一、任务定义
二、评估方法
三、数据详情
四、高分方案
五、参赛感想
一、 任务定义
2022年kdd cup提供了龙源电力集团有限公司独特的空间动态风力预测数据集：SDWPF，其中包括风力涡轮机的空间分布，以及时间、天气和涡轮机内部状态等动态背景因素。然而，大多数现有的数据集和竞赛将 WPF 视为时间序列预测问题，而不知道风力涡轮机的位置和上下文信息。预测目标是134个风机各自在未来288个时刻（共2天）下的输出功率。
图1：风电的空间分布
不同于以往的 WPF 竞赛设置，此竞赛任务有提供两个独特的数据：
1. 空间分布：本次竞赛将提供给定风电场的所有风力涡轮机的相对位置，用于建模风力涡轮机之间的空间相关性。
2. 动态上下文：提供由每个风力涡轮机监控的重要天气情况和涡轮机内部上下文，以促进预测任务。
图2：风电涡轮机
二、评估方法
2022 年百度KDD 杯需要在48 小时之前解决空间动态风力发电预测问题。例如，在今天上午6 : 00 给出，根据风电场和相关风力涡轮机的一系列历史记录，需要有效地预测从上午6 : 00 到后天上午5 : 50 的风力发电。需要每10 分钟输出一次预测值。具体而言，在一个时间点，需要预测未来的长度288（48小时*60分钟/10分钟）风力发电时间序列。**RMSE （均方根误差）和MAE （平均绝对误差）的平均值**用作主要评估分数。
图3：数据概况：发布245天数据，134个风电机
在时间步长 下 ，需要预测风电场 的时间序列。在这个挑战中，我们评估每个风力涡轮机的预测结果，然后将预测分数相加作为模型的最终分数。 定义为风力涡轮机 在时间步长 下的评估分数： 在时间 下的总分 ，是所有风力涡轮机的预测分数之和，即
在预测时，滑窗的步长为 ，窗口大小为 ，模型输入长度是 ，输出长度是288。最后，对所有滑窗预测的结果做平均。假设我们用K个数据实例做评估，每个数据实例k，会随机采样一个滑窗步数 （范围：[10分钟，100分钟]），最后分数为： 在样例代码里，计算分数的代码中有几点需要注意：
● 在评估中，将输入时间序列的最大长度 设置为14 天；
● 由于对所有风力涡轮机的误差求和，为了避免较大的值，使用百万瓦（而不是千瓦）作为单位来表示最终得分；
● 对于提交系统中的评估（从5月10日开始），组织方在几个月内使用195个随机采样（即K=195）的步幅时间步长（即公式3中 的来评估提交的模型。
未来的气象数据（风速，温度等）都未知，且我们不能使用外部数据。除了发布数据外，组织方仍然私下持有几个月的数据来评估参与者提交的模型。
三、数据详情
图4：特征字段说明
官方指出在数据使用时，要注意：
1. 零值：有一些有功功率和无功功率小于零。我们会将小于0 的所有值视为0。
2. 缺失值：由于某些原因，某些时间的某些值不是从SCADA系统收集的。这些缺失值将不用于评估模型。例如：如果 是缺失值，则我们会设 ，而不管预测值是多少。
3. 未知值：在某些时候，风力涡轮机由于外部原因而停止发电，例如风力涡轮机翻新和/ 或主动调度动力以避免电网过载。在这些情况下，风力涡轮机的实际发电功率是未知的。这些未知值也将不用于评估模型。与缺失值类似，忽略它们。任意满足以下两种情况之一，便能判断出目标变量（Patv）是未知的：
● 如果时间t下，Patv≤0且Wspd>2.5；
● 如果时间t下，Prab1>89度或Prab2>89度或Prab3>89度；
4. 异常值：当某样本数据存在异常记录时，不用它于评估模型，即我们会设 ，判断异常值的规则有两种：
● Ndir的合理范围是[-720 °，720 °] ，因为涡轮机系统允许机舱在一个方向上最多旋转两轮，否则将强制机舱返回原始位置。因此，超出范围的记录可以看作是记录系统引起的异常值；
● Wdir的合理范围是[-180 °，180 °] 。超出此范围的记录可以看作是记录系统引起的异常值。
四、高分方案
