Бұл ғылыми-эксперименттік зерттеуде белсенді сағаттардағы фотоэлектрлік генерацияны бір сағат алдын ала болжауға арналған деректердің ағып кетуін бақылайтын қалдықты-калибрленген гибридті модель бағаланды. Үш күн электр станциясының 28 296 бастапқы сағаттық жазбасы аудиттен өткізіліп, 11 736 бірегей «станция-сағат» кілті анықталды; бірдей мәндері бар 16 560 қайталама жазба біріктірілді. Жоспарлы генерациясы оң және нақты генерациясы белгілі 4 848 бірегей белсенді бақылау 3 038 оқыту, 819 калибрлеу және 991 тәуелсіз тест бақылауына хронологиялық түрде бөлінді. RCNH моделі екі жасырын қабатты Tabular MLP мен калибрлеу кезеңінің қалдықтарында оқытылған HistGradientBoosting калибраторын біріктіреді. Тест кезеңінде RCNH MAE = 2 591,80 кВт·сағ, RMSE = 3 906,53 кВт·сағ және R² = 0,908609 нәтижелерін көрсетті. Оқыту кезеңімен ғана үйретілген MLP-мен салыстырғанда MAE 11,36%-ға төмендеді; үш күндік block-bootstrap үшін 95% аралығы 6,98-14,95%, Holm түзетуінен кейінгі екіжақты p = 0,003998. Алайда train+calibration деректерімен қайта оқытылған MLP MAE = 2 464,63 кВт·сағ нәтижесін көрсетті, ал rolling-origin тексеруде ағаштық ансамбльдер анағұрлым тұрақты болды. Сондықтан RCNH бәсекеге қабілетті және белгілі бір тест режимінде тиімді, бірақ оның артықшылығы калибрлеу терезесінің репрезентативтілігі мен уақыттық режимге тәуелді.