电动汽车充电站充电量预测

电动汽车充电站充电量预测

赛题分析

        本次竞赛的目标是：根据2014.4.15~2015.4.14一年中，0~499总共500个场站的每日充电量数据，以及其他相关数据，预测接下来一周的各个场站的每日充电量。

        stub_info.csv在测试集和训练集中一致，记录了每个场站的地理、性能等信息。

        power.csv仅在训练集中出现，记录了2014.4.15~2015.4.14一年中，0~499总共500个场站的每日充电量数据。

        power_forecast_history.csv在测试集和训练集中不同，记录着各个场站每日24小时的收费情况等信息。

        由上文的数据探索容易发现：

1. power_forecast_history.csv表中，同一场站中单日的各小时的数据基本相同，可以以场站编号和日期为组合标签，进行聚合排重；
2. 日期信息在baseline基础上，还可挖掘出节假日特征；
3. h3编码未被使用，有待解析，用于提取特征。

初步处理

# 数据格式处理
import pandas as pd# 设置数据集路径
path = r'E:编程电动汽车充电站充电量预测'# 读取数据
train_power_forecast_history = pd.read_csv(path + r'训练集power_forecast_history.csv')
test_power_forecast_history = pd.read_csv(path + r'测试集power_forecast_history.csv')
train_power = pd.read_csv(path + r'训练集power.csv')
stub_info = pd.read_csv(path + r'训练集stub_info.csv')# 聚合数据
'''head(1)：1~24h数据重复，只取各场站第1小时，即每个分组第一行的数据'''
train_df = train_power_upby(['id_encode', 'ds']).head(1)
del train_df['hour']test_df = test_power_upby(['id_encode', 'ds']).head(1)
del test_df['hour']tmp_df = upby(['id_encode', 'ds'])['power'].sum()
lumns = ['id_encode', 'ds', 'power']# 合并充电量数据
train_df = (tmp_df, on=['id_encode', 'ds'], how='left')# 合并站点静态数据
train_df = (stub_info, on='id_encode', how='left')
test_df = (stub_info, on='id_encode', how='left')# 数据变换
train_df['flag'] = train_df['flag'].map({'A': 0, 'B': 1})
test_df['flag'] = test_df['flag'].map({'A': 0, 'B': 1})# 保存
_csv(path + r'process1train_df1.csv', index=False)
_csv(path + r'process1test_df1.csv', index=False)

时序特征

# 数据格式处理
import pandas as pd# 时间特征提取
import datetime# 设置数据集路径
path = r'E:编程电动汽车充电站充电量预测'# 读取数据
train_df = pd.read_csv(path + r'process1train_df1.csv')
test_df = pd.read_csv(path + r'process1test_df1.csv')# 获取节假日列表
def get_holiday_set():holiday_set = set()'''取并集，实现集合的多元素添加'''# 清明节holiday_set = holiday_set | {datetime.date(2023, 4, 5)}# 劳动节holiday_set = holiday_set | {datetime.date(2022, 4, 30), datetime.date(2022, 5, 1), datetime.date(2014, 5, 2),datetime.date(2022, 5, 3), datetime.date(2022, 5, 4)}# 端午节holiday_set = holiday_set | {datetime.date(2022, 6, 3), datetime.date(2022, 6, 4), datetime.date(2022, 6, 5)}# 中秋节holiday_set = holiday_set | {datetime.date(2022, 9, 10), datetime.date(2022, 9, 11), datetime.date(2022, 9, 12)}# 国庆节holiday_set = holiday_set | {datetime.date(2022, 10, 1), datetime.date(2022, 10, 2), datetime.date(2022, 10, 3),datetime.date(2022, 10, 4), datetime.date(2022, 10, 5), datetime.date(2022, 10, 6),datetime.date(2022, 10, 7)}# 元旦节holiday_set = holiday_set | {datetime.date(2022, 12, 31), datetime.date(2023, 1, 1), datetime.date(2023, 1, 2)}# 春节holiday_set = holiday_set | {datetime.date(2023, 1, 21), datetime.date(2023, 1, 22), datetime.date(2023, 1, 23),datetime.date(2023, 1, 24), datetime.date(2023, 1, 25), datetime.date(2023, 1, 26),datetime.date(2023, 1, 27)}return holiday_set# 定义提取时间戳的方法
def get_time_feature(df, col):# 浅拷贝原表，保护原数据df_copy = df.copy()# 统一格式：ds_prefix = col + "_"# 命名新字段，用于储存日期数据df_copy['new_' + col] = df_copy[col].astype(str)# 统一格式：new_dscol = 'new_' + col# 将MySQL类型日期数据转化为’年月日‘日期格式df_copy[col] = pd.to_datetime(df_copy[col], format='%Y%m%d')df_copy[prefix + 'year'] = df_copy[col].dt.year     # 从日期字段提取年特征df_copy[prefix + 'month'] = df_copy[col].dt.month   # 月df_copy[prefix + 'day'] = df_copy[col].dt.day       # 日# 星期：1=日，2=星期一，3=星期二，4=星期三，5=星期四，6=星期五，7=星期六df_copy[prefix + 'dayofweek'] = df_copy[col].dt.dayofweek# 周末判断：1=周末df_copy[prefix + 'is_wknd'] = df_copy[col].dt.dayofweek // 6# 季度：1~4df_copy[prefix + 'quarter'] = df_copy[col].dt.quarter# 月初判断：返回值为布尔值，再转化为int整数类型df_copy[prefix + 'is_month_start'] = df_copy[col].dt.is_month_start.astype(int)# 月末判断df_copy[prefix + 'is_month_end'] = df_copy[col].dt.is_month_end.astype(int)# 月中判断df_copy[prefix + 'is_month_mid'] = 0df_copy.loc[(10 < df_copy[prefix + 'day']) & (df_copy[prefix + 'day'] <= 20), prefix + 'is_month_mid'] = 1# 节假期判断df_copy[prefix + 'is_holiday'] = 0df_copy.loc[df_copy[col].isin(get_holiday_set()), prefix + 'is_holiday'] = 1del df_copy[col]return df_copy# 提取时间特征
train_df = get_time_feature(train_df, 'ds')
test_df = get_time_feature(test_df, 'ds')# 保存
_csv(path + r'process2train_df2.csv', index=False)
_csv(path + r'process2test_df2.csv', index=False)

