01
课程导论
电价预测的意义、市场机制简介、课程目标与学习路径
入门概览
02
电力市场基础
电力市场结构、电价形成机制、关键术语（日前、实时、辅助服务）
市场术语
03
数据获取与探索
数据来源（PJM、Nord Pool等）、数据字段解读、数据质量检查
数据PJM
04
数据清洗实战
缺失值处理、异常值检测与修正、时间戳对齐
清洗预处理
05
特征工程（上）
时间特征（小时、星期、季节）、滞后特征、滚动统计特征
特征时序
06
特征工程（下）
日历特征（节假日）、天气特征融合、特征选择方法
天气选择
07
数据可视化分析
电价分布、时序趋势图、相关性热力图、箱线图
可视化EDA
08
数据预处理
归一化与标准化、训练集/验证集/测试集划分、时间序列交叉验证
归一化交叉验证
09
基线模型
历史平均法、朴素预测、线性回归作为基准
基准简单
10
线性回归模型
原理回顾、sklearn实现、模型评估（MAE、RMSE、MAPE）
回归sklearn
11
决策树与随机森林
原理简介、随机森林回归实现、特征重要性分析
树模型集成
12
梯度提升模型（XGBoost）
XGBoost原理、参数调优、模型训练与保存
XGBoost调参
13
LightGBM与CatBoost
高效梯度提升框架对比、实战调参、速度与精度权衡
LightGBMCatBoost
14
长短期记忆网络（LSTM）
循环神经网络基础、LSTM原理、Keras实现
LSTM深度学习
15
LSTM实战
序列构建、模型搭建、训练与预测、结果可视化
实战Keras
16
CNN-LSTM混合模型
一维CNN特征提取、混合架构设计、性能对比
CNN混合
17
Transformer模型入门
自注意力机制、时间序列Transformer、简单实现
Transformer注意力
18
模型集成策略
平均集成、加权集成、Stacking集成方法
集成Stacking
19
超参数调优
网格搜索、随机搜索、贝叶斯优化（Optuna）
调优Optuna
20
模型评估与诊断
残差分析、预测区间、回测框架搭建
评估回测
21
特征重要性深入分析
SHAP值解释、部分依赖图、模型可解释性
SHAP可解释性
22
多步预测策略
递归多步、直接多步、Seq2Seq多步预测
多步Seq2Seq
23
概率预测
分位数回归、区间预测、核密度估计
概率区间
24
实时预测系统设计
数据流水线、模型更新策略、延迟优化
系统实时
25
模型部署
Flask API搭建、Docker容器化、云服务部署（AWS/GCP）
部署Docker
26
案例实战（一）
PJM日前电价预测——从数据到模型全流程
案例PJM
27
案例实战（二）
极端电价事件预测——异常检测与预警
异常预警
28
案例实战（三）
可再生能源渗透下的电价预测——风/光出力特征融合
新能源融合
29
前沿趋势
深度概率模型、图神经网络、联邦学习在电价预测中的应用
前沿GNN
30
课程总结与进阶路径
知识体系回顾、推荐资源、下一步学习方向
总结进阶