我们先介绍前排队伍的高分方案，再介绍我们团队的方案。由于一共是19个方案，多图预警，如果看到中途有些疲劳了，建议收藏以便下次阅读，也希望大家后面能拉到文末看看我的参赛感想，给大家带来的思路上的总结和帮助。
1. HIK
● 分数：-44.91708
● 排名：常规赛道第一名
● 队员：Linsen Li, Qichen Sun, Dongdong Geng, Chunfei Jian, Dongen Wu; Advisor: Shiliang Pu
● 组织：海康威视研究院，浙江大学
他们提出如图5的模型FDSTT（Complementary Fusion of Deep Spatio-Temporal Network and Tree Model），是唯一一支队伍在3个测试阶段都排名前3。
图5：FDSTT
FDSTT由4部分组成：
(1) Multi-relational Graph Constructor：该模块负责抽取多视角的图信息，用于后续的时空深度学习。主要有两个视角：空间图信息（以地理位置的欧式距离，找出top-K最近邻点构建空间图）和语义图信息（求风速一阶差分值，求每时刻两两风机之间的差分乘积，再求和作为两风机间的语义相似性，最后找出top-K最近邻点构建语义图）。
(2) DMST module：DMST: Deep Multi-relational Spatio-Temporal Network。它将当前风机i的近邻风机们的风速合并进来作为风机i的特征。另外，还用可学习的embedding matrix乘one-hot风机向量获取风机embedding。DMST是以GRU为核心单元的Seq2Seq模型，采用递归式预测。
(3) ST-Tree module：ST-Tree：Spatio-Partitioned Time-Phased Tree Model。它算每个风机之间的皮尔逊系数，再用K-means聚类，然后针对聚类的风机训练LightGBM，进行分段预测。
(4) Ensemble module：若当前风电功率多大或过小时，DMST预测线通常会很陡峭，这时直接使用ST-Tree负责短期预测，否则用ST-Tree和DMST的短期预测平均值。而中长期预测直接用DMST的结果。
实验结果如图6所示：
图6：FDSTT的对比实验
答辩时，评委问为什么没用GNN，而是把图信息当特征引入，选手回复说是试过GNN，但效果不好，原因可能是这里的空间信息是时变的，比较复杂。
2. trymore
● 分数：-44.9234
● 排名：常规赛道第二名，Paddle赛道第一名
● 队员：Hanhan Liu
● 组织：思源电气
Liu基于风机位置，平均每日功率，对风电进行了聚类：
图7：基于每日平均功率的风机聚类
因此选手用了同时刻聚类组内的均值去替换异常特征值。另外，在特征工程，除了sin和cos时间特征、lag和diff特征，还对每日top n最高温度做平均得到Etmp_Max。
整个模型方案如下：
图8：LightGBM、GRU和本地集成模型
(1) GRU：每个风机训练一个多步预测的模型，比如如果step-size=144,那么输入144,126,108，输出就是288,252,216。每step-size对应一个模型，所以一个风机有多个模型，step-size有12,36,72,144,180等。
(2) LightGBM：所有风机统一建模。
(3) Local Ensemble：使用了线性回归, 多项式线性回归和local_Gru。选手发现为了避免温度不同对功率预测的不稳定，用Etemp_Max替换同时刻其它风机的温度。集成时，会用短期预测矫正长期预测，比如在使用step-size=36结果和step-size=72结果进行融合时，，最近的36步用两个预测值的平均值，然后第36-72步，则先算两者预测均值的差值，再基于step-size=36的预测值，加上差值。为了融合更精细化，用加权融合替换了平均融合。
实验结果如图9所示：
图9：Liu的对比实验
