| # ============================================================ | |
| # Task: sdwpf_power_forecasting | |
| # ============================================================ | |
| # 任务目标： | |
| # - 使用 SDWPF 风机的历史 SCADA 数据的过去窗口，预测未来窗口的风机有功功率 Patv。 | |
| # - 这是典型的多传感器时间序列预测任务。 | |
| # | |
| # 核心语义： | |
| # - sample 定义"一条样本是什么"：一个决策时间 timestamp。 | |
| # - inputs 定义"模型能看到什么"：timestamp 之前的历史 SCADA 特征， | |
| # 以及在预测时刻已知的未来协变量（天气特征）。 | |
| # - prediction 定义"模型要预测什么"：未来 horizon 内的 Patv 序列。 | |
| # - leakage 定义"哪些未来值不能进输入"：未来 Patv 和其他 SCADA 特征绝对不能作为输入。 | |
| # ============================================================ | |
| task: | |
| id: sdwpf_power_forecasting # 任务唯一 ID；建议与目录名保持一致，便于脚本自动发现。 | |
| type: time_series_forecasting # 任务类型：时间序列预测。 | |
| description: > | |
| Predict future active power (Patv) for all 134 wind turbines given | |
| the past hour of SCADA and weather observations. | |
| 1 hour context (6 steps x 10min), 30 minute horizon (3 steps x 10min). | |
| # 是否继承 ../general_task.yaml 中的通用处理规则。 | |
| inherit_general: true | |
| sample: | |
| primary_key: timestamp | |
| # 标签存储模式。 | |
| # index_reference: labels.csv 不逐个展开 (episode_id, timestamp, horizon) 标签， | |
| # 而是用引用列指向底层时间序列文件。 | |
| label_mode: index_reference | |
| inputs: | |
| # ------------------------------------------------------------ | |
| # 模型输入 1：历史 SCADA 特征。 | |
| # ------------------------------------------------------------ | |
| time_series: | |
| - fields: | |
| - Wspd | |
| - Wdir | |
| - Etmp | |
| - Itmp | |
| - Ndir | |
| - Pab1 | |
| - Pab2 | |
| - Pab3 | |
| - Prtv | |
| - Patv | |
| source: sdwpf_scada # 指向 data_refs.time_series 中定义的底层 SDWPF h5 文件。 | |
| window: | |
| length: 2016 # 历史窗口长度为 2016 个任务时间步。 | |
| unit: 10min # 每步 10 分钟，因此模型看到过去 14 天。 | |
| sampling: # 可选配置 | |
| native_rate: 10min # SDWPF 原始 h5 的采样粒度。 | |
| task_rate: 10min # 本任务的输入粒度，与原始粒度一致。 | |
| downsample_method: mean | |
| upsample_method: ffill | |
| # ------------------------------------------------------------ | |
| # 模型输入 2：未来已知协变量（天气特征）。 | |
| # ------------------------------------------------------------ | |
| - fields: | |
| - T2m | |
| - Sp | |
| - RelH | |
| - Wspd_w | |
| - Wdir_w | |
| - Tp | |
| source: sdwpf_scada # 天气变量在预测时刻即可知道，允许覆盖未来 horizon。 | |
| window: | |
| length: 2016 | |
| unit: 10min | |
| sampling: | |
| native_rate: 10min | |
| task_rate: 10min | |
| downsample_method: mean | |
| upsample_method: ffill | |
| tabular_static: | |
| source: turbine_metadata # 指向 data_refs.tabular_static 中的静态属性表。 | |
| fields: | |
| - x | |
| - y | |
| - elevation | |
| - mean_power | |
| - std_power | |
| - max_power | |
| - capacity_factor_pct | |
| - mean_wind_speed | |
| graph: | |
| source: turbine_proximity | |
| prediction: | |
| field: Patv # 需要预测的目标变量。 | |
| source: sdwpf_scada # 目标值来自同一个 SDWPF SCADA h5 文件。 | |
| horizon: | |
| length: 24 # 预测未来 24 个时间步。 | |
| unit: 10min # 每步 10 分钟，因此预测未来 4 小时。 | |
| starts_after: timestamp # 未来窗口从 sample.timestamp 之后开始。 | |
| stride: 24 # 相邻样本的 timestamp 间隔为 24 个任务时间步。 | |
| label_storage: | |
| ref_column: target_series_ref # labels.csv 中指向底层目标序列的引用列。 | |
| shape_column: target_tensor_shape # labels.csv 中记录目标张量形状的列，例如 [num_nodes, horizon, num_fields]。 | |
| leakage: | |
| observed_past_only_columns: | |
| - Wspd | |
| - Wdir | |
| - Etmp | |
| - Itmp | |
| - Ndir | |
| - Pab1 | |
| - Pab2 | |
| - Pab3 | |
| - Prtv | |
| - Patv # SCADA 特征只能作为历史输入；未来 Patv 是预测目标，不能作为输入。 | |
| known_future_columns: | |
| - T2m | |
| - Sp | |
| - RelH | |
| - Wspd_w | |
| - Wdir_w | |
| - Tp # 天气变量可在预测时刻提前知道，因此允许作为未来协变量。 | |
| forbidden_input_columns: | |
| - Patv # 目标列不能直接作为静态输入特征。 | |
| data_refs: | |
| time_series: | |
| sdwpf_scada: | |
| tabular_static: | |
| turbine_metadata: | |
| file: SDWPF/input_multimodal/meta_features.csv | |
| id_column: episode_id | |
| graph: | |
| turbine_proximity: | |
| file: SDWPF/input_multimodal/node_level_task_graphs/turbine_proximity/turbine_proximity.csv | |