一、课程导论：风电功率预测的重要性、预测模型评估的必要性、课程目标与学习路径

1.1 为什么我们离不开风电功率预测？

先聊点实际的。风电功率预测，说白了就是回答一个问题：「明天风场能发多少电？」

你可能觉得这问题挺简单。但我在项目里摸爬滚打这么多年，可以负责任地告诉你——这恰恰是整个风电并网最难啃的骨头之一。

为什么？因为风这东西，天生就不听话。它忽大忽小，忽东忽西。电网调度那边可不管这些，他们只关心：「你告诉我明天能发多少，我就安排多少火电机组停机。」

预测不准，后果很严重：

• 预测高了：电网按你的数据安排了停机，结果你发不出来。得，临时买高价火电补上，亏钱不说，还可能被考核罚款。
• 预测低了：电网多留了火电容量，你的风场被迫弃风。白白浪费了清洁能源，心疼不？

我个人习惯把风电功率预测比作「天气预报的升级版」。天气预报说「明天有雨」，你带把伞就行。但风电预测说「明天能发100MW」，电网就得据此调整几十台机组的运行计划。这精度要求，完全不是一个量级。

1.2 预测模型评估——为什么非做不可？

你可能会想：「我模型都建好了，跑个预测不就行了？评估有啥好讲的？」

嗯，这里要注意。我见过太多人踩这个坑了。

举个例子。我曾经接手过一个项目，同事用LSTM模型做预测，训练集上误差只有5%，他高兴得不行。结果一上线，实际误差直接飙到20%以上。为什么？因为他的模型在训练集上过拟合了——说白了，就是把训练数据里的噪声当成了规律，换个场景就露馅了。

所以，模型评估不是走形式，而是帮你「排雷」。具体来说，评估能帮你回答三个关键问题：

1. 这个模型真的靠谱吗？——还是只是运气好，碰上了合适的数据？
2. 它比别的模型强在哪？——是精度更高？还是更稳定？还是计算更快？
3. 它能在实际场景中跑起来吗？——会不会一遇到极端天气就崩了？

1.3 课程目标——学完你能带走什么？

这门课不是纯理论课。我的目标是让你学完就能上手干活。具体来说：

• 掌握主流评估指标：MAE、RMSE、MAPE、R²……不光知道公式，还得知道什么时候用哪个。
• 学会对比分析的方法：不同模型之间怎么比？同一模型不同参数怎么比？比的时候要注意什么？
• 能识别模型的问题：过拟合、欠拟合、数据泄露……这些坑我帮你一个个指出来。
• 能写出可复现的评估代码：Python代码直接给你，改改就能用。

1.4 学习路径——我们怎么走？

整个课程分四个阶段，我画了张图帮你理清思路：

1.5 你需要准备什么？

说实话，门槛不高。你只要：

• 会一点Python：能看懂基本的pandas、numpy操作就行。不会？没关系，代码我会逐行解释。
• 了解基本的风电知识：知道风功率曲线长什么样，知道什么是额定功率。仅此而已。
• 有一颗踩坑的心：我保证，课程里我会把我在项目中踩过的坑一个个讲给你听。你跟着走一遍，能少走很多弯路。

准备好了吗？那我们开始吧。

---