Forudsigelse af solenergiproduktion

🌞 Forudsigelse af solenergiproduktion

Problembeskrivelse

Der ønskes at bygge en regressionsmodel, som kan forudsige den daglige produktion af elektrisk energi (kWh) fra et solpanel, baseret på vejrforhold og installationens karakteristika.

Hver prøve repræsenterer en produktionsdag og er karakteriseret ved flere numeriske attributter, såsom lysintensitet, lufttemperatur, vindhastighed og andre.

Måletiketten (energy_output) repræsenterer den totale energi genereret på den pågældende dag.

Dette problem tilhører kategorien univariat regression.

---

🔹 Karakteristika (features)

• solar_irradiance – gennemsnitlig solstråling (W/m²)
• temperature – gennemsnitlig lufttemperatur (°C)
• humidity – relativ fugtighed (%)
• wind_speed – gennemsnitlig vindhastighed (m/s)
• cloud_cover – gennemsnitlig skydække (%)
• panel_angle – panelets hældningsvinkel (°)
• panel_efficiency – panelets effektivitet (%)

---

📘 Struktur af inputfiler

train.csv

Indeholder alle feature-kolonner plus kolonnen energy_output, som repræsenterer målværdien.

Eksempel:

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

Indeholder de samme kolonner som train.csv, men uden energy_output, og inkluderer SampleID.

---

📤 Indsendelse

Outputfilen (submission.csv) skal indeholde præcis to kolonner:

• SampleID
• energy_output – den værdi forudsagt af modellen (float, med 2 decimaler)

Eksempel:

SampleID	energy_output
1	41.75
2	29.10
3	35.80

---

⚙️ Evaluering

Evalueringen af modellerne vil blive foretaget ved hjælp af Root Mean Squared Error (RMSE):

hvor N er antallet af eksempler i testsættet, y_i er den reelle værdi og y^_i er den værdi forudsagt af modellen.

Den endelige score vil blive skaleret mellem 0 og 100, således at lav RMSE fører til høj score.

---

📊 Kilde

Dataene brugt til dette problem er syntetisk genererede.