预测都要重新检索和训练，LWPLS的计算成本比普通模型高，需要一个规模和检索方案都合理的历史库支撑。

2.2 相似度计算不能只靠欧氏距离

选样本这件事，相似度度量方式直接决定了选出的历史样本“像不像”当前状态。最简单的做法是欧氏距离，距离越小越相似。但如果两只样本在数值距离上接近、变化趋势却相反，纯距离指标就会把方向信息丢掉了。

我在这套代码里使用的相似度指标是“归一化距离+夹角余弦”的组合：

[ S = \gamma \cdot \exp(-d_{norm}^2) + (1-\gamma) \cdot \cos(\theta) ]

其中 (d_{norm}) 是查询样本和历史样本的欧氏距离归一化到0到1之间的值，(\cos(\theta)) 是两个样本输入向量之间的余弦相似度，(\gamma) 控制距离和方向两个指标的权重，经验上取0.5到0.8效果都不错。这样一个指标同时兼顾了“多近”和“方向是否一致”两个维度，选出来的样本在物理场景上更可信。

选完K个样本后，相似度S还要映射成建模用的权重。常见做法是直接使用S本身，也可以使用 (S^2) 或 (\exp(S)) 放大差距。权重越大代表在局部模型中话语权越高。务必注意，加权后要归一化，否则预测结果会出现系统性偏移。

2.3 局部加权PLS的迭代推导

选了样本、定了权重之后，接下来是核心算法部分。假设参与建模的K个样本组成了输入矩阵 (X)（K×p）、输出向量 (y)（K×1），同时每个样本带一个权重 (w_i)。首先做加权中心化：

[ \bar{x} = \frac{\sum_{i=1}^{K} w_i x_i}{\sum_{i=1}^{K} w_i}, \quad \bar{y} = \frac{\sum_{i=1}^{K} w_i y_i}{\sum_{i=1}^{K} w_i} ]

然后用中心化后的数据迭代提取潜变量。每次迭代里，先计算协方差方向 (v = X_c^T y_c)，归一化作为特征投影方向；接着得到得分向量 (t = X_c v)，计算输入载荷 (p = X_c^T t / (t^T t)) 和输出回归系数 (b = y_c^T t / (t^T t))；最后用残差更新输入矩阵和输出向量：(X_c \leftarrow X_c - t p^T)，(y_c \leftarrow y_c - b t)。提取完设定的潜变量个数后，把各次迭代的回归系数累加，就得到了局部回归系数向量 (\beta)。

预测时先对查询样本做一样的中心化，然后 ( \hat{y} = \bar{y} + (x_{query} - \bar{x})^T \beta )。这就是LWPLS的全部秘密：核心仍然是PLSR，但所有统计量包括均值、协方差方向、载荷、回归系数全部基于局部加权样本计算，模型表达的是当前工况附近的局部规律，而不是全局平均规律。

3. SCADA风电场数据的清洗与特征工程：数据到位不等于能训练

3.1 认识机组的SCADA原始数据

风电功率预测训练数据最常见的来源是机组SCADA系统，典型采样间隔为10分钟或15分钟。原始表格里通常包含几十个字段，真正和功率强相关的通常集中在：机舱风速、风向、有功功率、叶轮转速、发电机转速、桨距角、机舱温度、环境温度。

我做这个项目时只用到了风速、风向正弦/余弦值、温度归一化值、叶轮转速四个输入特征，输出是下一时刻的有功功率。很多人一开始就堆特征，把几十个字段全部丢进模型，结果共线性问题和噪声干扰一起放大。特征少而精，反而让LWPLS的相似度检索更稳定。

3.2 必须剔除的几类脏样本

风电数据里有一类很容易被忽略的脏样本：风速高于切入风速很长时间、但功率始终为0的记录。这种情况可能是风机检修、通信故障、或者限电弃风。如果训练集里保留这些样本，模型会学到“大风也可能出零功率”的错误规律，相当致命。

