光伏发电预测

XGB、LGB在datacamp（学习网站）

data fountain与国家电投系列赛，光伏发电预测

题目：给一组特征，预测瞬时发电量，训练集9000个点，测试集8000个点，特征包含光伏板的属性和外部环境等。

数据字段：ID、光伏电池板背侧温度、光伏电站现场温度、计算得到的平均转换效率、数据采集点A处光伏板转换效率、数据采集点B处光伏板转换效率、数据采集点C处光伏板转换效率、数据采集点D处光伏板转换效率、数据采集点A处汇流箱电压值、数据采集点B处汇流箱电压值、数据采集点C处汇流箱电压值、数据采集点D处汇流箱电压值、数据采集点A处汇流箱电流值、数据采集点B处汇流箱电流值、数据采集点C处汇流箱电流值、数据采集点D处汇流箱电流值、采集点A处的功率、采集点B处的功率、采集点C处的功率、采集点D处的功率、采集点A、B、C三点功率的平均值、光伏电厂现场风速测量值、光伏电厂现场风向、辐照度、湿度

数据探索性分析与异常值处理

探索性分析：

作图训练集发电量的散点图，可以发现发电量是有周期性的，在一天中，发电量随着光照强度变化；同时发现，一个周期及一天，每天大概有200个ID，所以训练集大致是45天左右的数据。

对其他特征进行散点图绘制：温度、平均功率、电压、转换效率

也需要对转换效率、平均功率等绘制分布图，观察各个特征的分布状况（大多数特征符合正态分布，或者两个峰的分布）

发现异常值之后，需要异常值判定（平均值3*标准差之外的任何值，即为异常值）、异常值处理（鉴于测量点数据具有时序关系，直接用上一个有效值代替异常值）

相关性分析：

观测各特征与发电量的皮尔森相关系数（可以在一定程度上判断特征对于预测的作用）

数据可视化：光照强度&发电量、平均功率&发电量、板温&发电量、电压&发电量、转换效率&发电量、风速&发电量、风向&发电量、现场温度&发电量

发现：光照强度/40的曲线基本和发电量的曲线一致，平均功率/480的曲线基本与发电量的曲线一致。

相关性不明显的变量，可以尝试对各种组合变换。

特征工程

想尽一些办法，发现和制造对于预测有帮助的特征

领域特征：寻找在问题专业领域内起作用的特征

多项式特征：通过选取一些已有特征，对他们进行加减乘除各种运算，构造一些特征

光伏发电领域特征：

1、距离周期内峰值的距离（dis2peak）:反映一个测量点在一天即一个周期中的位置。

2、温差（板温-现场温度）：发现温差与发电量强度相关

3、电压A/转换效率=实际版面所受光照，版面所受光照应该是直接影响发电量的，由于一天中日照角度的变化，数据提供的光照强度不能直接反映板面所受光照

高阶环境特征：

环境因素的两两之间的2阶交互项可以提供较好的预测效果

python中有一个poly feature可以直接使用，选择几个特征，直接生成若干高阶特征，采用2阶交互项的可能的解释是：光照影响发电量，温度影响发电量，而光照又影响温度，所以两者的交互有意义；同理，光照与风速、风向的交互也一样，互相影响，同时共同影响发电量。

模型构建与调试

预测模型整体结构

这是一个连续目标变量回归