第01章
风电预测概述
为什么要做风电预测？挑战与价值、模型分类（物理/统计/机器学习）、学习路径与目标。
入门认知
第02章
风资源基础知识
风的形成与测量、风速/风向、风功率密度、风切变与湍流强度、资源评估流程。
气象基础
第03章
数据采集与预处理
SCADA系统、采集频率与字段、数据清洗（缺失/异常/重复）、标准化与归一化。
清洗ETL
第04章
特征工程（上）
时间特征（小时/季节/月份）、统计特征（均值/方差/最值）、滞后特征与滑动窗口。
特征时序
第05章
特征工程（下）
气象特征融合（NWP）、风场特征（尾流效应）、特征选择（过滤/包裹/嵌入）。
NWP选择
第06章
探索性数据分析 (EDA)
数据分布可视化、相关性热力图、趋势与季节性分解、异常点检测与可视化。
可视化分析
第07章
线性回归模型
一元/多元线性回归、最小二乘法、MAE/MSE/RMSE/R²、实战：基于风速预测功率。
回归基础
第08章
决策树与随机森林
决策树原理、随机森林集成、特征重要性、实战：随机森林功率预测。
树模型集成
第09章
支持向量机 (SVM)
SVR原理、核函数选择、参数调优（C/gamma）、实战：SVR风电功率预测。
SVR核方法
第10章
K近邻与岭回归
KNN回归、距离度量、岭回归L2正则化、实战：对比KNN与岭回归效果。
KNN正则化
第11章
时间序列基础
平稳性与差分、ACF/PACF、ARIMA原理、实战：ARIMA风速预测。
ARIMA平稳性
第12章
季节性时间序列模型
SARIMA、STL分解、外生变量SARIMAX、实战：含季节性功率预测。
季节SARIMA
第13章
Prophet模型
Facebook Prophet原理、趋势/季节分解、节假日效应、实战：风电功率预测。
Prophet分解
第14章
长短期记忆网络 (LSTM)
RNN基础与梯度消失、LSTM门控、单步/多步预测、实战：LSTM风速预测。
LSTM深度学习
第15章
GRU与双向LSTM
GRU结构、双向LSTM原理、模型对比实验、实战：GRU功率预测。
GRU双向
第16章
CNN在时间序列中的应用
1D卷积、因果卷积、CNN-LSTM混合、实战：CNN-LSTM功率预测。
CNN混合
第17章
注意力机制与Transformer
自注意力、位置编码、Transformer时间序列、实战：简易Transformer模型。
注意力Transformer
第18章
集成学习与堆叠模型
Bagging/Boosting (XGBoost/LightGBM)、Stacking、实战：XGBoost功率预测。
XGBoost堆叠
第19章
超参数调优
网格搜索、随机搜索、贝叶斯优化(Optuna)、实战：随机森林调优。
调优Optuna
第20章
模型评估与对比
时间序列交叉验证、多模型对比框架、残差分析、实战：评估报告生成。
评估交叉验证
第21章
不确定性量化
预测区间(PI)、分位数回归、蒙特卡洛Dropout、实战：带置信区间预测。
不确定性区间
第22章
多步预测策略
递归/直接/Seq2Seq多步预测、实战：未来24小时功率预测。
多步Seq2Seq
第23章
多风电机组预测
单机vs全场、空间相关性、图神经网络(GNN)简介、实战：风电场总功率预测。
GNN空间
第24章
异常检测与模型鲁棒性
孤立森林/LOF、对抗样本、鲁棒性提升、实战：异常数据下的预测。
异常鲁棒
第25章
模型部署基础
模型序列化(Pickle/ONNX)、Flask API、Docker容器化、实战：部署Web服务。
部署Flask
第26章
实时预测系统
流处理(Kafka)、在线学习、模型监控与漂移检测、实战：实时功率预测系统。
实时Kafka
第27章
可解释性分析
SHAP值、LIME局部解释、特征重要性可视化、实战：解释风电预测模型。
SHAP可解释
第28章
案例实战（一）
基于风电场历史数据：清洗、特征工程、模型训练调优、输出预测与评估报告。
实战全流程
第29章
案例实战（二）
多模型对比与集成、最优模型、可视化看板(Dashboard)、技术总结报告。
看板集成
第30章
前沿趋势与总结
物理信息神经网络(PINN)、联邦学习、数字孪生、课程总结与学习路径建议。
前沿PINN