第二类要剔除的是异常风速。传感器结冰造成的持续低风速、突变尖峰、甚至一段时间内所有字段完全相同的“冻结数据”，都需要通过滑动窗口和阈值过滤。第三类是要小心处理的风速方向，风向是环状变量，0度和360度其实是同一个方向，直接当数值特征输入会造成严重的边界误差，正确做法是分解成 (\sin(\theta)) 和 (\cos(\theta)) 两个特征。

3.3 时间序列切分与归一化的顺序问题

很多同学在这个地方犯过错：先把全量数据归一化，再随机划分训练集和测试集。风电数据是严格的时间序列，随机打乱等于人为制造了“用未来预测过去”的数据泄漏，测试集结果会虚高到失真。正确做法是先按时间顺序切分训练集、验证集、测试集，再用训练集的均值和标准差做归一化，验证集、测试集全部沿用训练集的统计量。这样模型在推理时拿到的输入分布，和真实上线场景才一致。

清理和划分完成之后，我还做了一个很关键的操作：把训练集按“最近N天内的样本”整理成历史库。LWPLS每次预测都在这个子集内检索，而不是在整个数据集上检索。既控制了检索范围、提升了在线预测速度，也天然尊重了数据的时变特征，太旧的历史样本不会干扰当前工况。

4. Python源码拆解：从相似度函数到LWPLS迭代核心

4.1 项目文件划分

使用Python做这个项目建议按功能划分模块，便于调试和后期毕设论文的代码附录整理。我的项目结构大致如下：

wind_power_lwpls/ |- data_loader.py # 数据读取与清洗 |- preprocessing.py # 特征工程、归一化、时序切分 |- jitl_lwpls.py # 相似度计算、K近邻选择、LWPLS核心 |- evaluate.py # RMSE/MAE/R2评估与对比 |- run.py # 主流程：加载数据、训练/预测、输出结果

每个模块只需要做好自己的事情。其中最核心的jitl_lwpls.py值得逐行细看。

4.2 相似度计算与K近邻选择函数

相似度函数是整个即时学习策略的第一步。下面的代码逻辑就是前面公式的Python实现：

import numpy as np def compute_similarity(x_query, X, gamma=0.6): # x_query: 一维数组，当前查询样本 # X: 二维数组，历史库样本 diff = X - x_query d = np.linalg.norm(diff, axis=1) d_norm = d / (d.max() + 1e-8) cos_sim = (X @ x_query) / ( np.linalg.norm(X, axis=1) * np.linalg.norm(x_query) + 1e-8 ) # 距离指标用负指数映射，距离越小，得分越接近1 # 余弦项保证变化方向一致的历史样本能获得更高相似度 S = gamma * np.exp(-d_norm ** 2) + (1 - gamma) * cos_sim return S def select_k_nearest(S, K): # 返回相似度最高的K个样本的下标和对应权重 idx = np.argsort(S)[::-1][:K] weights = S[idx] # 权重归一化，避免预测结果偏移 weights = weights / (weights.sum() + 1e-8) return idx, weights

注意这里我对权重做了归一化。不归一化也可以跑，但预测值会比较勉强，尤其在相似度普遍偏低的冷启动阶段，归一化后的权重能让局部模型始终处于一个合理尺度。

4.3 局部加权PLS核心迭代函数

核心迭代需要把加权中心化和潜变量提取写清楚。实际工程中我并没有用复杂的矩阵对角化，而是直接用迭代式的PLS实现，因为局部样本量通常只有几百条，计算开销完全可以接受：

def lwpls_fit(X_local, y_local, weights, n_comp): # X_local: K行p列，筛选后的历史样本 # y_local: K维向量，对应功率真值 # weights: K维向量，相似度归一化权重 K, p = X_local.shape # 加权中心化 x_mean = np.average(X_local, axis=0, weights=weights) y_mean = np.average(y_local, weights=weights) Xc = X_local - x_mean yc = y_local - y_mean beta = np.zeros(p) for _ in range(n_comp): # 协方差方向，归一化后作为投影方向 v = Xc.T @ yc v = v / (np.linalg.norm(v) + 1e-8) # 计算得分向量与载荷 t = Xc @ v p = Xc.T @ t / (t @ t + 1e-8) b = yc @ t / (t @ t + 1e-8) # 累加回归系数，并更新残差 beta += b * v Xc = Xc - np.outer(t, p) yc = yc - b * t return beta, x_mean, y_mean def lwpls_predict(x_query, beta, x_mean, y_mean): y_pred = y_mean + (x_query - x_mean) @ beta return np.clip(y_pred, 0.0, None) # 功率不可能为负