Scheme D做了一个有意思的后处理，选手认为同时刻功率越大，更偏向于理论值，而同时刻部分风机功率值相较低，可能是受风机调整或异常突发问题导致的，它们预测难度是能大的，所以Scheme D只用GRU预测了Top5的风机，然后用它们的预测均值替换其它风机。
答辩有提问为什么用Top5的风机，选手回答是试出来的，而且由于时间有限，这块参数也没去遍历尝试得到最优的TopN参数。
3. Teletraan
● 分数：-45.09478
● 排名：常规赛道第二名
● 队员：Longxing Tan, Hongying Yue
● 组织：Teletraan和人大
与其他方案不同的是，谭兄用了Bert做生成式预测，一把出288个预测值。相比于大家一众的集成方案，该方案真的简洁干练：
图10：BERT生成式预测模型
但由于预测结果缺乏波动性，所以进行了后处理：对过去14天的每10分钟的MinuteofDay，统计功率均值作为周期波动值加到对应的预测值上。但加到对应预测值时，会根据不同波动值的值大小位置，去相应乘上一个系数进行放大。
实验结果如图11所示：
图11：Teletraan的对比实验
由于我们团队也使用过生成式模型一把出288个预测值，但效果不好，当时没考虑出比较好的后处理方案，所以答辩时我有问谭兄关于它后处理具体的提升有多大，谭兄回复说在第二阶段测试集是很显著的，由此可见，合适的后处理确实能带来很好的提升。
4. zhanshijin
● 分数：-45.13867
● 排名：常规赛道第四名，Paddle赛道第二名
● 队员：Xuefeng Liang, Qingshui Gu, Su Qiao, Zhuwang Lv, Xin Song
● 组织：清华大学、浙江工商大学、多伦多大学
梁兄所在的团队使用孤立森林检测出功率异常点，并用风速和功率训练LightGBM，修复异常值。异常检测结果如下：
图12：异常检测和修复结果
受AutoFormer和FEDformer的启发，选手提出WPFormer，主要有：序列分解、自相关机制、多头关注、图网络编码和前馈网络。如图13所示，在图网络表征上，选手是把与风机i有Top-K高相关性的风机们，确认连接边，构建图关系。
图13：WPFormer网络结构
同时，选手还提出如图14的POPtree（Point-by-point prediction based on tree model）。为了避免构建134个风机*288个点这么多个模型，选手做了以下工作：
● 附属风机：用k-shape算法将风机聚类成39类，每类风机用一个LightGBM预测。附属风机可被看做是一类风机们，它们之间有最相似的发电规律。通过平均附属风机的功率，当做特征加入模型，能缓解数据噪声。
● 时间维度的降采样：实际上，单个时刻周围邻近时间点下的功率变化都不大，所以它们可以用相同模型共享一个预测值，而且也能减少数据剧烈波动带来的影响，所以这里用了窗口大小为6，步长为3的滑窗移动平均。
图15展示了LightGBM的预测方法（这点做的还是很精细了，相当于模型个数=39类风机*降采样后的时间长度）
图14：POPtree
最后在模型融合时，若某时刻多个模型的预测值差异超过某阈值，则用中位数，否则用均值融合。另外也尝试用ridgeCV去自动计算模型权重，并加入正则项，进行加权融合。
实验结果如图15所示：
图15：zhanshijin阶段二和三的对比实验
5. EasyST
● 分数：-45.17326
● 排名：常规赛道第五名，Paddle赛道第三名
● 队员：Yiji Zhao, Haomin Wen, Junhong Lou, Jinji Fu, Jianbin Zheng; Advisor: Youfang Lin
● 组织：北京交通大学、菜鸟网络
数据预处理时，基于不同时序之间功率的欧式距离，用K-means聚类成6类风机，如图16所示。做类内平均和风场总平均，加入到特征集当中。此外，还以20或30分钟为窗口，聚合成更粗粒度的数据。
图16：风机聚类
