01
风电功率预测概述
定义、意义、分类（超短期/短期/中长期）、应用场景及行业现状
基础行业
02
气象学基础
风能资源评估、大气边界层、风速风向测量、NWP/再分析数据
气象数据源
03
数据预处理
异常值/缺失值处理、时间对齐、重采样、标准化与归一化
清洗特征工程
04
特征工程
时间/气象/历史功率特征、滚动特征构建
特征时序
05
探索性数据分析 (EDA)
统计描述、相关性分析、可视化、季节性分解
可视化分析
06
经典统计方法
持续法、ARIMA、SARIMA、卡尔曼滤波
统计基线
07
机器学习入门
线性回归、决策树、随机森林、SVR
ML回归
08
深度学习基础
ANN、激活函数、损失函数、优化器、正则化
DL基础
09
循环神经网络 (RNN)
RNN原理、梯度问题、时序预测实践
RNN序列
10
长短期记忆网络 (LSTM)
门控机制、双向/堆叠LSTM、风电预测实战
LSTM实战
11
门控循环单元 (GRU)
GRU原理、与LSTM对比、轻量化应用
GRU高效
12
卷积神经网络 (CNN)
1D-CNN、TCN、CNN-LSTM混合模型
CNN混合
13
注意力机制
自注意力、多头注意力、Transformer、Informer
注意力SOTA
14
图神经网络 (GNN)
风电场拓扑、GCN、集群功率预测
GNN拓扑
15
集成学习方法
Bagging/Boosting (XGBoost, LightGBM)、Stacking
集成树模型
16
不确定性量化
概率预测、分位数回归、KDE、贝叶斯神经网络
概率区间
17
模型评估指标
MAE/RMSE/MAPE/R²、CRPS、Pinball Loss、技能分数
指标评估
18
超参数调优
网格/随机搜索、贝叶斯优化 (Optuna)、时序交叉验证
调优Optuna
19
数据增强与生成
GAN、VAE、时间序列数据增强
生成增强
20
迁移学习
预训练、领域自适应、微调、少样本风电场
迁移少样本
21
多步预测策略
递归/直接/多输出预测、Seq2Seq模型
多步策略
22
多风电场协同预测
空间相关性、GAT、联邦学习
协同分布式
23
实时预测系统架构
Kafka/Flink、TensorFlow Serving、ONNX、FastAPI
系统部署
24
边缘计算与嵌入式部署
INT8量化、剪枝、知识蒸馏、Jetson/树莓派
边缘嵌入式
25
案例实战一：LSTM超短期预测
数据获取、特征构建、训练、评估、可视化
实战LSTM
26
案例实战二：XGBoost短期预测
XGBoost建模、特征重要性分析
实战XGBoost
27
案例实战三：Transformer概率预测
中期概率预测、不确定性区间输出
实战Transformer
28
案例实战四：多风电场集群预测
集群功率预测、空间相关性建模
实战集群
29
模型可解释性
SHAP、LIME、特征重要性、注意力可视化
可解释SHAP
30
行业前沿与未来趋势
数字孪生、PINN、强化学习、碳中和展望
前沿趋势