Förutsägelse av solenergiproduktion

🌞 Förutsägelse av solenergiproduktion

Problembeskrivning

Målet är att bygga en regressionsmodell som förutsäger daglig elproduktion (kWh) från en solpanel, baserat på väderförhållanden och installationsegenskaper.

Varje prov representerar en produktionsdag och karakteriseras av flera numeriska attribut, såsom ljusintensitet, lufttemperatur, vindhastighet och andra.

Måletiketten (energy_output) representerar den totala energi som genererades den dagen.

Detta problem tillhör kategorin univariat regression.

---

🔹 Egenskaper (features)

• solar_irradiance – genomsnittlig solstrålning (W/m²)
• temperature – genomsnittlig lufttemperatur (°C)
• humidity – relativ luftfuktighet (%)
• wind_speed – genomsnittlig vindhastighet (m/s)
• cloud_cover – genomsnittlig molntäckning (%)
• panel_angle – panelens lutningsvinkel (°)
• panel_efficiency – panelens effektivitet (%)

---

📘 Struktur för indatafiler

train.csv

Innehåller alla feature-kolumner plus kolumnen energy_output, som representerar målvärdet.

Exempel:

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

Innehåller samma kolumner som train.csv, men utan energy_output, och inkluderar SampleID.

---

📤 Inlämning

Utdatafilen (submission.csv) måste innehålla exakt två kolumner:

• SampleID
• energy_output – det värde som förutsägs av modellen (float, med 2 decimaler)

Exempel:

SampleID	energy_output
1	41.75
2	29.10
3	35.80

---

⚙️ Utvärdering

Utvärdering av modellerna kommer att göras med Root Mean Squared Error (RMSE):

där N är antalet exempel i testuppsättningen, y_i är det verkliga värdet och y^_i är det värde som förutsägs av modellen.

Den slutliga poängen kommer att skalas mellan 0 och 100, så att låg RMSE leder till hög poäng.

---

📊 Källa

Data som används för detta problem är syntetiskt genererad.