Конкурс алгоритмов | KDD Cup2022 Резюме конкурса прогнозов ветроэнергетики
Знакомство с вопросами конкурса
Пространственное динамическое прогнозирование энергии ветра имеет практическое значение для использования энергии ветра, и участники должны точно оценить подачу энергии ветра от ветряных электростанций.
С 1997 года KDD Cup является главным ежегодным соревнованием по интеллектуальному анализу данных, проводимым совместно с конференцией ACM SIGKDD по открытию знаний и интеллектуальному анализу данных. В этом году миссия KDD Cup представляет интересные технические задачи, имеющие практическое значение для использования энергии ветра. Здесь мы предлагаем задачу пространственно-динамического прогнозирования ветра, чтобы способствовать развитию методов машинного обучения на основе данных для прогнозирования ветра.
Предыстория конкурса
Прогнозирование энергии ветра (WPF) направлено на точную оценку поставок энергии ветра от ветряных электростанций в различных временных масштабах. Энергия ветра — это чистый и безопасный возобновляемый источник энергии, но ее невозможно производить непрерывно, что приводит к высокой волатильности.
Эта изменчивость может создать серьезные проблемы для интеграции ветровой энергии в энергосистему. Чтобы поддерживать баланс между выработкой и потреблением, колебания мощности ветра требуют замены другой энергии, которая может быть недоступна в короткие сроки (например, для зажигания угольной электростанции обычно требуется не менее 6 часов).
Таким образом, WPF широко считается одной из наиболее важных проблем в работе ветроэнергетических сетей. В сообществах интеллектуального анализа данных и машинного обучения наблюдается взрывной рост исследований по проблемам прогнозирования энергии ветра. Однако то, как правильно решить проблему WPF, по-прежнему остается сложной задачей, поскольку для обеспечения стабильности сети и безопасности электроснабжения всегда требуется высокая точность прогнозирования.
Конкурсные задания
Мы предоставляем уникальный набор данных для пространственно-динамического прогнозирования ветровой энергии от Longyuan Power Group Corp. Ltd: SDWPF, который включает в себя пространственное распределение ветряных турбин, а также динамические фоновые факторы, такие как время, погода и внутреннее состояние турбины. Однако большинство существующих наборов данных и конкурсов рассматривают WPF как задачу прогнозирования временных рядов, не зная местоположения и контекстной информации о ветряных турбинах.
Набор данных получен из данных контекстного мониторинга из системы мониторинга и сбора данных ветряной электростанции. Данные SCADA собираются каждые 10 минут с каждой ветряной турбины ветряной электростанции, принадлежащей Longyuan Power Group, которая состоит из 134 ветряных турбин. Кроме того, будут опубликованы относительные положения всех ветряных турбин на ветряной электростанции, чтобы охарактеризовать пространственное распределение ветряных турбин.
Поделиться победившими участниками
Официальный сайт конкурса: https://aistudio.baidu.com/aistudio/competition/detail/152/0/introduction.
