第1章
功率预测概述
什么是中长期功率预测？为什么需要它？预测的基本原理与分类。
基础原理
第2章
时间序列基础
时间序列的定义、成分（趋势、季节、周期、残差）、平稳性概念。
核心概念
第3章
数据预处理
缺失值处理、异常值检测与修正、数据重采样与对齐。
清洗实战
第4章
趋势分析方法
移动平均法、指数平滑法、线性与非线性趋势拟合。
平滑拟合
第5章
经典分解模型
加法模型与乘法模型、经典时间序列分解（STL）。
分解STL
第6章
ARIMA模型（上）
自回归（AR）与移动平均（MA）的概念、差分操作。
ARIMA差分
第7章
ARIMA模型（下）
模型定阶（ACF/PACF）、参数估计、模型诊断与预测。
定阶诊断
第8章
季节性ARIMA（SARIMA）
季节性差分、SARIMA模型结构与参数选择。
季节SARIMA
第9章
Prophet模型
Facebook Prophet的原理、趋势与季节项、节假日效应。
Prophet节假日
第10章
Prophet实战
Prophet的Python实现、参数调优、预测结果可视化。
实战调优
第11章
机器学习入门
特征工程基础、监督学习与回归问题概述。
ML特征
第12章
线性回归模型
一元与多元线性回归、正则化（Ridge/Lasso）。
回归正则化
第13章
树模型
决策树回归、随机森林、梯度提升树（GBDT）。
树集成
第14章
XGBoost与LightGBM
原理对比、参数调优、在功率预测中的应用。
XGBLGBM
第15章
深度学习基础
神经网络结构、激活函数、损失函数、优化器。
DL基础
第16章
LSTM网络
循环神经网络（RNN）的局限、LSTM的门控机制。
LSTM门控
第17章
LSTM实战
构建LSTM模型进行功率预测、超参数调整。
实战调参
第18章
CNN与混合模型
一维卷积（Conv1D）、CNN-LSTM混合架构。
CNN混合
第19章
注意力机制
自注意力、Transformer在时间序列中的应用简介。
注意力Transformer
第20章
多步预测策略
递归多步、直接多步、多输出多步、Seq2Seq。
策略多步
第21章
多变量预测
多变量输入与多变量输出、特征选择与降维。
多变量降维
第22章
模型评估指标
MAE、RMSE、MAPE、R²、预测区间评估。
指标评估
第23章
交叉验证
时间序列交叉验证（滚动窗口、扩展窗口）。
CV滚动
第24章
集成学习
模型平均、Stacking、Blending策略。
集成Stacking
第25章
不确定性量化
分位数回归、区间预测、蒙特卡洛Dropout。
不确定性区间
第26章
实时预测系统
数据管道设计、模型更新策略、延迟优化。
系统实时
第27章
案例研究（风电）
风电功率特性分析、爬坡事件预测。
风电案例
第28章
案例研究（光伏）
光伏功率特性分析、天气因素融合。
光伏天气
第29章
案例研究（负荷）
负荷模式识别、节假日与特殊事件处理。
负荷事件
第30章
前沿趋势
基础模型（Foundation Model）在时序预测中的应用、大语言模型辅助预测。
前沿LLM