4. 特征工程基础：时间特征提取、滞后特征与滚动窗口统计
各位同学，咱们今天聊点实在的。
特征工程这东西，说白了就是「喂给模型什么数据」。你想想看，同样的算法，有人跑出SOTA，有人跑出笑话，差距往往就在特征上。我个人习惯把特征工程分成三块：时间特征、滞后特征、滚动统计特征。今天咱们一个一个拆开讲。
4.1 时间特征提取：把时钟变成模型能懂的语言
风电功率预测，本质上是和时间打交道。但模型不认识「2025年3月15日下午3点」这种格式。你得帮它翻译成数字。
核心思路：把时间戳拆解成周期性分量和趋势性分量。
4.1.1 小时特征
小时是24小时循环的。但直接扔个0~23的数字进去，模型会以为23和0离得很远——其实它们只差1小时。我建议用正弦余弦编码：
import numpy as np
import pandas as pd
def encode_hour(df, col='timestamp'):
"""对小时做正弦余弦编码"""
hour = df[col].dt.hour
df['hour_sin'] = np.sin(2 * np.pi * hour / 24)
df['hour_cos'] = np.cos(2 * np.pi * hour / 24)
return df嗯，这里要注意：正弦余弦要一起用，单用一个会丢失相位信息。我在项目里吃过这个亏，只用了正弦，结果模型把凌晨3点和下午3点搞混了——因为sin(3)和sin(15)数值一样。
4.1.2 季节与月份特征
风电功率有明显的季节性。冬天风大，夏天风小，这是常识。但月份也是循环的，12月和1月挨着。同样用正弦余弦：
def encode_month(df, col='timestamp'):
month = df[col].dt.month
df['month_sin'] = np.sin(2 * np.pi * month / 12)
df['month_cos'] = np.cos(2 * np.pi * month / 12)
return df如果你觉得月份粒度太粗，可以加一个「季节」标签：春季(3-5)、夏季(6-8)、秋季(9-11)、冬季(12-2)。我个人习惯两者都保留，让模型自己学哪个更重要。
小技巧：还可以提取「一年中的第几天」作为特征。这个值从1到365，能反映更细粒度的季节变化。我一般在做长期预测（72小时以上）时才会加这个。
4.2 滞后特征构建：让模型看到「过去」
风电功率有很强的自相关性。说白了，现在的风速和几分钟前的风速关系很大。滞后特征就是把这些「过去的值」拿过来当特征。
4.2.1 什么是滞后特征？
假设当前时刻是t，那么t-1时刻的功率值就是滞后1步的特征。t-2就是滞后2步，以此类推。
def create_lag_features(df, col='power', lags=[1, 2, 3, 6, 12, 24]):
"""构建滞后特征"""
for lag in lags:
df[f'lag_{lag}'] = df[col].shift(lag)
return df我曾经犯过一个错误：对全数据集直接shift，导致训练集里混进了未来的信息。记住，一定要在分组后、按时间顺序shift。比如按风机ID分组：
df['lag_1'] = df.groupby('turbine_id')['power'].shift(1)4.2.2 滞后步长怎么选？
这个没有标准答案。我一般会先做自相关分析（ACF图），看看哪些滞后步长相关性高。通常：
- 短期预测（1-4小时）：滞后1、2、3、6步就够了
- 中期预测（24小时）：需要滞后12、24、48步
- 长期预测（72小时以上）：滞后步长可以稀疏一些，比如24、48、72
避坑指南：滞后特征越多，模型越容易过拟合。我曾经在一个项目里加了30个滞后特征，训练集R²高达0.98，测试集直接崩到0.6。后来砍到6个滞后特征，测试集反而升到0.85。记住：少即是多。
4.3 滚动窗口统计特征：捕捉局部趋势
滞后特征只给了单个时间点的值，但风电功率的「趋势」也很重要。滚动窗口统计特征就是计算过去一段时间内的统计量，比如均值、标准差、最大值、最小值。
4.3.1 常用滚动统计量
def create_rolling_features(df, col='power', windows=[3, 6, 12, 24]):
"""构建滚动窗口统计特征"""
for w in windows:
df[f'rolling_mean_{w}'] = df.groupby('turbine_id')[col].transform(
lambda x: x.rolling(w, min_periods=1).mean()
)
df[f'rolling_std_{w}'] = df.groupby('turbine_id')[col].transform(
lambda x: x.rolling(w, min_periods=1).std()
)
df[f'rolling_max_{w}'] = df.groupby('turbine_id')[col].transform(
lambda x: x.rolling(w, min_periods=1).max()
)
df[f'rolling_min_{w}'] = df.groupby('turbine_id')[col].transform(
lambda x: x.rolling(w, min_periods=1).min()
)
return df你想想看，滚动均值能反映「最近一段时间的平均水平」，滚动标准差能反映「波动剧烈程度」。这两个特征在风电预测中特别有用——风大的时候波动也大，模型需要知道这个规律。
4.3.2 窗口大小怎么定？
| 预测场景 | 推荐窗口大小 | 说明 |
|---|---|---|
| 超短期（15分钟-1小时） | 3、6、12 | 捕捉分钟级波动 |
| 短期（1-6小时） | 6、12、24 | 捕捉小时级趋势 |
| 中期（6-24小时） | 12、24、48 | 捕捉日周期变化 |
| 长期（24-72小时） | 24、48、72 | 捕捉多日趋势 |
个人经验：滚动窗口不要太多，3~4个不同尺度的窗口就够了。我一般选一个短窗口（比如3步）、一个中窗口（12步）、一个长窗口（24步）。再多的话特征维度爆炸，收益却不大。
4.4 特征工程整体流程
好了，咱们把三个部分串起来。下面这张图展示了完整的特征工程流程：
流程很简单：原始时间序列进来，分三条路走。时间特征负责「现在是什么时候」，滞后特征负责「刚才发生了什么」，滚动统计负责「最近一段时间的趋势」。最后合并成一张大特征表，喂给模型。
4.5 实战中的避坑指南
最后，我把自己踩过的坑总结一下：
- 数据泄露问题：滞后特征和滚动特征都要在分组后、按时间顺序计算。千万别用未来的数据算过去的特征。
- 特征冗余：滞后24步和滚动均值24步，信息有重叠。我一般会做特征重要性排序，去掉冗余的。
- 缺失值处理：滚动窗口刚开始时会有NaN。用
min_periods=1可以缓解，但前几个样本的特征值不太准。我习惯直接丢掉前几个样本。 - 特征标准化：时间特征（正弦余弦）天然在[-1,1]区间，但滞后特征和滚动特征的量级可能很大。记得做标准化或归一化。
一句话总结：时间特征告诉模型「什么时候」，滞后特征告诉模型「刚才怎样」，滚动特征告诉模型「趋势如何」。三者结合，风电功率预测的准确率能提升10%~20%。
好了，特征工程的基础就这些。下一节咱们聊聊数值天气预报特征怎么融合进来——那又是另一个故事了。
公众号:蓝海资料掘金营，微信deep3321