本仓库是一个新能源（风能/太阳能）功率预测的开源项目，基于数值天气预报（NWP）数据和机器学习模型，实现对风电场和光伏电站的功率预测。支持多场站、多模型训练及结果输出，适用于短期功率预测场景(新能源功率预测：http://competition.sais.com.cn/competitionDetail/532315/competitionData)。

WindSolarPowerForecast/
├─ data/                # 原始数据目录（NWP数据、实际功率数据）
│  ├─ TRAIN/            # 训练数据集
│  └─ TEST/             # 测试数据集
├─ code/                # 代码核心目录
│  ├─ main/             # 主程序
│  │  ├─ main.py        # 程序入口
│  │  └─ utils.py       # 工具函数
│  └─ common/           # 公共模块
│     └─ utils.py       # 通用工具（数据处理、模型定义等）
├─ cache/               # 缓存数据目录（自动生成）
├─ output/              # 结果输出目录
│  ├─ models/           # 训练好的模型
│  └─ results/          # 预测结果文件
├─ requirements.txt     # 依赖清单
└─ README.md            # 项目说明

pip install -r requirements.txt

• 数据处理：pandas, xarray, scikit-learn
• 模型训练：scikit-learn, xgboost（可扩展其他模型）
• 日志记录：loguru
• 系统工具：numpy, scipy, tqdm

• NWP数据：放置在data/TRAIN/nwp_data_train/（训练）和data/TEST/nwp_data_{test}/（测试），按场站ID分文件夹存储。
• 实际功率数据：命名为{farm_id}_normalization_train.csv，放置在data/TRAIN/fact_path/。

• 数据路径：在code/main/utils.py中修改base_path为实际数据根目录。
• 模型参数：在train函数中指定model_name（如"xgb"）、power_type（"ws"为风能，"pv"为太阳能）。

python code/main/main.py

• 首次运行：会自动解析NC文件并生成CSV缓存到cache/目录。
• 训练结果：模型保存至output/models/{farm_id}/，预测结果保存至output/results/output_{train/test}/。

1. 数据处理：

   • process_nwp_data：解析NWP数据（支持多文件合并）。
   • apply_feature_engineering：特征工程（如时间特征、气象参数组合）。
   • data_preprocess：数据标准化、缺失值处理。

2. 模型训练：

   • 支持XGBoost等机器学习模型，可通过get_model函数扩展其他模型。
   • 自动处理多场站训练，支持风能/太阳能场景切换。

3. 预测推理：

   • 支持训练集和测试集预测，结果自动进行后处理（如负值截断、插值）。
   • 输出结果为CSV文件，按场站ID命名，包含时间序列预测值。

• 输出文件结构：

  output/
  ├─ models/
  │  └─ {farm_id}/        # 场站ID对应的模型文件
  └─ results/
     ├─ output_train/     # 训练集预测结果
     │  └─ output{farm_id}.csv  # 预测功率（时间索引，列名：power）
     └─ output_test/      # 测试集预测结果
        └─ output{farm_id}.csv
  

• 结果指标：预测值范围为[0, 1]（归一化后），实际值需结合数据预处理中的归一化参数还原。

1. 在common/utils.py中添加新模型类，实现fit和predict接口。
2. 修改get_model函数，支持新模型的调用。

• 在apply_feature_engineering函数中添加新特征计算逻辑，通过version参数区分不同特征版本。