国能日新光伏功率预测大赛的总结

目录

 

写在前面的话

关于比赛

数据和特征工程

1. 时间

2.float数据

3.category数据

4.其他特征

关于特征选择

关于模型调参

关于模型融合

反思和总结

---

写在前面的话

人生第二次打比赛，一开始是单打独斗，完全陌生的业务场景，我根据能搜索到的Tips疯狂尝试，在别人那里好用的Trick，在我这里效果却疯狂下降，期间也通过开源的baseline学到了提取特征的常见套路，对数据的处理有了一点懵懂的感觉，直到比赛加入了靠谱的队友，但是由于时间原因，未能获得理想的成绩。

新手入门，Mark一下。

 

关于比赛

这题的任务是，根据提供的4个电场的气象数据和辐照数据，预测4个电场未来的发电功率，是一个回归问题。

这里是赛题链接。

评价指标是MAE，每日绝对偏差，对4个电场取平均，只计算预测功率大于装机功率的样本。

启示1：解题先读题，磨刀不误砍柴工，最终分数只算正功率的样本，所以训练模型的时候应该剔除晚上的数据，因为晚上无发电功率，甚至存在没有光照但有发电功率的异常数据，会对模型造成扰动。

 

数据和特征工程

原始数据如下

原始数据分为3类：时间数据、float气象数据、category数据。

1. 时间

通过画时间-功率图，我们发现发电功率随着时间的推进，呈现明显的波动趋势，所以时间是个强特征，需要好好挖掘一下。

时间-功率图

首先经过简单的split，提取出样本所在的年、月、日、小时；

一开始我们以为这题是一个时间序列问题，即假设历史是会重复的，根据以往预测未来，后来发现并不是，但是仍然可以借鉴时间序列模型的思想，构造：当前月是距离初始时间的第几个月、第几年，都可以反映出功率曲线的变化趋势；

差分特征：从第二行开始，求所有维度上本行与上一行的差，可以反映样本在各个特征上的变化。