Predikce výroby solární energie

🌞 Predikce produkce solární energie

Popis problému

Cílem je vybudování regresního modelu, který bude predikovat denní produkci elektrické energie (kWh) solárního panelu na základě meteorologických podmínek a charakteristik instalace.

Každý vzorek představuje jeden den produkce a je charakterizován několika numerickými atributy, jako je intenzita světla, teplota vzduchu, rychlost větru a další.

Cílová etiketa (energy_output) představuje celkovou energii vygenerovanou v daný den.

Tento problém patří do kategorie univariátní regrese.

---

🔹 Charakteristiky (features)

• solar_irradiance – průměrné sluneční záření (W/m²)
• temperature – průměrná teplota vzduchu (°C)
• humidity – relativní vlhkost (%)
• wind_speed – průměrná rychlost větru (m/s)
• cloud_cover – průměrné pokrytí mraky (%)
• panel_angle – úhel sklonu panelu (°)
• panel_efficiency – účinnost panelu (%)

---

📘 Struktura vstupních souborů

train.csv

Obsahuje všechny sloupce features plus sloupec energy_output, který představuje cílovou hodnotu.

Příklad:

SampleID	solar_irradiance	temperature	humidity	wind_speed	cloud_cover	panel_angle	panel_efficiency	energy_output
1	750.5	25.2	40.0	3.5	10	30	18.5	42.3
2	610.0	22.1	55.0	2.0	50	25	17.0	28.7

test.csv

Obsahuje stejné sloupce jako train.csv, ale bez energy_output, a zahrnuje SampleID.

---

📤 Submission

Výstupní soubor (submission.csv) musí obsahovat přesně dva sloupce:

• SampleID
• energy_output – hodnota predikovaná modelem (float, se 2 desetinnými místy)

Příklad:

SampleID	energy_output
1	41.75
2	29.10
3	35.80

---

⚙️ Hodnocení

Hodnocení modelů se bude provádět pomocí Root Mean Squared Error (RMSE):

kde N je počet příkladů v testovací sadě, y_i je skutečná hodnota a y^_i je hodnota predikovaná modelem.

Finální skóre bude škálováno mezi 0 a 100, tak aby nízké RMSE vedlo k vysokému skóre.

---

📊 Zdroj

Data použitá pro tento problém jsou synteticky generovaná.