01
储能数据概述
储能系统数据类型、数据采集方式、数据质量评估、数据预处理的重要性
数据基础预处理
02
Python数据科学生态
NumPy基础、Pandas基础、Matplotlib基础、Scikit-learn简介
Python工具库
03
数据探索与可视化
描述性统计、分布分析、相关性分析、异常值检测、可视化实战
EDA可视化
04
数据预处理实战
缺失值处理、异常值处理、数据标准化与归一化、特征工程入门
清洗特征工程
05
K-Means聚类算法
算法原理、距离度量、K值选择（肘部法则）、Python实现
聚类无监督
06
层次聚类与DBSCAN
层次聚类原理、树状图解读、DBSCAN原理、密度聚类实战
层次密度
07
聚类评估指标
轮廓系数、Calinski-Harabasz指数、Davies-Bouldin指数、实战对比
评估指标
08
储能工况聚类实战
充电/放电模式识别、典型工况提取、聚类结果分析
工况实战
09
主成分分析（PCA）
降维原理、方差解释、PCA在储能数据中的应用、可视化
降维PCA
10
t-SNE与UMAP
t-SNE原理与参数、UMAP原理、高维数据可视化、对比分析
可视化流形
11
线性回归与预测
一元线性回归、多元线性回归、储能SOC预测入门
回归SOC
12
决策树与随机森林
决策树原理、随机森林原理、特征重要性分析、储能异常检测
集成异常
13
支持向量机（SVM）
SVM原理、核函数、SVM在储能故障分类中的应用
分类SVM
14
K近邻算法（KNN）
KNN原理、K值选择、KNN在储能状态识别中的应用
KNN状态
15
模型评估与调优
交叉验证、网格搜索、学习曲线、过拟合与欠拟合
调优验证
16
时间序列基础
时间序列概念、平稳性、自相关、偏自相关、储能时序数据特点
时序自相关
17
ARIMA模型
ARIMA原理、定阶方法、模型诊断、储能功率预测实战
ARIMA预测
18
Prophet模型
Prophet原理、趋势与季节性、节假日效应、储能负荷预测
Prophet负荷
19
LSTM入门
循环神经网络基础、LSTM原理、Keras搭建LSTM、储能时序预测
深度学习LSTM
20
异常检测基础
统计方法、孤立森林、LOF、储能数据异常检测场景
异常孤立森林
21
基于聚类的异常检测
K-Means异常检测、DBSCAN异常检测、实战对比
聚类异常
22
基于分类的异常检测
One-Class SVM、隔离森林、储能电池异常识别
分类异常
23
储能电池健康状态（SOH）估计
SOH定义、特征提取、回归模型、实战案例
SOH健康
24
储能电池荷电状态（SOC）估计
SOC定义、开路电压法、安时积分法、机器学习方法
SOC估计
25
储能系统热管理数据分析
温度数据特征、热失控预警、聚类分析应用
热管理预警
26
储能系统寿命预测
循环寿命、日历寿命、特征工程、预测模型对比
寿命预测
27
多源数据融合
数据对齐、特征融合、决策级融合、储能多源数据实战
融合多源
28
实时数据处理与流式聚类
流式数据特点、Streaming K-Means、Flink/Spark简介
流式实时
29
综合实战项目（一）
数据获取与清洗、探索性分析、特征工程、模型构建
实战项目
30
综合实战项目（二）
模型评估与优化、结果可视化、报告生成、部署思路
部署报告