Datawhale AI夏令营 电力需求预测赛

题目

题目链接点这里

赛题背景

随着全球经济的快速发展和城市化进程的加速，电力系统面临着越来越大的挑战。电力需求的准确预测对于电网的稳定运行、能源的有效管理以及可再生能源的整合至关重要。

然而，电力需求受到多种因素的影响，为了提高电力需求预测的准确性和可靠性，推动智能电网和可持续能源系统的发展，本场以“电力需求预测”为赛题的数据算法挑战赛。选手需要根据历史数据构建有效的模型，能够准确的预测未来电力需求。

赛题任务

给定多个房屋对应电力消耗历史N天的相关序列数据等信息，预测房屋对应电力的消耗。

评审规则

数据说明

赛题数据由训练集和测试集组成，为了保证比赛的公平性，将每日日期进行脱敏，用1-N进行标识，即1为数据集最近一天，其中1-10为测试集数据。数据集由字段id（房屋id）、 dt（日标识）、type（房屋类型）、target（实际电力消耗）组成。

$$\begin{array}{ll}\text{ 特征字段 }& \text{ 字段描述 }\\ \text{ id }& \text{ 房屋id }\\ \text{ dt }& \text{ 日标识 }\\ \text{ type }& \text{ 房屋类型 }\\ \text{ target }& \text{ 实际电力消耗，预测目标 }\end{array}$$

评审规则

预测结果以 MES(Mean Square Error) 作为评判标准，具体公式如下：
$$\frac{1}{n}\sum _{n=1}^n{\left(y_i-{\bar{y}}_i\right)}^2$$
其中，$y_i$ 是真实电力消耗，${\bar{y}}_i$ 是预测电力消耗。

数据下载

文件名	下载
电力需求预测挑战赛数据集.zip	下载文件
电力需求预测挑战赛提交示例.csv	下载文件

跑通 baseline

baseline 的代码如下：

# 1. 导入需要用到的相关库
# 导入 pandas 库，用于数据处理和分析
import pandas as pd
# 导入 numpy 库，用于科学计算和多维数组操作
import numpy as np

# 2. 读取训练集和测试集
# 使用 read_csv() 函数从文件中读取训练集数据，文件名为 'train.csv'
train = pd.read_csv('../dataset/train.csv')
# 使用 read_csv() 函数从文件中读取测试集数据，文件名为 'train.csv'
test = pd.read_csv('../dataset/test.csv')

# 3. 计算训练数据最近11-20单位时间内对应id的目标均值
target_mean = train[train['dt']<=20].groupby(['id'])['target'].mean().reset_index()

# 4. 将target_mean作为测试集结果进行合并
test = test.merge(target_mean, on=['id'], how='left')

# 5. 保存结果文件到本地
test[['id','dt','target']].to_csv('submit.csv', index=None)

将 baseline 的结果提交后可得 MSE 得分为：373.89846

接下来我们来分析一下 baseline 代码：

可以看到 baseline 主要通过了如下几个步骤对数据进行处理：

1. 导入库：首先，代码导入了需要用到的库，包括 pandas（用于数据处理和分析）。
2. 读取数据：代码通过使用 pd.read_csv 函数从文件中读取训练集和测试集数据，并将其存储在 train.csv 和 test.csv 两个数据框中。
3. 计算最近时间的用电均值：
   • 计算训练数据最近11-20单位时间内对应id的目标均值，可以用来反映最近的用电情况。
4. 将用电均值直接作为预测结果：
   • 这里使用merge函数根据’id’列将test和target_mean两个DataFrame进行左连接，这意味着测试集的所有行都会保留。
5. 保存结果文件到本地：
   • 使用to_csv()函数将测试集的’id’、‘dt’和’target’列保存为CSV文件，文件名为’submit.csv’。index=None参数表示在保存时不包含行索引。

我们可以看到，上述代码中的选取的是训练数据最近11-20单位时间内对应id的目标均值，那么如果我们选取所有数据再取平均值呢？

train = pd.read_csv('../dataset/train.csv')
test = pd.read_csv('../dataset/test.csv')

# 计算训练数据最近11-506单位时间内对应id的目标均值
target_mean = train[train['dt']<=506].groupby(['id'])['target'].mean().reset_index()

# 将target_mean作为测试集结果进行合并
test = test.merge(target_mean, on=['id'], how='left')

# 保存结果文件到本地
test[['id','dt','target']].to_csv('submit.csv', index=None)

将结果提交后可得 MSE 得分为：629.76628

效果更差了，这是因为这是一个时序预测的题目，当选取所有数据进行预测时，就会导致效果较差，应当选取待预测附近的一些数据进行预测。