01
负荷预测概述
什么是负荷预测 · 超短期/短期/中期/长期分类 · 应用场景与商业价值
概念分类
02
电力系统基础
电力系统组成 · 日/周/年负荷曲线 · 气象·经济·节假日影响
电力负荷特性
03
数学基础回顾
概率论与数理统计 · 线性代数 · 微积分（导数·梯度）
数学统计
04
Python与数据科学环境搭建
Anaconda · Jupyter · NumPy · Pandas · Matplotlib
Python环境
05
数据获取与预处理
SCADA/AMI/气象站 · 缺失值·异常值 · 标准化与归一化
清洗预处理
06
探索性数据分析 (EDA)
描述性统计 · 折线图/箱线图/热力图 · 相关性 · 季节性分解
可视化EDA
07
特征工程基础
时间特征 · 滞后特征 · 滑动窗口 · 天气特征融合
特征构造
08
经典预测方法
线性/多项式回归 · 时间序列分解 · 相似日法
回归经典
09
时间序列模型 (上)
ADF检验 · 差分 · ACF/PACF · AR与MA模型
ARMA
10
时间序列模型 (下)
ARIMA · SARIMA · AIC/BIC定阶 · 模型诊断
ARIMASARIMA
11
机器学习入门
三要素 · 过/欠拟合 · 训练/验证/测试集 · 交叉验证
ML基础验证
12
线性模型与正则化
最小二乘 · 岭回归 · Lasso · 弹性网络
正则化线性
13
树模型基础
决策树 · 随机森林 · GBDT简介
树模型集成
14
集成学习进阶
XGBoost · LightGBM · CatBoost · 模型对比
Boosting进阶
15
支持向量机与K近邻
SVR · 核函数 · KNN回归 · 距离度量
SVMKNN
16
深度学习入门
感知机 · 激活函数 · 反向传播 · PyTorch/TensorFlow
神经网络框架
17
循环神经网络 (RNN)
RNN · 梯度消失/爆炸 · LSTM · GRU
RNNLSTM
18
时序预测深度学习模型
LSTM/GRU实战 · 多步预测 · Seq2Seq · Attention
预测Attention
19
CNN与混合模型
1D卷积/TCN · CNN-LSTM · Transformer时序
CNN混合
20
模型评估与选择
MAE/MSE/RMSE/MAPE · 误差分析 · 对比方法论
评估指标
21
超参数调优
网格搜索 · 随机搜索 · 贝叶斯优化 · 学习曲线
调优Optuna
22
集成策略与模型融合
简单/加权平均 · Stacking · Blending
融合集成
23
概率预测与不确定性量化
分位数回归 · 区间预测 · Monte Carlo Dropout · 贝叶斯NN
概率不确定性
24
多站点与多变量预测
全局/局部模型 · 多变量架构 · 图神经网络简介
多站点GNN
25
异常检测与鲁棒预测
异常类型 · 统计/模型检测 · 鲁棒预测方法
异常鲁棒
26
联邦学习与隐私保护
横向/纵向联邦 · 差分隐私 · 安全多方计算
联邦隐私
27
模型部署与工程化
ONNX/TorchScript · REST API · Docker · 监控回滚
部署工程
28
实时预测系统设计
Kafka流处理 · 在线学习 · Feature Store · 缓存
实时系统
29
综合实战项目 (上)
需求分析 · 数据探索 · 特征工程 · 基线模型与调优
实战项目
30
综合实战项目 (下)
模型集成 · 评估可视化 · 系统部署 · 课程总结
完结展望