В данной научно-экспериментальной работе выполнена оценка гибридной модели с контролем утечки данных и калибровкой остатков для последовательного прогнозирования фотоэлектрической генерации на один час вперед в активные часы. Аудит эксплуатационных данных трех солнечных электростанций показал, что 28 296 исходных почасовых строк соответствуют 11 736 уникальным наблюдениям «станция-час»; 16 560 повторных строк с идентичными известными значениями были консолидированы. После ограничения области моделирования наблюдениями с положительной плановой и известной фактической генерацией получено 4 848 уникальных активных наблюдений, хронологически разделенных на 3 038 обучающих, 819 калибровочных и 991 независимое тестовое наблюдение. Модель RCNH объединяет двухслойный Tabular MLP и калибратор HistGradientBoosting, обучаемый только на остатках калибровочного периода. На тестовом периоде получены MAE = 2 591,80 кВт·ч, RMSE = 3 906,53 кВт·ч и R² = 0,908609. Относительно MLP, обученного только на train-периоде, MAE снижена на 11,36%; 95%-й интервал трехдневного блочного bootstrap составляет 6,98-14,95%, скорректированное по Holm двустороннее p = 0,003998. Вместе с тем диагностический MLP, переобученный на train+calibration, достиг MAE = 2 464,63 кВт·ч, а rolling-origin валидация показала более высокую временную устойчивость древесных ансамблей. Следовательно, RCNH является конкурентоспособной и эффективной в конкретном отложенном режиме, но не демонстрирует универсального превосходства; ее результат зависит от репрезентативности калибровочного окна и временного режима.