光伏电站功率预测工程师岗位招聘考试试卷及答案

光伏电站功率预测工程师岗位招聘考试试卷及答案光伏电站功率预测工程师岗位招聘考试试卷及答案一、填空题（共10题，每题1分）1.光伏功率预测的核心影响因素是______。2.数值天气预报的英文缩写是______。3.光伏组件功率输出与太阳辐照度大致呈______关系。4.光伏功率预测按时间尺度分为超短期、短期和______。5.预测模型按方法分为物理模型和______模型。6.光伏电站安装容量的单位通常是______（直流侧）。7.太阳辐照度的单位是______。8.常用预测误差指标“均方根误差”的缩写是______。9.光伏功率预测的输入数据包括气象数据和______。10.双轴跟踪光伏系统比固定倾角系统年发电量约高______%。二、单项选择题（共10题，每题2分）1.光伏短期功率预测的时间尺度一般是？A.1-7天B.1-24小时C.1-3个月D.1-12个月2.以下属于物理预测模型的是？A.随机森林B.NWP+辐射传输C.LSTMD.XGBoost3.光伏功率输出最关键的气象因子是？A.温度B.相对湿度C.太阳辐照度D.风速4.RMSE的全称是？A.平均绝对误差B.均方根误差C.平均绝对百分比误差D.归一化均方根误差5.中长期光伏预测的时间尺度通常是？A.1-7天B.1-24小时C.1-3个月D.1-12个月6.以下属于机器学习模型的是？A.辐射传输模型B.NWP模型C.LSTMD.经验公式7.光伏组件功率随温度升高而？A.升高B.降低C.不变D.不确定8.光伏预测输入数据不包括？A.历史功率B.实时气象C.用户用电D.未来NWP9.NRMSE计算通常除以？A.预测最大值B.实际最大值C.平均功率D.安装容量10.双轴跟踪比单轴跟踪发电量约高？A.5%-10%B.10%-15%C.15%-20%D.20%-25%三、多项选择题（共10题，每题2分）1.光伏预测的应用场景包括？A.电网调度B.电站运维C.电力交易D.储能配置2.预测按时间尺度分为？A.超短期B.短期C.中长期D.年度3.影响光伏功率的因素有？A.辐照度B.温度C.组件倾角D.云层遮挡4.常用机器学习模型有？A.LSTMB.XGBoostC.随机森林D.SVM5.NWP输出产品包括？A.辐照度B.温度C.风速D.相对湿度6.预测误差来源包括？A.气象数据误差B.模型缺陷C.设备故障D.人为操作7.超短期预测时间尺度是？A.0-4小时B.0-1小时C.1-4小时D.4-24小时8.预测输入数据包括？A.历史辐照度B.历史功率C.未来NWPD.电站容量9.预测评价指标包括？A.MAEB.RMSEC.MAPED.NRMSE10.跟踪系统类型包括？A.单轴B.双轴C.固定倾角D.平单轴四、判断题（共10题，每题2分）1.物理模型无需历史数据即可预测。（）2.温度越高，组件功率越大。（）3.超短期预测用于电网实时调度。（）4.机器学习模型只处理结构化数据。（）5.NWP分辨率越高，预测精度一定越高。（）6.电站安装容量指直流侧额定功率。（）7.MAPE对异常值不敏感。（）8.双轴跟踪比固定倾角发电量高20%-30%。（）9.预测无需考虑云层变化。（）10.中长期预测用于电力交易和储能规划。（）五、简答题（共4题，每题5分）1.简述光伏功率预测的核心逻辑。2.对比物理模型与机器学习模型的优缺点。3.常用预测误差指标及意义？4.超短期预测的应用场景及关键要求？六、讨论题（共2题，每题5分）1.如何提升极端天气下的预测精度？2.光伏预测在电力现货市场中的作用及注意事项？---答案部分一、填空题答案1.太阳辐照度2.NWP3.正比4.中长期5.统计/机器学习6.kWp/MWp7.W/m²8.RMSE9.电站历史运行数据10.20-30二、单项选择题答案1.B2.B3.C4.B5.D6.C7.B8.C9.B10.A三、多项选择题答案1.ABCD2.ABC3.ABCD4.ABCD5.ABCD6.ABC7.AC8.ABCD9.ABCD10.ABD四、判断题答案1.×2.×3.√4.×5.×6.√7.×8.√9.×10.√五、简答题答案1.核心逻辑：基于“输入-模型-输出”框架，输入包括历史功率/辐照度、实时/未来气象（NWP）、电站参数；模型分物理（辐射传输+组件特性）或机器学习（学习数据规律）；输出未来功率，经误差验证后服务调度、交易等场景。2.优缺点对比：-物理模型：解释性强、外推性好，但依赖精确气象数据、计算复杂；-机器学习：适配非线性关系、精度高（数据充足时），但解释性弱、依赖历史数据、极端天气泛化差。3.指标及意义：-MAE：平均绝对偏差，反映平均误差；-RMSE：对大误差敏感，体现波动；-MAPE：相对误差，便于多电站对比；-NRMSE：消除容量影响，适合横向对比。4.应用及要求：-场景：电网实时调度、AGC/AVC控制、储能充放；-要求：时间尺度0-4小时（步长5-15分钟）、精度高（NRMSE≤5%）、实时性强（分钟级完成）、极端天气可靠。六、讨论题答案1.提升极端天气精度：①数据：融合雷达/卫星云图，补充极端样本；②模型：物理+机器学习融合，训练专项子模型，加注意力机制；③后处理：实时检测极端天气，动态调整模型权重，结合设备状态修正；④运维：同步