01
风电预测概述
为什么需要风电功率预测？预测的物理基础与业务价值。
物理基础业务价值
02
数据采集与清洗
SCADA数据、NWP数据、测风塔数据的获取与预处理。
SCADANWP预处理
03
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。
特征构造选择
04
模型选型
从物理模型到统计模型再到深度学习模型的演进路线。
物理模型统计模型深度学习
05
基线模型搭建
基于LightGBM的短期风电功率预测模型实现。
LightGBM短期预测
06
深度学习模型
基于LSTM的时间序列预测模型搭建与调优。
LSTM时间序列调优
07
模型评估指标
MAE、RMSE、R²、PBAIS等指标的计算与解读。
MAERMSER²PBAIS
08
模型序列化
ONNX、PMML、TorchScript等格式的导出与对比。
ONNXPMMLTorchScript
09
模型服务化
基于Flask/FastAPI构建RESTful预测API。
FlaskFastAPIRESTful
10
Docker容器化
编写Dockerfile，构建可移植的预测服务镜像。
Docker容器化镜像
11
Kubernetes部署
在K8s集群中部署高可用预测服务。
K8s高可用部署
12
模型版本管理
使用MLflow进行模型注册、版本控制与回滚。
MLflow版本控制回滚
13
数据管道编排
使用Airflow调度每日数据采集与特征计算任务。
Airflow调度特征计算
14
模型在线更新
实现热加载与A/B测试框架，平滑升级模型。
热加载A/B测试平滑升级
15
监控指标体系
定义预测误差、服务延迟、数据质量等核心监控项。
预测误差延迟数据质量
16
日志收集与分析
ELK/EFK栈搭建，从日志中快速定位问题。
ELKEFK日志分析
17
告警规则配置
基于Prometheus + Alertmanager的智能告警。
PrometheusAlertmanager告警
18
性能压测与优化
使用Locust对API进行压力测试，优化吞吐量。
Locust压测吞吐量
19
数据漂移检测
实时监测输入数据分布变化，触发模型重训练。
数据漂移重训练监测
20
模型可解释性
使用SHAP/LIME解释单次预测结果，增强可信度。
SHAPLIME可解释性
21
灾备与容灾
多活部署、数据备份与快速恢复策略。
多活备份容灾
22
安全加固
API鉴权、数据加密、防SQL注入与DDoS防护。
鉴权加密DDoS
23
成本优化
Spot实例、自动扩缩容与GPU资源共享策略。
Spot自动扩缩容GPU共享
24
边缘部署
将模型部署到风机边缘网关，实现低延迟预测。
边缘计算低延迟网关
25
联邦学习
在保护数据隐私前提下，多风场协同训练模型。
联邦学习隐私保护协同训练
26
数字孪生
结合数字孪生技术进行虚拟验证与故障模拟。
数字孪生虚拟验证故障模拟
27
合规与审计
满足电网调度规范，记录预测日志用于审计。
合规审计电网调度
28
故障排查手册
常见部署问题（OOM、慢查询、连接超时）的解决套路。
OOM慢查询连接超时
29
运维自动化
使用Ansible/Terraform实现基础设施即代码。
AnsibleTerraformIaC
30
实战项目总结
从0到1搭建生产级风电预测系统的全流程复盘。
全流程复盘生产级系统搭建