模型侧，使用GRU捕捉短期关系，用TLinear（Temporal Linear Layer）捕捉长期关系。模型结构如图17所示：
图17：EasyST的模型结构
其中，Temporal MLP是由TLinear→GLU(Linear)组成。损失用了带abnormal mask加权的MSE+MAE组合分数。另外，为了描述预测不确定性，引入了概率预测模型Deep Factor，即预测均值和标准差。由于数据很大的不确定性，功率波动规律复杂，选手针对短中长期的不同预测长度和不同预测粒度，分别建模预测，并且人工设置如下权重：
图18：模型集成方案
实验结果如图19所示：
图19：EasyST的对比实验
6. didadida_hualahuala
● 分数：-45.18139
● 排名：常规赛道第六名
● 队员：Marcus Kalander, Zhongwen Rao, Chengzhi Zhang
● 组织：华为诺亚
取当前风机下同时刻Pab1/2/3最大值Pab_max作为特征。Patv<0当作0，Prtv在MDLinear时用Prtv绝对值，而XTGN内会根据Patv的正负来处理Prtv的值。选手先用MDLinear建模：
图20：MDLinear
需要注意，DLinear有两种，一种是中间两个参数时所有特征共享，一种是每个特征分别学习对应的权重，选手用的是前者，即DLinear-S。另外选手增加了一个线性层在后面以加深对信息探索，这构成了模型MDLinear。此外，选手还将原始TurbID分为cluster和ID，重新编号作为特征喂入模型，而且还做了聚类平均值特征。
图21：将原始TurbID分为cluster和ID，并重新编号
MDLinear用来做多水平训练和预测：
图22：MDLinear的训练和预测策略
此外，收到模式识别任务的启发，选手使用了extreme Temporal Gated Network (XTGN)抽取隐含的表征模式，然后做预测，整体结构如下。通过堆叠空洞因果卷积层，使得TCN获取长时序接收域和缓解梯度消失问题。同时，基于风机位置的余弦距离，生成k最近邻图，再学习一个邻接矩阵A去体现信息扩散，使得最终预测时会依赖邻近风机预测值。
图23：XTGN
最后平均融合，实验结果如图24所示：
图24：didadida_hualahuala的对比实验
7. 88VIP
● 分数：-45.21301
● 排名：常规赛道第七名
● 队员：Fangquan Lin, Wei Jiang, Hanwei Zhang; Advisor: Cheng Yang
● 组织：阿里巴巴
选手使用了如图25的GRU和GBDT的模型集成方案。在风机聚类上，尝试基于空间位置和时序统计相关性两种基准进行聚类，最终实验表现用空间信息聚类更好，而且GRU用24类，GBDT用4类。训练时，针对每组风机，分别训练GRU和GBDT模型。对于GRU，先预训练模型（输入长度=72，输出长度=288），再微调fine-tune短期预测（输入长度=36，输出长度=36）。最后，为了减缓线下和线上分布不一致问题，后处理对每个预测值乘上调整常量a，若历史真实值均值高于预测值均值，则a>1，否则小于1。在第3阶段测试集上，a=1.1能提升0.237个点，还是十分显著有效的提升。
图25：88VIP的解决方案
实验结果如图26所示：
图26：88VIP的对比实验
8. dataZhi
● 分数：-45.23701
● 排名：常规赛道第八名
● 队员：Hongzhi Luan; Advisor: Junxiong Hou
● 组织：海康威视
选手使用了如图27的模型结构。在空间信息融合方面，用8个最近邻风机的数据，合并一起或用关注模块学习如何融合近邻风机的关系。在编码器上，可使用LSTM/GRU/TCN。在解码器上，核心组件是GRU，但为了提高建模能力，加入时间关注模块去探索编码器输入和解码器隐藏向量之间的关系，另外，上下文向量也会后续每轮反复增强十日，以提高模型准确性。
