Datawhale AI春训营 新能源赛道 学习笔记

Datawhale AI春训营 新能源赛道学习笔记

数据学习

数据内容介绍，数据包括两部分：

1. 气象训练集以及对应每个发电站的2024年一年的power数据
2. 气象测试集，没有对应的power 数据，其预测出的结果作为比赛提交结果。

测试集分析

气象数据数据 包含三个数据源： nwp1 nwp2 nwp3
数据集时间覆盖范围： 2024年1月1日到 2024年12月30日

变量	描述	单位	包含数据源
u100	100米高度纬向风	m/s（米/秒）	all
v100	100米高度经向风	m/s（米/秒）	all
t2m	2米气温	K（开尔文）	all
tp	总降水量	m（米）	all
tcc	总云量	(0 - 1)	all
sp	地面气压	Pa（帕斯卡）	all
poai	光伏面板辐照度	W/m²（瓦/平方米）	all
ghi	水平面总辐照度	W/m²（瓦/平方米）	all
msl	海平面气压	Pa（帕斯卡）	nwp3
特征工程： 使用u100 和 v100 合成 wind_speed（m/s）

分析相关性： 使用baseline 模型训练，不同类型的发电站（风力和光伏），与发电功率相关的特征不同，进一步风力发电和光伏发电依赖的特征，通过 importance 筛选信息。

• station 1-5 使用气象特征 wind_speed
• station 6-10 使用气象特征 poai

算法LGBM

LGBM 的理论学习

![[Pasted image 20250418163928.png]]

lightGBM<
![[Pasted image 20250418164453.png|250]]

max_depth : 6-10

![[Pasted image 20250418164629.png]]

过程

训练对比不同nwp 数据源的准确度
准确的排名：

Try1

1. 运行BaseLine: 通过Lgbt importance 筛选特征后进行训练，分数上升0.1

Try2：

Try3：

 尝试你结合不同的nwp 数据进行训练