这个实现里我加了一处小细节：预测值最后做了一次clip下界到0的截断。风电功率为负不物理，实际预测中某些高相似度样本太少的时候，局部模型可能会出现负功率估计，直接截断比在训练阶段强行加约束更省事，也不影响整体精度。

另一个值得注意的点是PLS迭代时对分母做了 (1e-8) 的保护。局部样本量小、多轮残差更新后某些方向向量可能会有极短的模长，加这个小常数可以避免数值除零。

4.4 主流程：查询样本怎么跑通一次预测

实际预测时，每个时间点的查询样本都要执行“相似度计算、K近邻选择、局部模型训练、预测”四个步骤：

def jitl_predict(x_query, X_history, y_history, K=30, n_comp=3, gamma=0.6): S = compute_similarity(x_query, X_history, gamma) idx, weights = select_k_nearest(S, K) beta, x_mean, y_mean = lwpls_fit( X_history[idx], y_history[idx], weights, n_comp ) y_pred = lwpls_predict(x_query, beta, x_mean, y_mean) return y_pred, idx

调用示例：

# 假设已经通过preprocessing模块得到归一化后的历史和查询数据 y_pred, selected_idx = jitl_predict( X_test[0], X_train, y_train, K=30, n_comp=3, gamma=0.6 ) print("预测功率: {:.2f} kW".format(y_pred[0] * std_y + mean_y))

最后一行展示了逆归一化过程：模型看到的是归一化后的功率，输出也是归一化的，要还原成真实功率必须用训练集的功率标准差和均值做逆变换。这一步看着简单，却是实际部署时最容易出错的地方。

5. 参数调优实验：K值、潜变量个数、相似度系数怎么搭配

5.1 三个核心超参数各自影响什么

LWPLS需要手工调的核心参数有三个。第一个是K值，也就是每次建立局部模型选用的相似样本数量。K太小，模型只见过少数几个样本，方差大、预测曲线抖动明显；K太大，局部模型退化成全局模型，就失去即时学习的意义了。我实验下来，K取历史库样本总量的5%到15%之间，通常20到60个点，效果比较稳。

第二个是潜变量个数 (n_{comp})。偏最小二乘允许通过提取多个潜变量逐级解释残差，但这个数字并非越大越好。(n_{comp}) 太大会把局部样本里的噪声也吸收进去，导致过拟合。用验证集做5折交叉验证，通常2到5个潜变量就已经够用了。

第三个是相似度系数 (\gamma)。如果数据里各特征经过归一化后变化尺度接近，距离和方向几乎同等重要，取0.5；如果你更信任数值接近程度而不是方向一致性，取0.7到0.8。需要强调的是，(\gamma) 对结果的影响没有K值和 (n_{comp}) 那么强烈，所以我的调参顺序永远是：先固定 (\gamma=0.6)，交叉验证确定 (n_{comp})，再网格搜索K值，最后微调 (\gamma)。

5.2 我的调参实验记录

在公开风电场数据集上做过一组典型的网格搜索，粗略结果如下表：

从这张表能明显看出来，K=30、(n_{comp}=3)、(\gamma=0.6) 附近是实验数据上的较优区间。K值从10加到30，RMSE下降了13千瓦左右，效果显著；但K值再往上涨到50，RMSE反而回升了4千瓦左右，说明切进太多低相似度样本会给局部模型注入干扰。潜变量个数超过3之后精度也基本不再改善，和预期的“过拟合风险”一致。

