1.项目目标：
根据已有的历史功率+天气数据和未来几天的天气预报数据，预测未来超短期/短期/中长期的功率曲
线，尽可能高的提高预测精度和稳定性。
2.我的职责
作为项目负责人和人工智能算法工程师，我负责整个预测功能模块的开发和部署。
其工作内容包括：
a.根据业务需求，设计算法模块整体架构和策略，用数学描述业务优化目标；
b.数据接口的分析和数据的获取;
c.数据的分析/清洗/可视化/融合/特征工程(pandas), eg. 相关性分析，分布分析，空缺值/越限值/离群值的处理，负荷和天气数据的拼接，时间戳补全，时间离散化，特征筛选，新特征构造等等;
d.数据集的划分和模型评估方法(十折交叉验证+mse+mape+std);
e.多模型的训练/测试/调参/比对/部署(eg. 机器学习算法 xgboost+KNN+LR ，深度学习算法 LSTM+Transformer+CNN ,自动化调参使用 optuna ，通过 matplotlib 误差分布分析，通过 conda或 docker在 linux 服务器上进行部署);
f.整体策略的回测、评估和优化
g.代码版本管控(本地服务器+git);
3.目标及达成情况:
母线负荷预测精度＞97.5%,光伏出力预测精度＞90%,风电出力预测精度＞70%,当然具体取决于数据的质量和数量。
在浙江/江苏等多个城市的电力调度中心部署应用，运行情况良好。
南方电网新能源智慧平台全行业（国能、金风、远景等新能源厂家 pk ）排行榜第1
4.技术适用范围
可以提供主流机器学习、深度学习算法框架完成任何行业有一定数量数据的分类和回归任务