01
风电预测概述
为什么需要风电预测？挑战与价值、预测模型分类（物理/统计/机器学习）
基础概念
02
数据采集与预处理
SCADA系统、采集频率与字段、数据清洗、标准化与归一化
数据清洗
03
特征工程
风速/风向/温度/气压特征、时间特征、滞后与滚动窗口特征
特征构造
04
探索性数据分析 (EDA)
数据分布可视化、相关性热力图、风速-功率曲线、异常模式识别
可视化EDA
05
基线模型构建
线性回归、决策树回归、MAE/RMSE/R²、基线结果分析
基线回归
06
机器学习模型进阶
随机森林、GBDT、XGBoost、LightGBM原理与实战
集成Boosting
07
深度学习模型入门
LSTM原理、时序预测适用性、Keras搭建LSTM模型
LSTMKeras
08
模型训练与调优
训练/验证/测试划分、交叉验证、网格搜索、早停与学习率衰减
调优超参数
09
模型集成与融合
简单平均、加权平均、Stacking、模型融合实战案例
集成Stacking
10
模型部署与监控
Pickle/ONNX序列化、Flask API、实时预测、性能监控与重训练
部署API
11
项目实战：数据获取与探索
真实风电数据集介绍、数据加载、数据质量报告生成
实战数据
12
项目实战：预处理与特征工程
完整清洗流程、特征构造与选择、特征重要性分析
实战特征
13
项目实战：基线模型建立与评估
线性回归、决策树、随机森林模型训练与对比
实战基线
14
项目实战：XGBoost优化
XGBoost参数详解、贝叶斯优化调参、结果分析
XGBoost调参
15
项目实战：LSTM时序模型
时间序列重构、LSTM网络设计、训练过程可视化
LSTM实战
16
项目实战：模型集成与最终结果
多种集成策略、最终预测展示、误差分析与改进方向
集成结果
17
风电功率曲线建模
理论功率曲线(IEC)、实际曲线拟合、异常点剔除与修正
功率曲线IEC
18
风速预测与功率预测联动
风速预测方法、NWP数据融合、风速-功率级联预测
级联NWP
19
多风电场联合预测
空间相关性分析、多站点数据融合、区域级功率预测
多站点区域
20
极端天气下的预测优化
低/高风速截断、湍流强度影响、极端事件检测与鲁棒性
极端鲁棒性
21
模型可解释性
SHAP值分析、特征重要性排序、部分依赖图(PDP)、决策可视化
可解释性SHAP
22
在线学习与增量更新
在线学习算法、流式数据处理、模型增量更新实战
增量在线
23
不确定性量化
概率预测vs点预测、分位数回归、区间评估(PINAW/PICP)
不确定性区间
24
联邦学习在风电预测中的应用
数据隐私保护、FATE框架、横向与纵向联邦
联邦学习隐私
25
边缘计算与轻量化模型
模型剪枝/量化/蒸馏、TensorFlow Lite、边缘端推理优化
边缘轻量化
26
风电预测竞赛解析
Kaggle风电竞赛案例、竞赛技巧、高分方案拆解
竞赛Kaggle
27
行业标准与规范
国网风电预测考核标准、合格率/准确率、并网技术要求
标准并网
28
未来趋势与前沿技术
Transformer时序预测、扩散模型、物理信息神经网络(PINN)
前沿Transformer
29
完整项目复盘
从数据到部署全流程回顾、常见问题与解决方案、文档规范
复盘全流程
30
课程总结与进阶路径
核心思维导图、推荐学习资源、进阶方向与职业建议
总结进阶