01
课程导论
为什么需要发电量预测？预测模型的核心价值与应用场景。
⭐ 入门全景
02
数据基础
光伏/风电发电原理与影响发电量的关键气象因素。
气象物理
03
数据采集
传感器数据、SCADA系统与气象站数据获取方法。
SCADAIoT
04
数据清洗
缺失值处理、异常值检测与数据平滑技术。
预处理平滑
05
特征工程
时间特征、气象特征与历史功率特征的构建方法。
特征时序
06
数据探索
可视化分析发电量与各特征之间的关系。
EDA图表
07
数据划分
训练集、验证集与测试集的划分策略。
Split验证
08
基线模型
线性回归模型的构建与评估。
Baseline回归
09
树模型入门
决策树回归的原理与实现。
决策树可解释
10
集成学习
随机森林回归模型的构建与调优。
随机森林Bagging
11
梯度提升
XGBoost与LightGBM模型的原理与实战。
XGBoostLightGBM
12
深度学习入门
多层感知机（MLP）用于时序预测。
MLP神经网络
13
循环神经网络
RNN与LSTM在发电量预测中的应用。
LSTMRNN
14
时序卷积
TCN（时序卷积网络）模型构建。
TCNCNN
15
注意力机制
Transformer模型在时间序列预测中的尝试。
TransformerAttention
16
模型评估指标
MAE、RMSE、MAPE与R²的计算与解读。
指标评估
17
交叉验证
时间序列交叉验证的特殊性与实现。
CV时序
18
超参数调优
网格搜索、随机搜索与贝叶斯优化。
调参贝叶斯
19
特征选择
基于模型的特征重要性分析与递归特征消除。
RFE重要性
20
模型融合
Stacking与Blending集成策略。
StackingBlending
21
不确定性量化
预测区间的生成与可靠性评估。
区间置信
22
多步预测
直接多步、递归多步与Seq2Seq策略。
多步Seq2Seq
23
多站点预测
空间相关性建模与图神经网络初探。
GNN空间
24
模型部署
ONNX模型导出与Flask API服务搭建。
ONNXFlask
25
边缘计算
模型轻量化与在嵌入式设备上的部署。
轻量化边缘
26
在线学习
模型增量更新与自适应策略。
增量自适应
27
异常预警
基于预测残差的设备故障预警系统。
预警残差
28
案例实战·光伏
某光伏电站24小时发电量预测全流程。
实战光伏
29
案例实战·风电
某风电场短期功率预测与调度优化。
实战风电
30
课程总结
模型选型指南与未来技术趋势展望。
趋势总结