以下的一些关于数据的总结和思考来自 dw新能源交流群3的陈昱佬

1，1-5的风电项目，影响最大的是风速和气压，其次是风向。6-10光伏项目影响最大的是倾斜面辐照poai和温度t2m。
2，气象数据的网格，一般会远大于项目面积。在目前没有地理数据的情况下，取一个居中点的数据即可。
3，这个项目的参数量很少，且大多可以从原理上判断与发电量的关联性。因此可以直接用拟合（机器学习的价值有限）。提高准确率，可能更依赖于数据清洗和预处理。

可以数据分析后，找一个关联度 最高的气象站。
不同气象数据对 项目的代表性，是有差异的。

满分是多少分
看公式，满分是100%

实际应用中，电力市场考核风光项目，基于前一天的气象预测数据 预测的负荷准确率要90%。低了会有扣罚。

气象站的观测数据是按小时给出的嘛
nwp都是按小时给，但是预测是要按15分钟

这个确实。一般用更高精度数据，预测低精度数据。
赛题可能是有意增加难度

光伏可以用相邻小时的辐照，来大致推测15min间隔的变化趋势。
风电 可以用风速，但效果不确定。
好思路[ThumbsUp]，我一开始的想法是先按照小时预测，再进行插值
也可以先插值再做
从光伏数据看，气象数据是整点数据，不是平均数据。
整点气象数据和整点的功率数据，应该会有比较好的对应关系。用这个数据，可能质量高一些。

4a3c7764461bc889dd3a42faeb5277a9.jpg
b51a98d7acab099ec7bd52323a4c3cba.jpg
使用地理位置点中间的一些做均值，甚至不做均值，就用中间的一个点

分析标签的分布情况

改一下损失loss

打印输出进行观察

可以做的一些尝试：
[√] 使用地理位置点中间的一些做均值，甚至不做均值，就用中间的一个点

分析标签的分布情况

改一下损失loss，把输出的计算公式换成官方的这个

打印输出进行观察

风电中有nan