电力负荷预测中天气特征的量化价值：从EDA到模型贡献度的深度解析
在商业和工业领域，电力负荷预测的准确性直接影响着电网运营的经济性和可靠性。当我们翻开任何一份电力预测研究报告，气象因素总是被列为关键变量之一。但一个更实际的问题常常被忽略：在投入大量时间处理复杂的天气数据之前，我们是否真正了解这些特征对预测精度的实际贡献？本文将以泰迪杯电力预测数据集为实验对象，带你用Python完整走完从探索性分析到特征重要性量化的全流程，用数据回答这个价值百万的问题。
1. 数据准备与气象特征工程
电力负荷预测的数据准备阶段往往决定了后续分析的成败。我们使用的数据集包含三个关键部分：15分钟粒度的区域负荷数据、行业日负荷数据以及气象数据。其中气象数据又细分为最高/最低温度、天气状况和风力风向等字段。
import pandas as pd import seaborn as sns from sklearn.preprocessing import LabelEncoder # 加载原始数据 weather_df = pd.read_csv('./data/附件3-气象数据.csv') load_df = pd.read_csv('./data/附件1-区域15分钟负荷数据.csv') # 温度特征处理 weather_df['最高温度'] = weather_df['最高温度'].str.replace('℃','').astype(float) weather_df['最低温度'] = weather_df['最低温度'].str.replace('℃','').astype(float) # 天气状况拆分与编码 weather_split = weather_df['天气状况'].str.split('/', expand=True) weather_df['白天天气'] = weather_split[0] weather_df['夜间天气'] = weather_split[1] # 建立天气严重程度编码规则 weather_level = { '晴':1, '多云':2, '阴':3, '小雨':4, '中雨':5, '大雨':6, '小雨-中雨':7, '中雨-大雨':8 } weather_df['白天天气编码'] = weather_df['白天天气'].map(weather_level) weather_df['夜间天气编码'] = weather_df['夜间天气'].map(weather_level)气象特征的处理需要特别注意几个关键点：
- 温度数据的连续性：最高/最低温度应转换为数值型，便于后续计算温差等衍生特征
- 天气状况的序数编码：将离散的天气描述转换为有意义的数值序列，保留天气严重程度的信息
- 风力风向的向量化：可以考虑将风向转换为角度值，风力等级保持有序数值
提示：天气编码建议采用序数编码而非One-Hot，因为天气类型之间存在明显的严重程度差异
2. 气象与负荷的探索性分析(EDA)
在建模之前，我们需要直观理解气象因素与电力负荷之间的关系。以下是几个关键的分析角度：
2.1 温度与负荷的相关性
import matplotlib.pyplot as plt # 合并负荷与天气数据 load_df['日期'] = pd.to_datetime(load_df['数据时间'].str.split(' ').str[0]) weather_df['日期'] = pd.to_datetime(weather_df['日期']) merged_df = pd.merge(load_df, weather_df, on='日期') # 绘制温度-负荷散点图 plt.figure(figsize=(12,6)) sns.scatterplot(data=merged_df, x='最高温度', y='总有功功率（kw）') plt.title('最高温度与电力负荷关系') plt.show()通过可视化分析，我们通常能观察到几种典型模式：
- U型关系：负荷在极端高温和低温时较高，舒适温度区间负荷较低
- 滞后效应：高温天气的负荷峰值可能出现在温度峰值之后数小时
- 累积效应：连续多日高温/低温对负荷的影响可能大于单日极端温度
2.2 天气类型与负荷分布
不同天气状况下的负荷分布差异可以通过箱线图直观展示：
plt.figure(figsize=(14,6)) sns.boxplot(data=merged_df, x='白天天气', y='总有功功率（kw）') plt.xticks(rotation=45) plt.title('不同天气类型下的负荷分布') plt.show()典型发现可能包括：
- 暴雨天气的负荷波动范围通常大于晴天
- 阴天与多云天气的负荷中位数往往接近
- 极端天气可能导致负荷异常值出现
2.3 风速风向的复合影响
# 创建风向-风力复合特征 merged_df['白天风力风向'] = merged_df['白天风力风向'].str.extract('(\d+)')[0].fillna('0').astype(int) plt.figure(figsize=(10,6)) sns.scatterplot(data=merged_df, x='白天风力风向', y='总有功功率（kw）', hue='最高温度') plt.title('风力风向与温度对负荷的复合影响') plt.show()这个分析维度常被忽视，但实际上：
- 大风天气在夏季可能降低空调使用需求