图27：dataZhi的网络结构
选手还分为小时级预测和10分钟预测，其中选择LightGBM和随机森林做小时级预测，参与后续的模型融合，实验结果如图28所示：
图28：dataZhi的对比实验
9. AIStudio2338769Team
● 分数：-45.23701
● 排名：常规赛道第九名
● 队员：Wenwei Wang
● 组织：阿里巴巴达摩院
选手只用了树模型，整个方案基于两个信息源：均值和惯性。预测2天，选手把前3个小时当做惯性阶段，把后面45小时当做均值阶段。通过LightGBM对每个阶段做预测，其中，均值阶段是每个风机一个模型，而惯性阶段是18*134个模型。在模型集成时，基于空间信息，使用了两个简单又便捷的空间集成方法：
图29：空间集成方法
●： 分别是每个风机的预测值和他们最近和次近的风机预测值。
● ：求地理上近邻风机的均值，和给定风机预测值做平均融合。
由于不同月份功率变化挺不一样的，选手做了后处理，对18个近期预测值乘1.08，对中长期的270个点乘1.18。实验结果如图30所示：
图30：AIStudio2338769Team的对比实验，a为固定参数，b为微调参数，c为短期模型，d为基于空间的模型集成，e为整体预测*1.18，f为开头18个预测成*1.08
10. SlienceGTeam
● 分数：-45.32777
● 排名：常规赛道第十名
● 队员：Chenxu Wang, Jinda Lu, Yuan Gao
● 组织：中科大
模型用了LightGBM和GRU，其中LightGBM的特征有加入邻近风机们特征的均值，特征主要是lag特征，预测目标是两个点Patv的均值。另外，选手使用了2个GRU模型，分别预测前半部分 (GRU-FH) 和总长度 (GRU-ALL) 。编码器输入序列长度为144。
图31：GRU模型
模型融合方案如下，其中S为风机的邻接矩阵。
实验结果如图32所示：
图32：SlienceGTeam的对比实验
11. BUAA_BIGSCity
● 分数：-45.36026
● 排名：常规赛道第十一名
● 队员：Jiawei Jiang, Chengkai Han; Advisor: Jingyuan Wang
● 组织：北航
选手用了AGCRN (Adaptive Graph Convolutional Recurrent Network) 和MTGNN (Multivariate Time Series Forecasting Graph Neural Networks)，由于本人对图不是特别了解（还是太菜了），建议感兴趣的朋友直接阅读论文，模型结构如下：
图33：AGCRN和MTGNN
12. datateam-UCM
● 分数：-45.56335
● 排名：常规赛道第二十名
● 队员：Fernando Sebastián Huerta, Manuel Ángel Suárez Álvarez, Daniel Velez Serrano, Eugenio Neira Bustamante, Alejandro Carrasco Sanchez
● 组织：BCAM-Basque Center for Applied Mathematics Bilbao，UCM和Unspecified affiliation
分别对不同预测阶段 (6,18,60,288) 建模GRU，然后用5折最大值，和KNN一起做模型融合。GRU模型结构和实验记录如下：
图34：datateam-UCM的模型和对比实验
13. WindTeam CSU123
● 分数：-45.6186
● 排名：Paddle赛道第四名
● 队员：Zhi Liu, Min Li, He Wei, Baichuan Yang, Advisor: Min L
● 组织：中南大学、腾讯
使用KNN对异常值和缺失值做填补修复。针对每个风机训练各自的GRU模型。人工均匀选择了6个代表性风机用于参数优化 (格子搜索)。
14. Dynamo
