4、特征工程入门：时间特征提取
各位同学好，今天我们聊聊特征工程里最基础、也最容易被忽视的一块——时间特征。说实话，我刚入行那会儿，觉得直接把时间戳丢给模型就完事了。结果呢？模型训练出来，预测效果惨不忍睹。后来我才明白，时间这个维度，你得把它「拆开揉碎」了，模型才能看懂。
我个人习惯把时间特征分成三大类：周期性特征、滞后特征和统计特征。咱们一个一个说。
4.1 时间周期性特征：小时、季节、月份
风电功率有个明显的特点——它跟时间强相关。白天风大还是晚上风大？夏天风多还是冬天风多？这些规律，模型得学。
但时间戳本身是个线性增长的数值，比如"2024-03-15 14:30:00"，模型很难直接理解它的周期性。所以我们要做的是：把时间拆成多个维度。
核心思路：将时间戳分解为小时、星期、月份、季节等特征，并用正弦/余弦编码保留其周期性。
举个例子，小时特征。如果你直接用0-23的数值，模型会认为23和0离得很远，但实际上它们只差1小时。怎么办？用三角函数编码：
import numpy as np
import pandas as pd
def encode_hour(hour):
"""将小时编码为正弦和余弦特征"""
hour_sin = np.sin(2 * np.pi * hour / 24)
hour_cos = np.cos(2 * np.pi * hour / 24)
return hour_sin, hour_cos
# 示例
df['hour_sin'] = df['hour'].apply(lambda x: encode_hour(x)[0])
df['hour_cos'] = df['hour'].apply(lambda x: encode_hour(x)[1])同样的方法也适用于月份和季节。月份用12做周期，季节用4做周期。这样模型就能学到"凌晨和深夜其实很像"这种规律。
我的小技巧：除了正弦余弦，我还会额外加一个"是否节假日"的0/1特征。风电功率在节假日和普通工作日，用电负荷差异很大，这个特征往往能带来2-3%的精度提升。
4.2 滞后特征：让模型看到"昨天"
风电功率预测有个常识：现在的功率和过去几小时的功率高度相关。说白了，风不会突然停，也不会突然刮起来。所以我们要把过去时刻的功率值，作为当前时刻的特征。
这就是滞后特征（Lag Features）。
def create_lag_features(df, col='power', lags=[1, 2, 3, 6, 12, 24]):
"""创建滞后特征"""
for lag in lags:
df[f'lag_{lag}h'] = df[col].shift(lag)
return df
# 注意：shift之后会有NaN值，记得处理
df = create_lag_features(df, lags=[1, 2, 3, 6, 12, 24])
df = df.dropna() # 或者用fillna填充我曾经踩过的坑：滞后特征用多了，模型会过度依赖历史值。比如你用了24小时的滞后，模型可能直接复制昨天的功率曲线，遇到天气突变就完全失效。我建议滞后阶数不要超过12小时，同时配合其他特征一起使用。
4.3 滑动窗口统计：捕捉趋势和波动
滞后特征只能看到某个时刻的值，但看不到一段时间的趋势。比如过去3小时功率是持续上升还是下降？波动大不大？这些信息对预测很有帮助。
滑动窗口统计就是干这个的。常用的统计量包括：
- 均值：反映一段时间的平均水平
- 标准差：反映波动程度
- 最大值/最小值：反映极端情况
- 斜率：反映变化趋势
def create_rolling_features(df, col='power', windows=[3, 6, 12]):
"""创建滑动窗口统计特征"""
for window in windows:
df[f'rolling_mean_{window}h'] = df[col].rolling(window).mean()
df[f'rolling_std_{window}h'] = df[col].rolling(window).std()
df[f'rolling_max_{window}h'] = df[col].rolling(window).max()
df[f'rolling_min_{window}h'] = df[col].rolling(window).min()
return df
df = create_rolling_features(df, windows=[3, 6, 12])你想想看，如果过去3小时功率标准差很大，说明风很不稳定，这时候预测的置信度就要降低。这个信息对模型来说非常宝贵。
4.4 风速风向分解：把"方向"变成数值
风速和风向是风电预测的核心输入。风速好办，直接是个数值。但风向是角度，0度和360度其实一样，180度和0度完全相反。直接用角度数值，模型会学错。
我的做法是：把风向分解成南北分量和东西分量。
def decompose_wind(wind_speed, wind_direction):
"""将风速风向分解为U和V分量"""
# 风向：0度为正北，顺时针增加
rad = np.deg2rad(wind_direction)
u = wind_speed * np.sin(rad) # 东西分量（正为东）
v = wind_speed * np.cos(rad) # 南北分量（正为北）
return u, v
df['wind_u'] = df.apply(lambda row: decompose_wind(row['wind_speed'], row['wind_direction'])[0], axis=1)
df['wind_v'] = df.apply(lambda row: decompose_wind(row['wind_speed'], row['wind_direction'])[1], axis=1)这样分解之后，模型就能理解"北风"和"南风"是相反的方向，而不是两个相差180度的数值。
补充一点：我还会额外计算风速的平方和立方。因为风功率和风速的三次方成正比，这个非线性关系，让模型自己去学不如直接给它。
4.5 本章知识体系
下面这张图总结了本章的核心内容，你可以对照着回顾一下：
好了，这一章的内容就到这里。时间特征工程看起来简单，但做得好不好，直接决定模型的上限。我建议你拿到数据后，先把这些特征都做一遍，然后对比一下加与不加的效果——相信我，你会看到明显的差异。