地理特征

解码

# 数据格式处理
import pandas as pd# 向服务器发送并响应HTTP请求
import requests
import urllib# 加密或检验文件一致性
import hashlib# 解读H3编码
from h3 import h3# 绘制地图
import folium
from IPython.display import display# 设置数据集路径
path = r'E:编程电动汽车充电站充电量预测'# 读取数据
stub_info = pd.read_csv(path + r'训练集stub_info.csv')# 把H3编码转换成经纬度坐标
stub_info['center'] = stub_info['h3'].apply(lambda x: h3.h3_to_geo(x))# 定义地图绘制方法
def geo_map(df):# 拆分经纬度坐标df[['latitude', 'longitude']] = pd.DataFrame(df['center'].tolist(), columns=['latitude', 'longitude'])# 创建地图m = folium.Map(location=[df['latitude'].mean(), df['longitude'].mean()], zoom_start=10)# 添加标记点for index, row in df.iterrows():folium.Marker(location=[row['latitude'], row['longitude']],popup=row['id_encode']).add_to(m)# 显示地图return m# 绘制地图
si_m = geo_map(stub_info)
display(si_m)# 调取百度api获取经纬度对应地址信息
'''进入百度web服务api网站注册账号, 获取对应的 ak 跟 sk, 
网站指引=webapi'''# 建立访问函数
def get_city_frombd(row):# 服务地址host = ""# 接口地址uri = "/reverse_geocoding/v3"# 在控制台-应用管理-创建应用后获取的AKak = "rYyvcdfmliu8GsrGoycIRdrSvO2gcMfy"# 在控制台-应用管理-创建应用时，校验方式选择sn校验后生成的SKsk = "MjFcjMs935IeZEU2xG5QAsIaOBXMEtwx"# 设置请求参数coordinate = str(row['latitude']) + ',' + str(row['longitude'])params = {"ak": ak,"output": "json","coordtype": "wgs84ll","extensions_poi": "0","location": coordinate,}# 拼接请求字符串paramsArr = []for key in params:paramsArr.append(key + "=" + params[key])queryStr = uri + "?" + "&".join(paramsArr)# 对queryStr进行转码，safe内的保留字符不转换encodedStr = quest.quote(queryStr, safe="/:=&?#+!$,;'@()*[]")# 在最后直接追加上SKrawStr = encodedStr + sk# 计算snsn = hashlib.md5(urllib.parse.quote_plus(rawStr).encode("utf8")).hexdigest()# 将sn参数添加到请求中queryStr = queryStr + "&sn=" + sn# 此处打印的url为非urlencode后的请求串# 如果将该请求串直接粘贴到浏览器中发起请求，由于浏览器会自动进行urlencode，会导致返回sn校验失败url = host + queryStrresponse = (url)return response.json().get('result').get('addressComponent')# 定义解码方法
def df_stub_process(df):df['center'] = df['h3'].apply(lambda x: h3.h3_to_geo(x))df[['latitude', 'longitude']] = pd.DataFrame(df['center'].tolist(), columns=['latitude', 'longitude'])df['latitude'] = df['latitude'].apply(lambda x: round(x,6))df['longitude'] = df['longitude'].apply(lambda x: round(x,6))# 通过百度api返回城市信息df['address'] = df[['latitude','longitude']].apply(get_city_frombd, axis=1)return df# 解码
si_df = df_stub_process(stub_info)# 保存
_csv(path + r'process3map.csv', index=False)

编码 

# 数据格式处理
import numpy as np
import pandas as pd# 设置数据集路径
path = r'E:编程电动汽车充电站充电量预测'# 读取数据
train_df = pd.read_csv(path + r'process2train_df2.csv')
test_df = pd.read_csv(path + r'process2test_df2.csv')
map_df = pd.read_csv(path + r'process3map.csv')# 地址编码
def onethot(d):# 一维数组初始化v = np.zeros(1)# str -> dictd = eval(d)# 输入地址编码v[0] = d['adcode']return v# 提取城市位置特征
city = pd.DataFrame(np.vstack(map_df['address'].apply(onethot)))
lumns = ['city']
city['a'] = 100
city['city'] //= city['a']# 将经纬度坐标与城市位置并入数据集
map_df = pd.concat([map_df, city], axis=1)
map_df = map_df.drop(['address', 'center', 'id_encode', 'a'], axis=1)
train_df = pd.concat([train_df, map_df], axis=1)
test_df = pd.concat([test_df, map_df], axis=1)# 保存
_csv(path + r'process3train_df3.csv', index=False)
_csv(path + r'process3test_df3.csv', index=False)
_csv(path + r'process3map_df0.csv', index=False)

小结

        根据步骤逐级保存阶段结果文件，有利于节省时间和运算量，便于模块化分析和数据管理。需要注意的是，申请第三方运算资源有每日运算量限制，要及时保存数据。

        接下来准备进行特征组合方向的尝试。