Prediksjon av solenergi-produksjon

🌞 Prediksjon av solenergi-produksjon

Problembeskrivelse

Det ønskes å bygge en regresjonsmodell som predikerer daglig produksjon av elektrisk energi (kWh) fra et solpanel, basert på værforhold og installasjonskarakteristikker.

Hvert utvalg representerer en produksjonsdag og er karakterisert av flere numeriske attributter, som lysintensitet, lufttemperatur, vindhastighet og andre.

Måletiketten (energy_output) representerer den totale energien generert den dagen.

Dette problemet tilhører kategorien univariat regresjon.

---

🔹 Karakteristikker (features)

• solar_irradiance – gjennomsnittlig solstråling (W/m²)
• temperature – gjennomsnittlig lufttemperatur (°C)
• humidity – relativ luftfuktighet (%)
• wind_speed – gjennomsnittlig vindhastighet (m/s)
• cloud_cover – gjennomsnittlig skydekning (%)
• panel_angle – panelhelningsvinkel (°)
• panel_efficiency – paneleffektivitet (%)

---

📘 Struktur for inndatafiler

train.csv

Inneholder alle feature-kolonnene pluss kolonnen energy_output, som representerer målverdien.

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

Inneholder de samme kolonnene som train.csv, men uten energy_output, og inkluderer SampleID.

---

📤 Innlevering

Utdatafilen (submission.csv) må inneholde nøyaktig to kolonner:

• SampleID
• energy_output – verdien predikert av modellen (float, med 2 desimaler)

Eksempel:

SampleID	energy_output
1	41.75
2	29.10
3	35.80

---

⚙️ Evaluering

Evaluering av modellene vil bli gjort ved bruk av Root Mean Squared Error (RMSE):

hvor N er antall eksempler i testsettet, y_i er den virkelige verdien og y^_i er verdien predikert av modellen.

Den endelige poengsummen vil bli skalert mellom 0 og 100, slik at lav RMSE fører til høy poengsum.

---

📊 Kilde

Dataene brukt for dette problemet er syntetisk generert.