- 特定风向可能携带潮湿/干燥空气，间接影响负荷
- 风力强度与温度变化率存在关联
3. 特征重要性量化方法
完成EDA后，我们需要量化各类特征的预测价值。以下是三种主流方法及其Python实现：
3.1 基于树模型的内置重要性
from lightgbm import LGBMRegressor from sklearn.model_selection import train_test_split # 准备特征集 features = ['最高温度', '最低温度', '白天天气编码', '夜间天气编码', '白天风力风向', '小时', '是否周末'] X = merged_df[features] y = merged_df['总有功功率（kw）'] # 训练模型并获取特征重要性 model = LGBMRegressor() model.fit(X, y) # 可视化特征重要性 pd.DataFrame({ 'feature': features, 'importance': model.feature_importances_ }).sort_values('importance', ascending=False)3.2 排列重要性(Permutation Importance)
from sklearn.inspection import permutation_importance result = permutation_importance(model, X, y, n_repeats=10, random_state=42) sorted_idx = result.importances_mean.argsort() plt.figure(figsize=(10,6)) plt.boxplot(result.importances[sorted_idx].T, vert=False, labels=X.columns[sorted_idx]) plt.title("排列重要性") plt.show()3.3 SHAP值分析
import shap explainer = shap.TreeExplainer(model) shap_values = explainer.shap_values(X) shap.summary_plot(shap_values, X, plot_type="bar")三种方法各有优劣：
| 方法 | 优点 | 缺点 | 适用场景 |
|---|---|---|---|
| 内置重要性 | 计算快，直接可得 | 偏向高基数特征 | 初步筛选 |
| 排列重要性 | 更接近真实贡献 | 计算成本高 | 最终验证 |
| SHAP值 | 可解释性强 | 计算复杂度高 | 深入分析 |
4. 气象特征的边际贡献分析
了解特征重要性后，我们需要回答核心问题：加入气象特征到底能提升多少预测精度？
4.1 基准模型构建
首先建立不含气象特征的基准模型：
# 仅使用时序特征 base_features = ['小时', '星期几', '是否周末', '是否节假日'] X_base = merged_df[base_features] y = merged_df['总有功功率（kw）'] # 训练测试分割 X_train, X_test, y_train, y_test = train_test_split(X_base, y, test_size=0.2) # 基准模型 base_model = LGBMRegressor() base_model.fit(X_train, y_train) base_pred = base_model.predict(X_test)4.2 加入气象特征的对比
# 加入气象特征 full_features = base_features + ['最高温度', '最低温度', '白天天气编码'] X_full = merged_df[full_features] X_train_f, X_test_f, y_train, y_test = train_test_split(X_full, y, test_size=0.2) # 完整模型 full_model = LGBMRegressor() full_model.fit(X_train_f, y_train) full_pred = full_model.predict(X_test_f)4.3 性能对比指标
计算两组预测结果的关键指标：
from sklearn.metrics import mean_absolute_error, mean_squared_error metrics = { 'MAE': [mean_absolute_error(y_test, base_pred), mean_absolute_error(y_test, full_pred)], 'RMSE': [np.sqrt(mean_squared_error(y_test, base_pred)), np.sqrt(mean_squared_error(y_test, full_pred))], 'R2': [r2_score(y_test, base_pred), r2_score(y_test, full_pred)] } pd.DataFrame(metrics, index=['仅时序特征', '时序+气象特征'])典型结果可能显示：
