光伏短期功率预测大赛

李家翔,武睿琦,靳晓松 2019-09-25

更新记录见 NEWS

1. 比赛: 光伏短期功率预测大赛
2. 需求: 短期光伏功率预测
3. 项目名称的由来，PHotoVoltaic (phv)
4. 国能日新光伏功率预测大赛 官方网址

此次比赛我们的名字最后排在52名。

实现方式

我们主要的实现方式是

1. 神经网络模型，具体见Python代码wushen.ipynb。最后成绩是神经网络模型的结果。
2. Xgboost的融合，具体见R代码note.Rmd

EDA

使用trelliscope，交互方便，但是不适合上线部署，不便于交流。

特征工程

我们尝试的特征工程是

1. 加入滞后项
2. 加入时间相关变量，见R包timetk::tk_augment_timeseries_signature函数
3. 加入平方项、立方项，拟合非线性关系
4. 加入交互项
5. 加入比率
6. 加入滚动SMA
7. 加入滚动方差
8. 加入PCA的主成分
9. 加入实发辐射的测试集预测值
10. 加入NMF的衍生变量
11. 加入 prophet

高亮为测试后效果好的变量。

一系列的特征工程我们在Xgboost进行了融合。

神经网络的主要思路

…

不足

1. 我们没有将神经网络和XGboost进行融合，因为没有保存训练集的预测值。 主办方在比赛过程中修改了数据集和评价函数，导致我们无法复现原来的历史预测。 这是我们下一次比赛需要注意的问题。
2. 其次，我们一开始没有很好的做EDA，观察被解释变量关于时间的波动，查看异常值。
3. 在特征工程的部分，非线性关系的拟合，没有使用更高效的 Ramsey’s RESET test，详见Github
4. 另外参考 预测值迁移 的问题，有可能存在 欠拟合的情况，目前处理的方式见 模型校正部分 。

---

Code of Conduct

Please note that the ‘phv’ project is released with a Contributor Code of Conduct. By contributing to this project, you agree to abide by its terms.

License

MIT © Jiaxiang Li;Ruiqi Wu;Xiaosong Jin