第1章：特征工程（上）——时间特征提取、统计特征、滞后特征与滑动窗口

各位好，我是老张。在风电行业摸爬滚打了十几年，今天咱们聊聊特征工程。

说实话，很多刚入行的朋友问我：「模型预测不准怎么办？」我通常反问一句：「你的特征做干净了吗？」

特征工程，说白了就是给模型喂「好料」。你喂的是精饲料，它就能干活；你喂的是草料，它就给你摆烂。今天这一章，咱们把时间特征、统计特征、滞后特征和滑动窗口这几个核心招式讲透。

1.1 时间特征提取：让模型「看懂」时间

风电数据天然带有时间属性。风速、功率、温度，这些量都随时间变化。但模型不认识「2025-03-15 14:30:00」这种字符串，你得帮它翻译成数字。

小时特征——这个最简单，也最容易被忽略。

我习惯把小时拆成两路：

• 小时数值：0~23，直接喂给模型
• 小时正弦/余弦编码：因为23点和0点其实是相邻的，但数值上差23。用sin/cos编码可以保留这种周期性

# 小时的正弦余弦编码示例
import numpy as np

hour = np.array([0, 6, 12, 18, 23])
hour_sin = np.sin(2 * np.pi * hour / 24)
hour_cos = np.cos(2 * np.pi * hour / 24)

print("小时:", hour)
print("正弦:", hour_sin)
print("余弦:", hour_cos)

季节特征——风电的季节性非常明显。

春天风大，夏天风小，秋天过渡，冬天风硬。我一般这样处理：

• 春季（3-5月）：编码为0
• 夏季（6-8月）：编码为1
• 秋季（9-11月）：编码为2
• 冬季（12-2月）：编码为3

同样，也可以用正弦余弦编码处理季节的周期性。

月份特征——比季节更细粒度。

1~12月，直接编码。但要注意：12月和1月是相邻的，数值上差11。所以同样建议做正弦余弦变换。

特征名称	编码方式	取值范围	适用场景
小时	数值 + sin/cos	0~23	日内波动预测
季节	数值 + sin/cos	0~3	季节性功率预测
月份	数值 + sin/cos	1~12	月度发电量估算

1.2 统计特征：用「数学语言」描述数据

统计特征，说白了就是给数据算「账本」。我经常跟团队说：别光看原始数据，你得算算它的「脾气」。

均值——反映数据的「中心」。

比如过去1小时的平均风速，能告诉你当前风况的「基调」。

方差——反映数据的「波动程度」。

方差大，说明风忽大忽小，发电不稳定。方差小，说明风比较平稳。我在项目中遇到过，方差大的时段，模型预测误差普遍偏高。

最大值和最小值——反映数据的「边界」。

过去10分钟的最大风速，能告诉你有没有阵风。最小值则告诉你有没有「断风」的风险。

# 统计特征计算示例
import pandas as pd

# 假设df是包含风速数据的DataFrame
df['wind_speed_mean'] = df['wind_speed'].rolling(window=10).mean()
df['wind_speed_std'] = df['wind_speed'].rolling(window=10).std()
df['wind_speed_max'] = df['wind_speed'].rolling(window=10).max()
df['wind_speed_min'] = df['wind_speed'].rolling(window=10).min()

1.3 滞后特征：让模型「记住」过去

风电预测有个特点：现在的风速和几分钟前的风速高度相关。这就是自相关性。

滞后特征，就是把过去时刻的值作为当前时刻的特征。比如：

• 滞后1步：t-1时刻的风速
• 滞后2步：t-2时刻的风速
• 滞后3步：t-3时刻的风速

我一般会做滞后1步、2步、3步、6步、12步、24步。为什么？因为不同时间尺度的记忆对模型都有用。

# 滞后特征生成
df['lag_1'] = df['wind_speed'].shift(1)
df['lag_2'] = df['wind_speed'].shift(2)
df['lag_3'] = df['wind_speed'].shift(3)
df['lag_6'] = df['wind_speed'].shift(6)
df['lag_12'] = df['wind_speed'].shift(12)
df['lag_24'] = df['wind_speed'].shift(24)

1.4 滑动窗口特征：捕捉「趋势」

滑动窗口和滞后特征有点像，但思路不同。滞后特征是「点」，滑动窗口是「段」。

滑动窗口特征，就是在一个固定大小的窗口内，计算各种统计量。比如：

• 过去10分钟的均值（趋势）
• 过去10分钟的标准差（波动）
• 过去10分钟的最大值（峰值）
• 过去10分钟的最小值（谷值）
• 过去10分钟的变化率（斜率）

我习惯用多个窗口大小：10分钟、30分钟、1小时、2小时。不同窗口捕捉不同时间尺度的模式。

# 多窗口滑动特征
for window in [10, 30, 60, 120]:
    df[f'mean_{window}'] = df['wind_speed'].rolling(window=window).mean()
    df[f'std_{window}'] = df['wind_speed'].rolling(window=window).std()
    df[f'max_{window}'] = df['wind_speed'].rolling(window=window).max()
    df[f'min_{window}'] = df['wind_speed'].rolling(window=window).min()

1.5 本章知识体系总览

下面这张图，是我自己画的特征工程框架。每次做项目前，我都会对照这张图检查一遍，看有没有遗漏。

嗯，这张图基本概括了本章的核心内容。你想想看，时间特征让模型知道「现在是什么时候」，统计特征告诉模型「数据长什么样」，滞后特征让模型「记住过去」，滑动窗口让模型「看到趋势」。四者结合，模型才能「看懂」风电数据。

---