● 分数：-45.64764
● 排名：Paddle赛道第五名
● 队员：Hongfeng Ai, Wenqi Wu, Chaodong Zhang
● 组织：OPPO研究院
终于介绍到我们团队的方案了，我们在异常处理上花了一些时间，具体异常处理方案如下：
图35：异常总览和预处理方法
基于稀疏核机拟合出风速-最大功率的包络曲线，这也是评委觉得是个创新点的地方，我们将曲线以上的点当做异常点进行处理，同时，把Patv_max和Patv的差值作为特征加入到模型当中。
图36：风速-最大功率的曲线
另外，我们发现同时刻风向混乱无规律，我们猜测是不同风机的指北风向基准不一致，我们选择一段风速大的时期，假设风向会处于均值方向，从而计算得到每个风向的矫正量，通过矫正，风向明显具有聚集性：
图37：风向纠正
我们使用了LightGB预测第288个点，负责长期预测。使用以多元LSTM为核心的seq2seq结果，递归式预测出功率，模型结果如下所示，我们单独预测风场的风速，并加入到decoder部分，decoder输出再接上风机维度的自关注模块和配平层。
图38：带层次配平约束的多元LSTM
最后我们用MV-LSTM分不同预测水平长度建模预测，对于144-288时间段的预测，使用LightGBM和MV-LSTM做了加权平均。
15. yura
● 分数：-46.16117
● 排名：Paddle赛道第六名
● 队员：Chaoqun Su
● 组织：中科大
简单的使用了DLinear模型：
图39：Dlinear模型
16. noritoshiTeam
● 分数：-46.17403
● 排名：Paddle赛道第七名
● 队员：TAMURA Noritoshi
● 组织：日本金融工程集团
基于Autoformer和图学习模型，提出STGT模型 (Spatial-Temporal Graph Transformer Model)，该模型结合图使用了SMOTE回归，然后使用多头关注分解成趋势和季节项，最后预测值和合并预测的分解项。在构建图时，节点是134个风机，边是由Top 5功率相关的风机构成。数据增强中的空间扰乱是指以一定概率随机打乱风机编号。另外，作者还用了LSTM模型，用于后续的平均融合。
图40：STGT模型
实验记录如下：
图41：noritoshiTeam的本地对比实验
17. QDU
● 分数：-46.26986
● 排名：Paddle赛道第八名
● 队员：Zhiruo Li, Jieqi Xing, Shunyao Wu; Advisor: Shunyao Wu
● 组织：青岛大学
在预处理时，由于滑窗组织数据带来的序列重叠问题，选手以0.01的采样比例，对每个风机随机采样。同时，为了保证尽可能利用上多的数据，采样了3个数据集。如图42所示。
图42：预测流程框架
详细特征输入和模型结构如图43，其中Input=12*12*4，12*12=144是输入序列长度，4为特征数量。
图43：特征输入和模型结构
实验结果如下：
图44：QDU的对比实验
18. 123123
● 分数：-46.33641
● 排名：Paddle赛道第九名
● 队员：Ruizhi Zhang, Zeyu Long, Yusu Mao; Advisor: Nengjun Zhu
● 组织：上海大学
做了异常值和缺失值的处理，使用了GRU模型。
19. IFBD
● 分数：-46.34794
● 排名：Paddle赛道第十名
● 队员：Xiaotian Yu
● 组织：Intellif
选手提出了GCN-Transformer模型去预测长期功率。短期关系喂入第一个transformer，长期关系喂入第二个transformer，结合两个Transformers进入MLP。由于使用了paddle的代码框架，选手还构建了带关注模块的图卷积网络。整体模型结构如下：
图45：GCN-Transformer模型
实验结果如下：
图46：IFBD的对比实验
五、参赛感想
