通过多台风机的数据预测风机的发电量。

• 数据来源：数据文件夹被命名为"区域赛训练集"。
• 数据类型：包含多台风机的时间序列数据，格式为CSV。
• 数据加载：使用Python的pandas库读取所有的CSV文件。

• 缺失值处理

  ：

  • 使用风速数据填补'ROUND(A.WS,1)'中的缺省值。
  • 其他缺失值使用前一个不为空的数据进行填充。

• 时间特征构造：从时间戳中提取小时、天、月作为新的特征。

• 延迟特征构造：对选定特征，如风速、风向等，创建它们过去几小时的值作为新的特征。

• 交互特征构造：创建特定特征之间的交互项，例如风速与风向、风速与温度和风速与压力的乘积。

• 聚合特征构造：计算过去24小时内的风速的平均值、最大值和最小值。

• 数据标准化：使用sklearn的StandardScaler对所有特征进行标准化，使其具有均值为0和标准差为1。

• 计算方法：对所有风机的特征数据进行两两的皮尔逊相关系数计算。
• 用途：衡量风机之间的特征相似性，为后续的聚类提供依据。

• 方法选择：使用sklearn的谱聚类方法。
• 聚类数量：根据皮尔逊相关系数的结果，选择将风机分为3类。
• 数据分配：根据每台风机的特征相似性，将其数据分配到相应的类别中。

• 模型选择：使用LightGBM回归模型。
• 损失函数：选择均方误差作为优化的损失函数。
• 超参数优化：使用Hyperopt库和TPE算法来搜索最佳的超参数。
• 模型保存：每个类别的训练好的模型都保存在"model"文件夹中。

• 数据预处理结果：成功地实现了特征选择、数据填充、异常值处理、特征缩放、时间特征生成、延迟特征生成、交互特征和聚合特征的方法。
• 聚类结果：根据皮尔逊相关系数，风机被成功地分为3个不同的类别。
• 预测性能：通过聚类后的独立模型训练，为不同类别的风机提供了更为精确的预测。

本实验的目标是使用预先训练的模型对风机的数据进行预测，并输出预测结果。我们将对输入数据进行一系列的处理，以确保数据准备工作符合模型的预期输入格式。

为保持模型输入的一致性，我们选定了以下特征：WINDSPEED、WINDDIRECTION、TEMPERATURE、HUMIDITY、PRESSURE。此外，还考虑了一系列扩展的特征，如时间特征和过去数据的滞后特征等。

交互特征是两个或多个特征之间的组合。我们为数据集添加了以下三个交互特征：

• WINDSPEED_WINDDIRECTION: 风速与风向的乘积
• WINDSPEED_TEMPERATURE: 风速与温度的乘积
• WINDSPEED_PRESSURE: 风速与压力的乘积

为了捕捉到过去24小时的风速信息，我们添加了以下三个聚合特征：

• WINDSPEED_24H_MEAN: 过去24小时的平均风速
• WINDSPEED_24H_MAX: 过去24小时的最大风速
• WINDSPEED_24H_MIN: 过去24小时的最小风速

• 数据中的缺失值使用前向填充法处理。
• 使用时间戳特征（DATATIME）派生出小时、日、月的特征。
• 为每个选定的特征添加了最多三个的滞后特征。
• 对选择的特征进行了标准化。

我们为四个不同的模型加载了预训练的权重，这些模型使用LightGBM技术进行了训练。

对于每个加载的模型，我们都使用它进行预测。之后，我们使用给定的权重对所有模型的预测结果进行了平均，得到了最终的预测结果。

预测结果以CSV格式保存，包含风机ID、时间、预测输出等列。

结果展示：

比赛成果：

预选赛以0.78583的准确率排行第九，区域答辩晋级赛由于能力有限，不知如何对模型进行进一步的优化，最后只有0.68的准确率险入答辩赛场。