Видео защиты: https://www.bilibili.com/video/BV1Y14y1x7XN/
Regular Track
Complementary Fusion of Deep Spatio-Temporal Network and Tree Model for Wind Power Forecasting
Team member: Linsen Li, Qichen Sun, Dongdong Geng, Chunfei Jian, Dongen Wu; Advisor: Shiliang Pu
Team name: HIK; Leaderboard score: -44.91708;
paper: https://baidukddcup2022.github.io/papers/Baidu_KDD_Cup_2022_Workshop_paper_0518.pdf
slides: https://baidukddcup2022.github.io/slides/hik.pdf
Solution to Spatial Dynamic Wind Power Forecasting for KDD Cup 2022
Team member: Hanhan Liu
Team name: trymore; Leaderboard score: -44.9234
paper: https://baidukddcup2022.github.io/papers/Baidu_KDD_Cup_2022_Workshop_paper_1286.pdf
code: https://github.com/hanhanliu/wpf22
slides: https://baidukddcup2022.github.io/slides/trymore.pdf
Application of BERT in Wind Power Forecasting-Teletraan’s Solution in Baidu KDD Cup 2022
Team member: Longxing Tan, Hongying Yue
Team name: Teletraan; Leaderboard score: -45.09478;
paper : https://baidukddcup2022.github.io/papers/Baidu_KDD_Cup_2022_Workshop_paper_2696.pdf
code : https://github.com/LongxingTan/KDDCup2022-Baidu
slides : https://baidukddcup2022.github.io/slides/Teletraan.pdf
Team zhangshijin WPFormer: A Spatio-Temporal Graph Transformer with Auto-Correlation for Wind Power Prediction
Team member: Xuefeng Liang, Qingshui Gu, Su Qiao, Zhuwang Lv, Xin Song
Team name: zhanshijin; Leaderboard score: -45.13867;
paper : https://baidukddcup2022.github.io/papers/Baidu_KDD_Cup_2022_Workshop_paper_3454.pdf
code : https://github.com/David1X/Data_Competitions/tree/release-0.1/KDD2022_WPF
slides : https://baidukddcup2022.github.io/slides/zhanshijin.pdf
EasyST: Modeling Spatial-Temporal Correlations and Uncertainty for Dynamic Wind Power Forecasting via PaddlePaddle
Team member: Yiji Zhao, Haomin Wen, Junhong Lou, Jinji Fu, Jianbin Zheng; Advisor: Youfang Lin
Team name: EasyST; Leaderboard score: -45.17326;
paper : https://baidukddcup2022.github.io/papers/Baidu_KDD_Cup_2022_Workshop_paper_4203.pdf
code : https://aistudio.baidu.com/aistudio/projectdetail/4378775
slides : https://baidukddcup2022.github.io/slides/EasyST.pdf
Wind Power Forecasting with Deep Learning: Team didadida_hualahuala
Team member: Marcus Kalander, Zhongwen Rao, Chengzhi Zhang
Team name:didadida_hualahuala; Leaderboard score: -45.18139;
paper : https://baidukddcup2022.github.io/papers/Baidu_KDD_Cup_2022_Workshop_paper_5582.pdf
code : https://github.com/shaido987/KDD_wind_power_forecast
slides : https://baidukddcup2022.github.io/slides/didadida_hualahuala.pdf
KDD CUP 2022 Wind Power Forecasting Team 88VIP Solution
Team member: Fangquan Lin, Wei Jiang, Hanwei Zhang; Advisor: Cheng Yang
Team name: 88VIP; Leaderboard score: -45.21301;
paper : https://baidukddcup2022.github.io/papers/Baidu_KDD_Cup_2022_Workshop_paper_1833.pdf
code : https://github.com/linfangquan/kddcup2022
dataZhi: A multi-scale fusion method for wind power forecasting with spatiotemporal attention networks
Team member: Hongzhi Luan; Advisor: Junxiong Hou
Team name: dataZhi; Leaderboard score: -45.23701;
paper : https://baidukddcup2022.github.io/papers/Baidu_KDD_Cup_2022_Workshop_paper_9920.pdf
code : https://github.com/luanhzh/wpf_fusion
AIStudio2338769Team: Long-Short Term Forecasting for Active Power of a Wind Farm
Team member: Wenwei Wang
Team name: AIStudio2338769Team; Leaderboard score: -45.27256;
paper : https://baidukddcup2022.github.io/papers/Baidu_KDD_Cup_2022_Workshop_paper_8243.pdf
code : https://github.com/wenwei-pku/kddcup2022
Multi-Stage Robust Wind Power Forecasting
Team member: Chenxu Wang, Jinda Lu, Yuan Gao
Team name: SlienceGTeam; Leaderboard score: -45.32777;
paper : https://baidukddcup2022.github.io/papers/Baidu_KDD_Cup_2022_Workshop_paper_0931.pdf
