基于光伏电站真实数据集的深度学习预测模型（Python代码，深度学习五个模型）

效果视频链接：基于深度学习光伏预测系统（五个模型）_哔哩哔哩_bilibili

界面设计

注册界面

登录界面

主界面

展示界面

1.数据集来源

The SOLETE dataset

这里分别保存了不同间隔采样时间表格

1min是以1min 间隔采集的数据集

数据集截图（开始位置截图）

截止位置截图

2.关于特征与标签选择（在交通流量预测方面主要有以下两种方式，本文是第二种）

2.1.第一种方式如下图所示

每一行前9列（黄色部分）作为特征输入，每一行的第10列值作为标签（红色部分）

2.2.第二种方式如下图所示

前6行的10列数据（黄色部分）作为特征输入，第7行的第10列数据（红色部分）为标签。

根据已获取的历史数据预测下一个时间点或者未来多个时间点更符合实际。

3.模型（LSTM；GRU；CNN-LSTM；CNN-GRU；LSTM_transform模型）评价指标

MAE；MSE；MAPE

LSTM 26.3020%； 0.5736% ；49.3607%
GRU 19.3869% ；0.1793%； 44.0200%
CNN-LSTM 16.0719% ；0.1367%； 39.5737%
CNN-GRU 17.2165%； 0.1541% ；41.5540%
LSTM_transform 15.9017%； 0.1385%； 39.7443%

4.效果图(测试集)

LSTM

GRU

CNN-LSTM

CNN-GRU

LSTM+transform

5. 对数据集和代码感兴趣的，可以关注最后一行

import sys
import numpy as np
from PIL import Image
from PyQt5.QtCore import Qt
from PyQt5.QtGui import QPainter,QPen,QImage,QPixmap,QFont,QPalette,QBrush
from PyQt5.QtWidgets import QWidget,QLabel,QPushButton,QLineEdit,QApplication,QMessageBox,QTableWidget,QTableWidgetItem
import matplotlib.pyplot as plt
import pandas as pd
#数据集和代码：https://mbd.pub/o/bread/ZpWVm5xv

秒客网