01
预测概述
发电量预测的定义、重要性、应用场景与挑战。
基础入门
02
数据基础
历史负荷、气象数据、日历特征的数据采集与清洗。
数据预处理
03
特征工程
时间特征、滑动窗口、差分、归一化与标准化方法。
特征工程
04
经典统计模型
移动平均(MA)、指数平滑(ES)、ARIMA模型原理与实现。
统计ARIMA
05
机器学习入门
线性回归、决策树、随机森林在预测中的应用。
ML回归
06
深度学习基础
RNN、LSTM、GRU的核心原理与对比。
RNNLSTM
07
时序卷积网络
TCN模型结构、因果卷积与膨胀卷积详解。
TCN卷积
08
注意力机制
Self-Attention、Transformer在时序预测中的用法。
注意力Transformer
09
混合模型
CNN-LSTM、ConvLSTM等组合模型的设计思路。
混合CNN
10
模型评估
MAE、RMSE、MAPE、R²等指标的计算与解读。
评估指标
11
超参数调优
网格搜索、随机搜索、贝叶斯优化的实战技巧。
调优贝叶斯
12
防止过拟合
正则化、Dropout、早停法(Early Stopping)策略。
正则Dropout
13
多步预测
递归策略、直接策略、Seq2Seq与Teacher Forcing。
多步Seq2Seq
14
概率预测
分位数回归、贝叶斯神经网络、MC Dropout方法。
概率贝叶斯
15
集成学习
Bagging、Boosting、Stacking在预测中的效果。
集成Boosting
16
异常检测
基于统计、距离、密度与孤立森林的异常值处理。
异常孤立森林
17
缺失值处理
插值法、前向填充、模型预测填补的优劣对比。
缺失值插值
18
数据增强
加噪、缩放、时间扭曲、生成对抗网络(GAN)方法。
增强GAN
19
在线学习
增量学习、流式数据处理与模型在线更新策略。
在线增量
20
联邦学习
隐私保护下的分布式发电预测框架。
联邦隐私
21
可解释性
SHAP、LIME、特征重要性分析在预测模型中的应用。
可解释SHAP
22
模型部署
ONNX、TensorRT、Flask/FastAPI服务化部署。
部署ONNX
23
边缘计算
在嵌入式设备上部署轻量级预测模型。
边缘轻量
24
光伏预测
基于辐照度、云量、温度的光伏功率预测方法。
光伏新能源
25
风电预测
基于风速、风向、湍流强度的风电功率预测方法。
风电功率
26
负荷预测
短期、中期、长期负荷预测的差异化策略。
负荷策略
27
电价预测
基于市场机制、供需关系的电价预测模型。
电价市场
28
多站点预测
图神经网络(GNN)在区域电网预测中的应用。
GNN多站点
29
不确定性量化
区间预测、置信区间与预测区间构建方法。
不确定性区间
30
前沿趋势
物理信息神经网络(PINN)、基础模型在预测中的探索。
前沿PINN