code : https://github.com/injadlu/KDDCUP2022
BUAA_BIGSCity: Spatial-Temporal Graph Neural Network for Wind Power Forecasting in Baidu KDD CUP 2022
Team member: Jiawei Jiang, Chengkai Han; Advisor: Jingyuan Wang
Team name: BUAA_BIGSCity; Leaderboard score: -45.36026;
paper : https://baidukddcup2022.github.io/papers/Baidu_KDD_Cup_2022_Workshop_paper_9863.pdf
code : https://github.com/BUAABIGSCity/KDDCUP2022
Hybrid Model: Deep learning GRU neural network and K-nearest neighbors for Wind Power Forecasting
Team member: Fernando Sebastián Huerta, Manuel Ángel Suárez Álvarez, Daniel Velez Serrano, Eugenio Neira Bustamante, Alejandro Carrasco Sanchez
Team name: datateam-UCM; Leaderboard score: -45.56335;
paper : https://baidukddcup2022.github.io/papers/Baidu_KDD_Cup_2022_Workshop_paper_0115.pdf
code : https://github.com/ManuelAngel99/KDD_CUP_2022
slides : https://baidukddcup2022.github.io/slides/datateam_UCM.pdf
PaddlePaddle Track
Solution to Spatial Dynamic Wind Power Forecasting for KDD Cup 2022
Team member: Hanhan Liu
Team name: trymore; Leaderboard score: -44.9234
paper: https://baidukddcup2022.github.io/papers/Baidu_KDD_Cup_2022_Workshop_paper_1286.pdf
code: https://github.com/hanhanliu/wpf22
slides: https://baidukddcup2022.github.io/slides/trymore.pdf
Team zhangshijin WPFormer: A Spatio-Temporal Graph Transformer with Auto-Correlation for Wind Power Prediction
Team member: Xuefeng Liang, Qingshui Gu, Su Qiao, Zhuwang Lv, Xin Song
Team name: zhanshijin; Leaderboard score: -45.13867;
paper : https://baidukddcup2022.github.io/papers/Baidu_KDD_Cup_2022_Workshop_paper_3454.pdf
code : https://github.com/David1X/Data_Competitions/tree/release-0.1/KDD2022_WPF
slides : https://baidukddcup2022.github.io/slides/zhanshijin.pdf
EasyST: Modeling Spatial-Temporal Correlations and Uncertainty for Dynamic Wind Power Forecasting via PaddlePaddle
Team member: Yiji Zhao, Haomin Wen, Junhong Lou, Jinji Fu, Jianbin Zheng; Advisor: Youfang Lin
Team name: EasyST; Leaderboard score: -45.17326;
paper : https://baidukddcup2022.github.io/papers/Baidu_KDD_Cup_2022_Workshop_paper_4203.pdf
code : https://aistudio.baidu.com/aistudio/projectdetail/4378775
slides : https://baidukddcup2022.github.io/slides/EasyST.pdf
Spatial wind power forecasting using a GRU-based model: WindTeam CSU123
Team member: Zhi Liu, Min Li, He Wei, Baichuan Yang, Advisor: Min Li
Team name: WindTeam CSU123; Leaderboard score: -45.6186;
paper : https://baidukddcup2022.github.io/papers/Baidu_KDD_Cup_2022_Workshop_paper_0328.pdf
code : https://github.com/LiuZhihhxx/KDD2022
Spatial Dynamic Wind power forecasting using lightGBM and multi-variate LSTM with hierarchical coherence constraints(Team name: Dynamo)
Team member: Hongfeng Ai, Wenqi Wu and Chaodong Zhang
Team name: Dynamo; Leaderboard score: -45.64764;
paper : https://baidukddcup2022.github.io/papers/Baidu_KDD_Cup_2022_Workshop_paper_6393.pdf
code : https://github.com/cdzhang/wind_power_forecast
slides : https://baidukddcup2022.github.io/slides/dynamo.pdf
DLinear Makes Efficient Long-term Predictions
Team member: Chaoqun Su
Team name: yura; Leaderboard score: -46.16117;
paper : https://baidukddcup2022.github.io/papers/Baidu_KDD_Cup_2022_Workshop_paper_8925.pdf
code : https://github.com/ChaoqunSu/kddcup
A combination of Spatial-Temporal Graph Transformer Model and LSTM Model (Team: noritoshiTeam)
Team member: TAMURA Noritoshi
Team name: noritoshiTeam; Leaderboard score: -46.17403;
paper : https://baidukddcup2022.github.io/papers/Baidu_KDD_Cup_2022_Workshop_paper_9718.pdf
code : https://github.com/noritoshitamura/noritoshi_kddcup2022
A spatial-temporal ensemble deep learning framework for wind power forecasting (Team QDU)