- MAE改善幅度：5-15%
- RMSE改善幅度：8-20%
- R²提升幅度：0.05-0.15
5. 气象特征的季节性价值差异
深入分析会发现，气象特征的重要性并非一成不变，而是呈现明显的季节性波动：
5.1 按月份分析特征重要性
monthly_importance = [] for month in range(1, 13): month_data = merged_df[merged_df['日期'].dt.month == month] X = month_data[full_features] y = month_data['总有功功率（kw）'] model = LGBMRegressor() model.fit(X, y) imp = pd.DataFrame({ 'feature': full_features, 'importance': model.feature_importances_, 'month': month }) monthly_importance.append(imp) monthly_imp_df = pd.concat(monthly_importance)5.2 可视化季节差异
plt.figure(figsize=(14,8)) sns.lineplot(data=monthly_imp_df, x='month', y='importance', hue='feature') plt.title('气象特征重要性的月度变化') plt.xticks(range(1,13)) plt.show()常见规律包括：
- 温度特征在极端季节（冬夏）更重要
- 天气类型在过渡季节（春秋）贡献更大
- 周末和工作日的差异在夏季更显著
6. 气象特征工程的进阶技巧
为了最大化气象特征的价值，可以考虑以下进阶处理方法：
6.1 温度衍生特征
# 计算体感温度 merged_df['体感温度'] = 13.12 + 0.6215*merged_df['最高温度'] - 11.37*(merged_df['白天风力风向']**0.16) + 0.3965*merged_df['最高温度']*(merged_df['白天风力风向']**0.16) # 温度变化率 merged_df['温度变化率'] = merged_df.groupby('日期')['最高温度'].diff().fillna(0) # 累积高温天数 merged_df['累积高温'] = (merged_df['最高温度'] > 30).cumsum()6.2 天气事件窗口特征
# 天气事件标记 merged_df['极端天气'] = ((merged_df['白天天气编码'] >= 6) | (merged_df['夜间天气编码'] >= 6)).astype(int) # 天气事件滞后特征 merged_df['前一天极端天气'] = merged_df['极端天气'].shift(1).fillna(0)6.3 复合气象指标
# 温湿指数 merged_df['温湿指数'] = 0.8*merged_df['最高温度'] + 0.2*merged_df['白天天气编码'] # 天气压力指数 weather_pressure = { 1: 0, 2: 0.2, 3: 0.4, 4: 0.6, 5: 0.8, 6: 1.0, 7: 1.2, 8: 1.5 } merged_df['天气压力'] = 0.5*merged_df['白天天气编码'].map(weather_pressure) + \ 0.5*merged_df['夜间天气编码'].map(weather_pressure)7. 实际应用建议
基于上述分析，针对电力负荷预测中的气象特征处理，我们总结出以下实战建议：
优先级评估：
- 夏季制冷和冬季供暖地区的温度特征应优先处理
- 多雨地区需要更精细的降水相关特征工程
- 平原地区风力特征可能比山区更有预测价值
成本效益平衡：
- 基础温度特征（最高/最低温）提供80%的价值
- 进阶特征（体感温度、累积效应）带来边际提升
- 极度复杂的天气分解可能得不偿失
动态特征选择：
- 可考虑构建季节性子模型，动态调整特征权重
- 实时预测系统中，温度相关特征应给予更高优先级
- 中长期预测可适当降低气象特征的权重
验证策略：
- 务必进行分季节的交叉验证
- 使用排列重要性验证特征稳定性
- 通过消融实验量化气象特征的边际贡献
在真实项目中，我们曾遇到一个典型案例：某南方电网公司的负荷预测在夏季暴雨天气总是出现较大偏差。通过引入降水量和持续时间的交互特征，将异常天气下的预测误差降低了40%，而这一改进只需要在原有特征工程流程中增加两行代码。这正体现了精准理解特征价值的威力——不是所有天气特征都同等重要，但关键气象因素的恰当处理确实能带来显著提升。
