本文为您介绍如何使用PAI-Studio预置的实验模板,快速构建发电场输出电力预测模型。

背景信息

本实验基于综合循环发电场的发电数据,展示机器学习在工业生产中的应用。因为风力发电的输出电力通常决定了单位发电机能够生产的电能,所以有效预测发电机的输出电力可以更好地评估及安排电力生产计划,从而避免资源浪费。

数据集

本实验数据采集自UCI机器学习数据集中的混合发电场数据,详情请参见混合发电场数据集。该数据集共9568条样本数据。每条数据包括AT(温度)、 V(压力)、AP(湿度)、RH(压强)及PE(输出电力)。实验的示例数据如下。数据集

发电场输出电力预测

  1. 进入PAI-Studio控制台。
    1. 登录PAI控制台
    2. 在左侧导航栏,选择模型开发和训练 > Studio-可视化建模
    3. PAI可视化建模页面,单击进入机器学习进入机器学习
  2. 构建实验。
    1. 在PAI-Studio控制台的左侧导航栏,单击首页
    2. 模板列表,单击发电场输出电力预测下的从模板创建
    3. 新建实验对话框,配置参数(可以全部使用默认参数)。
      参数 描述
      名称 输入发电场输出电力预测
      项目 不支持修改。
      描述 输入通过预测发电机的输出电力,更好地评估安排电力生产计划,从而避免资源的浪费
      位置 选择我的实验
    4. 单击确定
    5. 可选:等待大约十秒钟,在PAI-Studio控制台的左侧导航栏,单击实验
    6. 可选:我的实验下,单击发电场输出电力预测_XX
      其中我的实验为已配置的实验位置发电场输出电力预测_XX为已配置的实验名称_XX为系统自动添加的实验序号)。
    7. 系统根据预置的模板,自动构建实验,如下图所示。
      发电厂实验
      区域 描述
      通过相关系数矩阵组件,观察各特征对输出电力PE的影响。实验运行完成后,您可以右键单击画布中的相关系数矩阵-1,在快捷菜单,单击查看分析报告,查看各特征对输出电力PE的影响。
      将数据集按照8:2拆分为训练数据集和预测数据集。
      通过线性回归组件进行回归建模。
      通过预测组件预测该模型在预测数据集上的效果,并通过回归模型评估组件评估该模型预测的准确性。
  3. 运行实验并查看输出结果。
    1. 单击画布上方的运行
    2. 实验运行结束后,右键单击画布中的相关系数矩阵-1,在快捷菜单,单击查看分析报告
    3. 相关系数矩阵对话框,选中显示相关系数复选框,查看各特征对输出电力PE的影响。
      系数矩阵结果对输出电力PE的影响从大到小依次为温度AT、压力V、湿度AP及压强RH。
    4. 右键单击画布中的线性回归-1,在快捷菜单,单击模型选项 > 查看模型,即可查看各特征对结果的权重。线性规划模型
    5. 右键单击画布中的回归模型评估-1,在快捷菜单,单击查看分析报告,查看模型评估指标。