Team member: Zhiruo Li, Jieqi Xing, Shunyao Wu; Advisor: Shunyao Wu
Team name: QDU; Leaderboard score: -46.26986;
paper : https://baidukddcup2022.github.io/papers/Baidu_KDD_Cup_2022_Workshop_paper_0841.pdf
code : https://github.com/hansu1017/SDWPF-Baidu-KDD-Cup-2022
Two Strategies to Reduce the Negative Effects of Abnormal and Missing Values for Wind Power Forecasting
Team member: Ruizhi Zhang, Zeyu Long, Yusu Mao; Advisor: Nengjun Zhu
Team name: 123123; Leaderboard score: -46.33641;
paper : https://baidukddcup2022.github.io/papers/Baidu_KDD_Cup_2022_Workshop_paper_0353.pdf
code : https://github.com/9898zy998/wind-power/tree/main
IFBD: Graph Convoluational networks with Transformer for Long Sequence Predictions
Team member: Xiaotian Yu
Team name: IFBD; Leaderboard score: -46.34794;
paper : https://baidukddcup2022.github.io/papers/Baidu_KDD_Cup_2022_Workshop_paper_5732.pdf
Учебное пособие по Jetpack Compose для начинающих, базовые элементы управления и макет
Код js веб-страницы, фон частицы, код спецэффектов
【новый! Суперподробное】Полное руководство по свойствам компонентов Figma.
🎉Обязательно к прочтению новичкам: полное руководство по написанию мини-программ WeChat с использованием программного обеспечения Cursor.
[Забавный проект Docker] VoceChat — еще одно приложение для мгновенного чата (IM)! Может быть встроен в любую веб-страницу!
Как реализовать переход по странице в HTML (html переходит на указанную страницу)
Как решить проблему зависания и низкой скорости при установке зависимостей с помощью npm. Существуют ли доступные источники npm, которые могут решить эту проблему?
Серия From Zero to Fun: Uni-App WeChat Payment Practice WeChat авторизует вход в систему и украшает страницу заказа, создает интерфейс заказа и инициирует запрос заказа
Серия uni-app: uni.navigateЧтобы передать скачок значения
Апплет WeChat настраивает верхнюю панель навигации и адаптируется к различным моделям.
JS-время конвертации
Обеспечьте бесперебойную работу ChromeDriver 125: советы по решению проблемы chromedriver.exe не найдены
Поле комментария, щелчок мышью, специальные эффекты, js-код
Объект массива перемещения объекта JS
Как открыть разрешение на позиционирование апплета WeChat_Как использовать WeChat для определения местонахождения друзей
Я даю вам два набора из 18 простых в использовании фонов холста Power BI, так что вам больше не придется возиться с цветами!
Получить текущее время в js_Как динамически отображать дату и время в js
Вам необходимо изучить сочетания клавиш vsCode для форматирования и организации кода, чтобы вам больше не приходилось настраивать формат вручную.
У ChatGPT большое обновление. Всего за 45 минут пресс-конференция показывает, что OpenAI сделал еще один шаг вперед.
Copilot облачной разработки — упрощение разработки
Микросборка xChatGPT с низким кодом, создание апплета чат-бота с искусственным интеллектом за пять шагов
CUDA Out of Memory: идеальное решение проблемы нехватки памяти CUDA
Анализ кластеризации отдельных ячеек, который должен освоить каждый&MarkerгенетическийВизуализация
vLLM: мощный инструмент для ускорения вывода ИИ
CodeGeeX: мощный инструмент генерации кода искусственного интеллекта, который можно использовать бесплатно в дополнение к второму пилоту.
Машинное обучение Реальный бой LightGBM + настройка параметров случайного поиска: точность 96,67%
Бесшовная интеграция, мгновенный интеллект [1]: платформа больших моделей Dify-LLM, интеграция без кодирования и встраивание в сторонние системы, более 42 тысяч звезд, чтобы стать свидетелями эксклюзивных интеллектуальных решений.
LM Studio для создания локальных больших моделей
Как определить количество слоев и нейронов скрытых слоев нейронной сети?
