【2024 Datawhale AI 夏令营】电力需求预测挑战赛笔记

#AI夏令营 #Datawhale #夏令营

一、赛题背景

随着全球经济的快速发展和城市化进程的加速，电力系统面临着越来越大的挑战。电力需求的准确预测对于电网的稳定运行、能源的有效管理以及可再生能源的整合至关重要。然而，电力需求受到多种因素的影响，为了提高电力需求预测的准确性和可靠性，推动智能电网和可持续能源系统的发展，本场以“电力需求预测”为赛题的数据算法挑战赛。选手需要根据历史数据构建有效的模型，能够准确的预测未来电力需求。

二、赛题任务

给定多个房屋对应电力消耗历史N天的相关序列数据等信息，预测房屋对应电力的消耗。

2.1数据说明

赛题数据由训练集和测试集组成，为了保证比赛的公平性，将每日日期进行脱敏，用1-N进行标识，即1为数据集最近一天，其中1-10为测试集数据。数据集由字段id（房屋id）、 dt（日标识）、type（房屋类型）、target（实际电力消耗）组成。

特征字段	字段描述
id	房屋id
dt	日标识
type	房屋类型
target	实际电力消耗，预测目标

2.2评审规则

预测结果以 mean square error 作为评判标准，具体公式如下：

其中，是真实电力消耗，是预测电力消耗。

三、初步代码

# 1. 导入需要用到的相关库
# 导入 pandas 库，用于数据处理和分析
import pandas as pd
# 导入 numpy 库，用于科学计算和多维数组操作
import numpy as np

# 2. 读取训练集和测试集
# 使用 read_csv() 函数从文件中读取训练集数据，文件名为 'train.csv'
train = pd.read_csv('./data/data283931/train.csv')
# 使用 read_csv() 函数从文件中读取测试集数据，文件名为 'test.csv'
test = pd.read_csv('./data/data283931/test.csv')

# 3. 计算训练数据最近11-20单位时间内对应id的目标均值
target_mean = train[train['dt']<=20].groupby(['id'])['target'].mean().reset_index()

# 4. 将target_mean作为测试集结果进行合并
test = test.merge(target_mean, on=['id'], how='left')

# 5. 保存结果文件到本地
test[['id','dt','target']].to_csv('submit.csv', index=None)

个人代码总结：

这段代码主要是用于数据处理、分析和保存结果到本地的过程。

1. 通过导入 pandas 库和 numpy 库，将它们分别重命名为 pd 和 np。
2. 使用 pd.read_csv() 方法读取训练集和测试集数据。
3. 计算训练集中时间戳（'dt' 列）小于等于20的数据的目标列（'target'）的均值，并将结果存储到变量 target_mean 中。
4. 将测试集数据与目标均值结果按照'id'进行左连接合并，存储到变量 test 中。
5. 从合并后的数据中选择'id'、'dt' 和 'target' 列，然后将结果保存到名为 'submit.csv' 的文件中，不包括索引。