小样本场景下的光伏预测其实挺棘手的，尤其刚上线的电站，数据少得可怜。双层神经网络这招就挺有意思，把传统网络一拆为二，每层结构更精简，思路也清晰多了。再加上单步预测，输入输出都减负，响应也快，模型整体也更稳定。

影响光伏发电的因素本来就挺多，像天气、光照啥的。作者就巧妙地用了统计把天气因子融合进网络里，减少了建模的复杂度。你要是用过常规的神经网络预测，会发现这个改法还挺实用。

文末还用了真实数据验证过，结果也还不错，精度稳，数据需求也降了不少。适合那种数据刚起步的项目，友好。想做初步部署或者快速测试的可以试试看。

对了，想延伸了解的话，有几个还蛮对口的资源，像是 BP 神经网络光伏预测，还有个 遗传算法优化网络 的也值得一看。

如果你最近在搞小样本预测，尤其和光伏或时间序列相关，这套方法可以作为个不错的起点。跑通也不难，改起来也方便。