5.3 历史库容量与在线预测效率的平衡

LWPLS的瓶颈不只在精度，还在速度。每预测一个点都要重新检索和训练，历史库越大，单次预测耗时越长。我实验时把历史库从全部5万条压缩到最近1万条，精度几乎没有下降，单次预测耗时却从数百毫秒降到了几十毫秒。

如果你未来要部署到实时系统，还能进一步用KD-Tree对历史库样本做空间索引，先粗筛再精算相似度。不过毕设阶段用线性扫描已经足够，把主流程跑通、结果分析透彻，比堆工程优化更能体现工作量。

6. 实测效果与最容易翻车的五个细节

6.1 和常见模型的对比结果

在同样一份测试集上，我把LWPLS和几个常见模型做了对比。为了保证公平，所有模型使用同样的特征工程和时序划分，超参数都经过简单调优：

LWPLS在RMSE和R2上都明显优于全局PLS，也比RBF核SVR和单层LSTM更贴合这个数据集。原因并不神秘：风功率预测的难点不是“模型容量不足”，而是“工况不断变化、局部规律各不相同”。LWPLS的局部建模策略恰好能逐点适应这种变化，而全局模型再复杂也很难做到。

6.2 五个最容易让人崩溃的细节问题

第一，历史库混入未来数据。不少人在构建历史样本库时直接用了全量数据，没有按时间过滤，导致预测每个查询点时都能检索到“未来时刻”的样本，测试集精度高得离谱，却不能反映真实性能。解决方式只有一个，严格按时间戳截断。

第二，逆归一化统计量用错。测试集和验证集归一化必须使用训练集的均值和标准差，逆变换时同样如此。我见过有同学在评估时用测试集的真实功率统计量做逆变换，指标立刻好看很多，但这本质上是把测试集信息泄漏进了评估过程。

第三，K值过小导致预测曲线抖动。局部模型每次只依赖少数样本，如果历史库中与当前工况真正相似的样本不多，K值又设得比较小，连续时间点的预测容易出现锯齿状抖动。解决办法是适当增大K，或者在预测后加一阶指数平滑：

def smooth_series(seq, alpha=0.6): smoothed = [] prev = seq[0] for s in seq: prev = alpha * prev + (1 - alpha) * s smoothed.append(prev) return np.array(smoothed)

第四，限电样本没剔除干净。限电弃风数据会形成“风速高但功率低”的异常模式，LWPLS如果频繁选中这类样本，预测会持续偏低。只删功率为0的记录还不够，建议结合“风速大于切入风速且功率长时间低于预期区间”的规则辅助清理。

第五，多步预测递推误差累积。如果项目要求预测未来4小时，而只做一个单步模型再循环迭代，误差会随着预测步数快速膨胀。我的处理方式是只承诺单步预测精度，多步场景改为“滚动更新”，也就是每到一个新时刻就用最新观测值重新预测下一步。这个设计在论文里讲清楚，评审老师通常会认可。

6.3 毕设答辩前我最后悔没早点做的事

最终让我在这个项目里收获最大的，不是模型分数提高了多少，而是把每一步的实验记录完整保留了下来。哪个参数、哪个数据集版本、哪个清洗规则，对应的RMSE是多少，全部用表格记录，答辩时整理成曲线和图表几乎不费劲。

另外，源码里的注释值得认真写。你自己的项目代码，三天后回来看都可能想不起某个矩阵维度为什么是这样，更别说答辩老师临时打断、随机指到一行代码让你解释。我当时把每个核心函数都写了物理含义注释，比如“这个方向向量表示当前局部工况下功率对风速的主响应方向”，答辩时解释起来明显顺畅很多。

如果你也在做或者准备做这个方向的毕设，我的建议很直接：先别急着堆模型，花两天时间把LWPLS的推导在纸上完整推一遍，再动手写代码。算法原理清楚了，源码反而是水到渠成的事情。

本文还有配套的精品资源，点击获取