随着国家对可再生能源比例要求的不断提高，新光伏电站的建设需求不断增加。为了解决新光伏电站历史数据不足的问题，建立了基于特征转移学习的短期光伏功率预测模型。该模型利用日辐照度特征、光伏电池温度和t－SNE算法特征提取气象数据特征，构建了具有推广能力的高识别预测模型。据迁移学习理论介绍，GRU神经网络的预训练使用光伏电站的长期历史数据，并使用少量本地操作数据微调预测模型的输出权重，以提高预测精度，实现预测模型的本地化。