3. 特征工程实战：风速、风向、湍流强度、温度、气压等特征构造与选择
特征工程这事儿，说白了就是「喂给模型什么饭吃」。我见过太多团队，模型结构搞得花里胡哨，结果特征没处理好，预测精度就是上不去。嗯，咱们今天就把风电功率预测里最核心的几个特征，一个一个掰开揉碎了讲。
核心观点：特征工程决定了模型性能的上限，算法只是在逼近这个上限。你想想看，如果输入的都是垃圾特征，再牛的Transformer也白搭。
3.1 风速特征：不只是瞬时值那么简单
风速是功率预测里最重要的特征，没有之一。但我个人习惯，从来不会只用瞬时风速。为什么？因为风机的桨距角调节、惯性响应都有延迟，瞬时风速和功率之间并不是简单的函数关系。
我在项目中遇到过这样的情况：某次台风过境，瞬时风速达到了25m/s，但风机已经切出停机了。如果你只看瞬时风速，模型会误以为还能发很多电，结果预测值直接飞上天。所以，我们需要构造更丰富的风速特征。
3.1.1 滑动窗口统计特征
我建议至少构造以下滑动窗口特征：
- 过去10分钟平均风速：反映近期风能资源水平
- 过去30分钟风速标准差：衡量风速波动剧烈程度
- 过去60分钟风速最大值/最小值：捕捉极端事件
- 风速变化率（1分钟差分）：反映风速变化趋势
# 这是我常用的风速特征构造代码
import pandas as pd
import numpy as np
def build_wind_features(df, col='wind_speed'):
df = df.copy()
# 滑动窗口均值
df['ws_mean_10min'] = df[col].rolling(window=10, min_periods=1).mean()
df['ws_mean_30min'] = df[col].rolling(window=30, min_periods=1).mean()
# 滑动窗口标准差
df['ws_std_10min'] = df[col].rolling(window=10, min_periods=1).std()
# 风速变化率
df['ws_diff'] = df[col].diff()
# 过去1小时最大值
df['ws_max_60min'] = df[col].rolling(window=60, min_periods=1).max()
return df
小技巧：窗口大小的选择要结合数据采样频率。如果数据是1分钟一条，10分钟窗口就是10个点。如果是10分钟一条，那10分钟窗口就只有1个点，意义不大。我一般会先看数据的时间粒度再定。
3.2 风向特征：别直接扔给模型
风向是角度数据，0°和360°其实是一个方向。如果你直接把角度值扔给模型，模型会认为0°和360°差得很远，这显然不对。我曾经见过有人用原始风向训练模型，结果预测结果在0°附近出现奇怪的跳变。
3.2.1 风向的正弦/余弦编码
正确的做法是把风向拆解成两个分量：
def encode_wind_direction(df, col='wind_direction'):
df = df.copy()
# 角度转弧度
rad = np.deg2rad(df[col])
# 正弦和余弦分量
df['wd_sin'] = np.sin(rad)
df['wd_cos'] = np.cos(rad)
return df
这样处理后，0°和360°在正弦余弦空间里是同一个点，模型就不会搞混了。你想想看，是不是这个道理？
3.2.2 主风向区间特征
我个人习惯还会加一个「主风向区间」的类别特征。比如把360°分成12个30°的扇区，然后做one-hot编码。为什么？因为风电场的地形、尾流效应会导致某些风向上的发电效率明显不同。
经验之谈：我在西北某风电场做过测试，加入主风向区间特征后，模型在复杂地形场景下的预测误差降低了约8%。尤其是当风向与山谷走向一致时，风速会被加速，功率明显偏高。
3.3 湍流强度：被很多人忽略的关键特征
湍流强度（Turbulence Intensity, TI）是风速标准差与平均风速的比值。说白了，它衡量的是风的「暴躁程度」。同样的平均风速，湍流强度高的时候，风机承受的疲劳载荷更大，发电效率也会下降。