总算是看完并总结完了前排19个团队的方案，建议有兴趣深入的朋友，可以直接阅读官方开源的论文和代码 [1]。这里谈下我个人的参赛感想。众所周知，时序比赛常因为不同测试集在时间上特征/标签的分布不一致，导致排行榜不稳定。但这次KDD Cup给我感觉反而还好，3个测试阶段，第1阶段切换到第2阶段确实有剧烈的排行榜抖动，但第3阶段其实跟第2阶段的数据分布，感觉差异不是很大，而且第3阶段给了3天（3次/天，总共9次提交机会）让选手提交结果，相对于给我们一个合适的机会去将模型适配到新的测试集上，所以个人觉得方案调整是在一定可控范围内的。在阅读前排方案和复盘所在团队方案的过程中，明显发现WPF数据的两个挑战：
1. 在风电功率波动规律性弱的情况下，如果做好长时序预测任务？
2. 如何将风场内各风机的空间信息加入到模型当中，提高模型表现？
这两个挑战也意味机遇，如果做好第1点，获奖便问题不大，做好第2点，会让你有在高分区挣得一丝优势(常规赛道TOP3便很焦灼，第一和第2差了0.006，第2跟第3差0.17)。其中，对于这两个问题，个人的具体想法如下：
1. 受限于气象的不稳定性，其实功率的预测难度很大，虽然组织方希望我们预测未来2天的功率，但实际上透过EDA和模型表现来看，功率短期预测还是没问题的，例如未来6小时。所以引发一个业务思考：“当别人告诉你要做长期预测时，我们是不是该提前做好可行性分析？如果非要长期预测，我们是不是争取把可预测性强的短期预测线争取预测好，再考虑如何提升模型的中长期预测能力？”。按照先验，一开始面临长时序问题，拍脑袋就是生成式预测，因为能一把出，而且不会像递归预测能带来误差累计，但实际上我们团队使用生成式预测，预测线近乎一条直线，反而用递归预测，效果更好，因为递归预测强调时序前后依赖，强迫模型在短期预测好，不然中长期的误差会更大，而直接生成预测中未来多步相对独立预测。当然不是说直接预测便不好，像谭兄就是用BERT一把出288个点取得高分，可能原因是BERT内部对时序前后依赖信息的学习更加充分，或者是后处理附加波动性的原因。对于大部分选手来说，做好短期预测最直接的办法就是分段建模预测并且模型融合，以争取到最大化短期预测带来的分数收益，阿里巴巴88VIP团队的方案就很典型。我们团队只在第3阶段才意识到这个问题，已经没时间过多尝试，着实有些可惜。
2. 时空信息是相对比较复杂的，我们团队也绘制过功率的时空变化图，发现风机间的空间关系具有时变性，而且没有特别明显的关系，对于前排顶端的团队，基本用了2种度量近邻风机的方法：空间距离和功率相关性。有团队试过空间距离不好，有团队说空间距离好，说明这块相对没有比短期预测的分那么好拿。前排有很多方案，例如求功率相关性/地理位置后Kmeans聚类/人工划分获取风机cluster，把近邻风机的特征们求均值加入特征，或者分cluster建模预测，我很喜欢华为诺亚和阿里达摩院使用近邻风机预测值，去做模型预测值的融合。
另外，关于异常值处理，它是很基础且重要的一步，是每个方案都必不可少的一环。特征工程都大同小异。模型反而各种各样，很多选手的方案图和论文都写的很好，像海康和清华等。最后，感谢百度举办这次比赛，个人还是有所收获，也感谢队友东哥的carry，希望以后大家都再接再厉。
参考资料
[1] Baidu KDD CUP 2022 风电预测高分论文和代码 - 飞浆AI Studio, 官网：https://aistudio.baidu.com/aistudio/competition/detail/152/0/introduction
推荐阅读：
我的2022届互联网校招分享
我的2021总结
浅谈算法岗和开发岗的区别
互联网校招研发薪资汇总
2022届互联网求职现状，金9银10快变成铜9铁10！！
公众号：AI蜗牛车
保持谦逊、保持自律、保持进步
发送【蜗牛】获取一份《手把手AI项目》（AI蜗牛车著）
发送【1222】获取一份不错的leetcode刷题笔记
发送【AI四大名著】获取四本经典AI电子书