4. 特征工程：气象特征提取与选择

大家好，我是老张。干风电这行十几年了，今天咱们聊聊特征工程。说白了，就是把原始气象数据变成模型能听懂的语言。这一步做不好，后面再牛的算法也白搭。

4.1 气象特征提取：从传感器到特征

先说说最基本的四个气象要素：气压、温度、湿度、风向。嗯，这里要注意，原始数据不能直接用。

4.1.1 气压特征

气压变化能反映天气系统的移动。我个人习惯提取三个维度：

• 瞬时气压：当前时刻的实测值，单位hPa
• 气压变化率：过去1小时的变化量，ΔP/Δt
• 相对气压：与同期历史均值的偏差

4.1.2 温度特征

温度直接影响空气密度，进而影响风能。我建议这样处理：

• 温度绝对值：注意传感器安装高度，一般取轮毂高度
• 温度梯度：垂直方向温差，判断大气稳定度
• 日温差：最高温与最低温的差值

4.1.3 湿度特征

湿度对空气密度影响很大。湿空气比干空气轻，你想想看，同样的风速，湿度大的时候发电量会少一些。

湿度范围	对空气密度影响	建议处理方式
<40%	可忽略	直接使用
40%-80%	中等	需校正
>80%	显著	必须考虑

4.1.4 风向特征

风向是环形变量，0°和360°其实是同一个方向。直接输入数值会出问题。

# 风向的正弦余弦编码
import numpy as np

def wind_direction_encoding(degrees):
    """将风向转换为正弦余弦特征"""
    rad = np.deg2rad(degrees)
    sin_component = np.sin(rad)
    cos_component = np.cos(rad)
    return sin_component, cos_component

# 示例：风向270°（西风）
sin_val, cos_val = wind_direction_encoding(270)
print(f"正弦分量: {sin_val:.3f}, 余弦分量: {cos_val:.3f}")
# 输出：正弦分量: -1.000, 余弦分量: 0.000

4.2 时序特征构建：让模型记住历史

风电预测本质上是时间序列问题。模型需要知道过去发生了什么，才能预测未来。

4.2.1 滑动窗口特征

我最常用的方法：取过去N个时间步的统计量。

def create_window_features(df, window_size=6):
    """构建滑动窗口特征"""
    features = pd.DataFrame()
    
    # 均值特征
    features['wind_speed_mean_6h'] = df['wind_speed'].rolling(window_size).mean()
    
    # 最大值特征
    features['wind_speed_max_6h'] = df['wind_speed'].rolling(window_size).max()
    
    # 趋势特征（线性拟合斜率）
    def trend_slope(series):
        x = np.arange(len(series))
        if len(series) < 2:
            return 0
        slope, _ = np.polyfit(x, series, 1)
        return slope
    
    features['wind_speed_trend_6h'] = df['wind_speed'].rolling(window_size).apply(trend_slope)
    
    return features

4.2.2 时间编码特征

风电有很强的日周期和年周期。我建议加入：

• 小时的正弦余弦：24小时周期
• 月份的正弦余弦：12个月周期
• 季节标志：0/1/2/3 四分类

4.2.3 滞后特征

为什么用滞后特征？因为大气运动有惯性。今天的风速和昨天的风速高度相关。

# 构建滞后特征
def create_lag_features(df, lags=[1, 3, 6, 12, 24]):
    """构建滞后特征"""
    for lag in lags:
        df[f'wind_speed_lag_{lag}h'] = df['wind_speed'].shift(lag)
    return df

4.3 特征选择方法：去粗取精

特征不是越多越好。我见过有人搞了200多个特征，结果模型过拟合得一塌糊涂。

4.3.1 过滤法

先算相关性，把明显没用的特征剔除。

方法	原理	适用场景
皮尔逊相关系数	线性相关	连续变量
互信息	非线性相关	复杂关系
方差阈值	低方差剔除	常数特征

4.3.2 包裹法

用模型本身来选特征。我个人喜欢用递归特征消除（RFE）。

from sklearn.feature_selection import RFE
from sklearn.ensemble import RandomForestRegressor

# 递归特征消除
estimator = RandomForestRegressor(n_estimators=100)
selector = RFE(estimator, n_features_to_select=10, step=1)
selector.fit(X_train, y_train)

# 查看选中的特征
selected_features = X_train.columns[selector.support_]
print(f"选中的特征: {list(selected_features)}")

4.3.3 嵌入法

L1正则化（Lasso）自带特征选择功能。它会自动把不重要的特征系数压到0。

from sklearn.linear_model import Lasso

# Lasso特征选择
lasso = Lasso(alpha=0.01)
lasso.fit(X_train, y_train)

# 系数非零的特征
important_features = X_train.columns[lasso.coef_ != 0]
print(f"重要特征: {list(important_features)}")

4.4 知识体系总览

下面这张图，是我梳理的特征工程整体流程。你仔细看看，每一步都有讲究。

这张图展示了特征工程的完整链路。从原始数据出发，经过提取、构建、选择三步，最终得到高质量的特征集。每一步都有对应的技术方法，咱们刚才都讲到了。