Predicción de la producción de energía solar

🌞 Predicción de la producción de energía solar

Descripción del problema

Se desea construir un modelo de regresión que prediga la producción diaria de energía eléctrica (kWh) de un panel solar, basándose en las condiciones meteorológicas y las características de la instalación.

Cada muestra representa un día de producción y está caracterizada por varios atributos numéricos, como la intensidad de la luz, la temperatura del aire, la velocidad del viento y otros.

La etiqueta objetivo (energy_output) representa la energía total generada en ese día.

Este problema pertenece a la categoría de regresión univariada.

---

🔹 Características (features)

• solar_irradiance – radiación solar media (W/m²)
• temperature – temperatura media del aire (°C)
• humidity – humedad relativa (%)
• wind_speed – velocidad media del viento (m/s)
• cloud_cover – cobertura media de nubes (%)
• panel_angle – ángulo de inclinación del panel (°)
• panel_efficiency – eficiencia del panel (%)

---

📘 Estructura de los archivos de entrada

train.csv

Contiene todas las columnas de features más la columna energy_output, que representa el valor objetivo.

Ejemplo:

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

Contiene las mismas columnas que train.csv, pero sin energy_output, e incluye SampleID.

---

📤 Envío

El archivo de salida (submission.csv) debe contener exactamente dos columnas:

• SampleID
• energy_output – valor predicho por el modelo (float, con 2 decimales)

Ejemplo:

SampleID	energy_output
1	41.75
2	29.10
3	35.80

---

⚙️ Evaluación

La evaluación de los modelos se realizará utilizando Root Mean Squared Error (RMSE):

donde N es el número de ejemplos del conjunto de prueba, y_i es el valor real y y^_i es el valor predicho por el modelo.

La puntuación final se escalará entre 0 y 100, de manera que un RMSE bajo conduzca a una puntuación alta.

---

📊 Fuente

Los datos utilizados para este problema son generados sintéticamente.