风力发电数据集

需要的同学私信联系，推荐关注上面图片右下角的订阅号平台 自取下载。

今天给大家带来的是“中国软件杯”大学生软件设计大赛——龙源风电赛道，需要参赛者基于百度飞桨与龙源电力风电数据的功率预测算法系统开发。本次大赛分为3个赛段，预选赛于5月31日截止，主要是算法赛，80%选手晋级区域赛；区域赛是6-7月份进行，算法赛+软件赛，算法赛在新的后台评测数据集上打榜，颁发省级奖项；总决赛于8月进行。

01

—

赛题背景

随着清洁能源的快速发展，风力发电已经成为可再生能源的重要组成部分，然而风具有随机性特点，常规天气预报无法准确反映出风电场所在区域的真实风速，从而造成发电功率预测准确率低下，影响电力供需平衡。因此，提高风电功率预测的准确性，为电网调度提供科学支撑，对我国能源产业有十分重要的价值。

此次大赛的赛题由百度飞桨和龙源电力设置，数据集由全球最大风电运营企业龙源电力提供，采集自真实风力发电数据，要求选手基于百度飞桨PaddlePaddle设计一个可以通过深度学习技术实现对风力发电进行功率预测及管理的软件系统。

02

—

赛题数据

本赛题数据集由全球最大风电运营企业龙源电力提供，采集自真实风力发电数据。预选赛训练数据和区域赛训练数据分别为不同10个风电场近一年的运行数据共30万余条，每15分钟采集一次，包括风速、风向、温度、湿度、气压和真实功率等。预选赛和区域赛的数据集已正式发布。

预选赛数据集

区域赛数据集

03

—

赛题说明

本次比赛算法部分要求选手将算法结果/模型提交至AI Studio进行自动评测，预选赛开放10个风场数据，区域赛开放新的10个风场数据。AI Studio是基于百度深度学习平台飞桨的人工智能学习与实训社区，提供在线编程环境、免费GPU算力、海量开源算法和开放数据，帮助开发者快速创建和部署模型。

要求选手基于PaddlePaddle根据官方提供的数据集，设计一种利用当日05:00之前的数据，预测次日00:00至23:45实际功率的方法。准确率按日统计，根据10个风电场平均准确率进行排名；准确率相同的情形下，根据每日单点的平均最大偏差绝对值排名。

本次比赛要求选手基于web技术实现以下4点：

3.1 数据可视化：将预测结果以图表等形式展示出来，便于用户进行观察和分析；

3.2 实时更新与滚动预测：能够基于提供的数据实时模拟真实功率、预测功率及其之间的差异，通过调节过去不同长度的时间段，以更新未来预测结果，且预测的时间段可调节；

3.3 响应式设计：支持多种终端，包括PC端、移动端等，以适应不同设备的屏幕尺寸和分辨率；

3.4 其他创新附加功能。

04

—

提交和评测说明

4.1 参赛选手需要提交一个命名为submission.zip的压缩包，并且压缩包内应包含：

| – model # 存放模型，并且大小不超过200M | – env # 存放依赖库（可选） | – predict.py # 评估代码 | – …

4.2 测评数据的格式如下：

| – infile（内置于测评系统中，参赛选手不可见） | | – 0001in.csv | | – 0002in.csv | | …

4.3 参赛选手在代码提交页面提交压缩包后，测评系统会解压选手提交的压缩包，并执行命令：python predict.py，测评文件predict.py应该完成的功能是：读取infile文件夹下的测评数据，并将预测结果保存到pred文件夹中。

4.4 预测结果的保存格式如下： 

| – pred（需要选手生成） | | – 0001out.csv | | – 0002out.csv | | …

存放模型参数的model文件夹、存放预测结果的文件夹pred的名称以及predict.py的文件命名应与要求一致，最后将按照精度高低进行排名。

05

—

结束语

以上就是算法软件设计大赛——龙源风电赛道的所有内容了。本次赛题的标签是深度时序预测，比赛时间是2023/03/24—2023/08/01，感兴趣的小侠客可以关注后续赛事进程，也可以使用本次赛题提供的数据集开发算法与迭代改进。