我记得有一次，某风场连续几天预测偏差都很大。排查后发现，那几天正好是冷锋过境，湍流强度异常高。模型没考虑这个特征，自然就预测不准了。
3.3.1 湍流强度计算公式
def calc_turbulence_intensity(df, col='wind_speed', window=10):
df = df.copy()
# 滑动窗口内的标准差和均值
std = df[col].rolling(window=window, min_periods=1).std()
mean = df[col].rolling(window=window, min_periods=1).mean()
# 湍流强度 = 标准差 / 均值，避免除零
df['ti'] = np.where(mean > 0, std / mean, 0)
return df
注意：当平均风速接近0时，湍流强度会变得非常大甚至无穷。我一般会做截断处理，把TI限制在0到1之间。超过1的按1处理，因为实际物理意义也不大了。
3.4 温度与气压特征：密度修正的关键
空气密度直接影响风能的大小。功率公式 P = 0.5 * ρ * A * v³ 里，ρ就是空气密度。而温度和气压是计算空气密度的关键输入。
3.4.1 空气密度计算
我建议直接构造空气密度特征，而不是把温度和气压分开扔给模型。因为模型要自己去学理想气体状态方程，这有点强人所难了。
def calc_air_density(temp_c, pressure_hpa):
# 温度从摄氏度转开尔文
temp_k = temp_c + 273.15
# 气压从hPa转Pa
pressure_pa = pressure_hpa * 100
# 理想气体状态方程，R=287.058 J/(kg·K)
rho = pressure_pa / (287.058 * temp_k)
return rho
3.4.2 温度梯度特征
我个人习惯还会构造温度的时间梯度特征。为什么？因为温度变化往往预示着天气系统的变化。比如温度骤降，可能是冷锋过境，风速会增大；温度骤升，可能是热低压发展，风速也会变化。
| 特征名称 | 构造方法 | 物理意义 |
|---|---|---|
| 空气密度 | 由温度和气压计算 | 直接影响风能大小 |
| 温度1小时变化率 | 当前温度 - 1小时前温度 | 反映天气系统变化 |
| 气压趋势 | 过去3小时气压滑动平均 | 反映高压/低压系统移动 |
| 温度-气压交叉项 | 温度 × 气压（归一化后） | 捕捉非线性耦合关系 |
3.5 特征选择：别贪多，要精
特征不是越多越好。我见过有人一口气构造了200多个特征，结果模型训练时间翻了好几倍，精度反而下降了。这就是典型的「维度灾难」。
3.5.1 我的特征选择流程
- 先做相关性分析：剔除与目标变量（功率）相关性低于0.1的特征
- 再做多重共线性检查：用VIF（方差膨胀因子）剔除高度相关的特征
- 最后用特征重要性排序：用随机森林或XGBoost跑一次，只看Top 20的特征
避坑指南：我曾经在某个项目里，把风速的10分钟均值和30分钟均值都保留了，结果VIF高达15以上。这两个特征高度共线，模型权重分配变得很不稳定。后来我只保留了10分钟均值，效果反而更好。
3.5.2 最终推荐的特征集
基于我的实战经验，以下特征组合在大多数风电场都能取得不错的效果：
- 风速：瞬时值 + 10分钟均值 + 1分钟变化率
- 风向：正弦分量 + 余弦分量 + 主风向区间（12类）
- 湍流强度：10分钟窗口计算
- 空气密度：由温度和气压计算
- 时间特征：小时、月份（捕捉日变化和季节变化）
总共大约20个特征左右。这个量级，既保证了信息量，又不会让模型过拟合。
3.6 本章知识体系总览
下面这张图，是我梳理的特征工程核心逻辑。你可以看到，所有特征最终都指向一个目标：让模型更准确地理解「风能到电能」的转换过程。
好了，特征工程这部分就讲到这里。记住一句话：好的特征，能让简单的模型变强；烂的特征，能让复杂的模型变傻。动手试试吧，把上面的代码跑一遍，看看你的数据里能挖出什么有意思的东西来。