AI4S 蒙西电力现货储能策略

本项目用于完成赛题初赛提交：根据边界条件、NWP 气象数据和历史电价规律预测电价，再生成储能充放电策略 output.csv。

当前版本能力

1. LightGBM 多 seed 集成预测。
2. 支持官方 .nc NWP 气象特征，并带有维度自适应读取。
3. 支持 NWP 诊断，检查 GHI 峰值时间、夜间 GHI、缺失率和数据维度。
4. 支持历史价格统计特征，包括同月同日同 slot、month-slot 分位数、冬季 slot、最近 7/14/28 天 slot 统计。
5. 支持 oracle_profit、capture_ratio、regret、window_hit 等收益诊断。
6. 支持多策略统一比较、提交格式检查和充放电合法性检查。
7. 支持窗口细网格搜索、不确定性惩罚调参、residual LightGBM 和窗口收益模型实验。

数据目录

默认使用官方数据路径：

to_sais_new/to_sais_new/train/mengxi_boundary_anon_filtered.csv
to_sais_new/to_sais_new/train/mengxi_node_price_selected.csv
to_sais_new/to_sais_new/test/test_in_feature_ori.csv
to_sais_new/to_sais_new/all_nc/*.nc

安装依赖

pip install -r requirements.txt

一键训练与生成

.\scripts\run_pipeline.ps1

脚本会依次完成：

1. 训练基础 LightGBM、NWP LightGBM、NWP bias、NWP exact bias 候选。
2. 预测测试集。
3. 生成多个候选提交文件。
4. 运行提交合法性检查。
5. 生成 outputs/strategy_compare.csv。
6. 默认把线上验证过的保底文件 outputs/output_nwp_unconstrained_online5117.csv 复制为 output.csv。

默认不再用本地验证最高候选覆盖 output.csv，因为 nwp_c0_55_d72_88 已在线上验证为低分 3798.629342284567。如果明确要用本地验证最优候选覆盖 output.csv，需要显式传入：

.\scripts\run_pipeline.ps1 -UseLocalBest

推荐提交文件

当前最终提交入口：

output.csv

当前 output.csv 已恢复为线上验证过的保底文件：

outputs/output_nwp_unconstrained_online5117.csv

已知线上分数：

5117.832037755039

不要再提交以下已验证低分或本地验证失败的候选：

outputs/output_nwp_c0_55_d72_88.csv
outputs/output_blend_fine_w025_t1000.csv
outputs/output_nwp_unconstrained_t2000.csv
outputs/output_residual_nwp.csv
outputs/output_window_ranker_c055_d7288.csv

常用诊断命令

检查 NWP 维度和时间对齐：

python -m src.nwp_diagnostics `
  --nwp-dir to_sais_new/to_sais_new/all_nc `
  --output outputs/nwp_diagnostics.csv

检查提交合法性：

python -m src.check_submission --submission output.csv

比较策略：

python -m src.compare_strategies --output outputs/strategy_compare.csv

滚动验证：

python -m src.rolling_validate `
  --train-feature to_sais_new/to_sais_new/train/mengxi_boundary_anon_filtered.csv `
  --train-label to_sais_new/to_sais_new/train/mengxi_node_price_selected.csv `
  --nwp-dir to_sais_new/to_sais_new/all_nc `
  --output outputs/rolling_validation.csv `
  --aggregate-output outputs/rolling_validation_summary.csv

窗口约束搜索：

python -m src.tune_strategy_windows `
  --pred-csv outputs/val_predictions_nwp.csv `
  --test-price-csv outputs/test_predictions_nwp.csv `
  --output outputs/window_constraint_search.csv

不确定性惩罚搜索：

python -m src.tune_robust_strategy `
  --pred-csv outputs/val_predictions_nwp.csv `
  --test-price-csv outputs/test_predictions_nwp.csv `
  --output outputs/robust_strategy_search.csv

关键文件

文件	作用
src/train_lgb.py	主线 LightGBM 训练，含 NWP 和历史价格统计特征。
src/predict.py	根据模型和元数据预测测试集。
src/nwp_features.py	读取和缓存 NWP 特征。
src/nwp_diagnostics.py	检查 NWP 维度和时间对齐。
src/price_history_features.py	构造无泄漏历史价格统计特征。
src/storage_optimizer.py	枚举每天一次充放电的最优动作。
src/validate_profit.py	回测收益、oracle、regret 和窗口命中率。
src/compare_strategies.py	汇总比较多个候选策略。
src/select_best_submission.py	从比较表自动选择本地最优候选。
src/check_submission.py	检查提交文件格式和策略合法性。
src/tune_strategy_windows.py	在验证集上搜索充放电窗口边界和低阈值。
src/tune_robust_strategy.py	用多 seed 分歧调参稳健策略。
src/train_residual_lgb.py	训练历史价格先验上的 residual LightGBM。
src/train_window_ranker.py	直接训练窗口收益模型。

当前注意事项

1. output.csv 是最终提交文件。默认 pipeline 会恢复线上验证过的保底版本。
2. 只有使用 -UseLocalBest 才会用本地验证最高候选覆盖 output.csv。
3. outputs/ 下大部分实验结果只用于本地复盘。
4. 每次线上提交结果都要写入 docs/research/，并更新候选状态表。

Open Source Maintenance

This repository is maintained as an open-source AI-for-science energy storage strategy pipeline. See:

• Open Source Maintenance
• Contributing Guide
• Security Policy
• MIT License