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
Неразрушающее увеличение изображений одним щелчком мыши, чтобы сделать их более четкими артефактами искусственного интеллекта, включая руководства по установке и использованию.
Копикодер: этот инструмент отлично работает с Cursor, Bolt и V0! Предоставьте более качественные подсказки для разработки интерфейса (создание навигационного веб-сайта с использованием искусственного интеллекта).
Новый бесплатный RooCline превосходит Cline v3.1? ! Быстрее, умнее и лучше вилка Cline! (Независимое программирование AI, порог 0)
Разработав более 10 проектов с помощью Cursor, я собрал 10 примеров и 60 подсказок.
Я потратил 72 часа на изучение курсорных агентов, и вот неоспоримые факты, которыми я должен поделиться!
Идеальная интеграция Cursor и DeepSeek API
DeepSeek V3 снижает затраты на обучение больших моделей
Артефакт, увеличивающий количество очков: на основе улучшения характеристик препятствия малым целям Yolov8 (SEAM, MultiSEAM).
DeepSeek V3 раскручивался уже три дня. Сегодня я попробовал самопровозглашенную модель «ChatGPT».
Open Devin — инженер-программист искусственного интеллекта с открытым исходным кодом, который меньше программирует и больше создает.
Эксклюзивное оригинальное улучшение YOLOv8: собственная разработка SPPF | SPPF сочетается с воспринимаемой большой сверткой ядра UniRepLK, а свертка с большим ядром + без расширения улучшает восприимчивое поле
Популярное и подробное объяснение DeepSeek-V3: от его появления до преимуществ и сравнения с GPT-4o.
9 основных словесных инструкций по доработке академических работ с помощью ChatGPT, эффективных и практичных, которые стоит собрать
Вызовите deepseek в vscode для реализации программирования с помощью искусственного интеллекта.
Познакомьтесь с принципами сверточных нейронных сетей (CNN) в одной статье (суперподробно)
50,3 тыс. звезд! Immich: автономное решение для резервного копирования фотографий и видео, которое экономит деньги и избавляет от беспокойства.
Cloud Native｜Практика: установка Dashbaord для K8s, графика неплохая
Краткий обзор статьи — использование синтетических данных при обучении больших моделей и оптимизации производительности
MiniPerplx: новая поисковая система искусственного интеллекта с открытым исходным кодом, спонсируемая xAI и Vercel.
Конструкция сервиса Synology Drive сочетает проникновение в интрасеть и синхронизацию папок заметок Obsidian в облаке.
Центр конфигурации————Накос
Начинаем с нуля при разработке в облаке Copilot: начать разработку с минимальным использованием кода стало проще
[Серия Docker] Docker создает мультиплатформенные образы: практика архитектуры Arm64
Обновление новых возможностей coze | Я использовал coze для создания апплета помощника по исправлению домашних заданий по математике
Советы по развертыванию Nginx: практическое создание статических веб-сайтов на облачных серверах
Feiniu fnos использует Docker для развертывания личного блокнота Notepad
Сверточная нейронная сеть VGG реализует классификацию изображений Cifar10 — практический опыт Pytorch
Начало работы с EdgeonePages — новым недорогим решением для хостинга веб-сайтов
[Зона легкого облачного игрового сервера] Управление игровыми архивами
