KDD Cup（国际知识发现和数据挖掘竞赛）是 ACM 协会 SIGKDD 分会主办的数据挖掘研究领域的国际顶级赛事，从1997年开始，每年举办一次，有着数据挖掘领域「世界杯」之称，是该领域水平最高、最有影响力的顶级赛事。
KDD Cup 2022 由百度与亚马逊共同主办，其中百度主办的赛题为「风电功率预测」。风电属于可再生且无公害的清洁能源，但同时也具有不稳定、波动性大的特点，而如何使用人工智能技术来提升电网运行的稳定性，为实现全球“碳达峰”和“碳中和”的双碳目标贡献科技力量，是本次赛题的主要目标。自 3月16日开放报名以来，Baidu KDD Cup 2022比赛已有近2000名参赛者报名参加，为了助力选手们获得更好的成绩，百度飞桨（PaddlePaddle）图学习框架（PGL）团队工程师为大家解读赛题，并且开放开源 Baseline 代码。
比赛任务介绍
此次赛题是基于空间的风电动态预测挑战任务。风力发电预测是为了更精准地预估风力，帮助风力发电厂安排不同时间的供应。由于风力具有不稳定性，导致风电的发电功率变化也很大，这种不稳定性对将风电并入电网系统带来了巨大挑战。为了保障电力生产及消耗的平衡，当风力发电波动时，需要使用其他能源来平抑风电的波动性对电网造成的冲击。然而，这种替代的电力并不能短时间获取（例如，通常至少需要 6 个小时才能启动一个燃煤电厂），因此风电预测非常重要，同时也极具挑战性。首先让我们来了解一下本次赛事的一些关键信息。
数据集
基于空间的风电动态预测数据集（SDWPF）包含134个发电机超过半年的历史数据信息。当前，较多竞赛将WPF视为时间序列预测问题，而忽略发电机的位置和上下文信息，SDWPF则提供了以下两个维度的信息：
- 空间分布：提供了不同风力发电机在发电场的相对位置，如下图所示。每台风力发电机可以单独产生风力，风电场的输出功率是所有风力发电机的总和。此项信息有利于选手进行空间相关性建模。
- 动态环境：包括天气状况、发电机内部状态等多种信号，方便选手设计多源输入模型，增加预测增益。如下图所示：
任务
通过历史输入数据，对每个发电机的未来48小时的发电功率进行预测。每个数据之间间隔10分钟，所以选手需预测未来288步的发电功率。
评价指标
- MAE(平均绝对误差)和RMSE(均方根误差)
- 更多详情可访问赛题网站链接：
⭐️点击即可访问⭐
https://aistudio.baidu.com/aistudio/competition/detail/152/0/introduction
赛题解读及
开源Baseline
有大量的研究致力于通过数据挖掘技术来解决风能预测问题，相比于传统的时序预测数据，本届 Baidu KDD Cup 2022 提供的风力发电数据额外提供了各个发电机的空间位置信息，使得选手可以结合时间、空间等多个维度，对未来结果进行预测。而图神经网络技术能够高效建立时间和空间的关系图，并充分利用两者之间的关联关系提升预测效果。为了方便选手实现基于图神经网络的时空预测模型，飞桨图学习框架（PGL）提供了一版基于时序分解的时空图神经网络模型，助力选手获得更好成绩，以下是模型的详情：
数据预处理
- 数据划分：SDWPF数据集中提供了134个发电机对应的245天数据作为训练集，未来采样数据作为隐藏测试集。每个数据之间间隔10分钟。为保证训练预测的一致性，需要对训练数据按照时间切分出训练、验证、测试集。
- 异常值处理：数据对nan数据进行补0处理，并对数据进行归一化处理，降低异常值对模型的影响。
- 特征扩展：针对时序预测任务和时间周期强相关的特点，在原始的输入数据基础上，增加了小时、星期等特征，强化模型的时间特征。
- 数据增强：为提升模型的鲁棒性，利用Spatial Shuffle技术对训练数据进行了扩展。具体可参考：
https://github.com/PaddlePaddle/PGL/blob/main/examples/kddcup2022/wpf_baseline/wpf_dataset.py
时空图构造
利用发电机的时序相关性构建它们之间的边关系。通过统计各个发电机的历史数据，计算不同发电机之间历史发电功率的相关性，以获取发电机的相关性。
基于时空图聚合的GNN模型
- 针对每个路口输入的时序信息，进行时序分解，获得历史的功率趋势特征和周期特征。
- 利用SaptialTemporalGATconv 对相关性邻居进行信息聚合，从而提升模型效果。
- 利用Transformer Encoder-Decoder 对分解后的特征进行编码，并进行多步解码。
通过利用时空GNN模型，在单卡 v100 上，可以在5~10分钟内完成一遍模型训练，极大提升了模型迭代速率。
开源Baseline
- 代码地址：
https://github.com/PaddlePaddle/PGL/tree/main/examples/kddcup2022/wpf_baseline
- 预测结果示例：
经验与建议优化
- 本次任务，需对未来2天风力发电情况进行预测。而风能随时间变化快，致预测真值方差过大，这加大了模型预测难度。
- 时间、空间构图问题：该任务提供了各个涡轮发电机的物理空间位置，帮助选手构建节点的边关系。实践上建议参赛选手利用各个节点的历史数据进行对比计算，构建出更具相关性的边关系。
- 训练、验证集划分：时序任务与时间强相关，如何划分训练验证集，让最新数据尽可能应用至模型训练中，这是选手值得思考的问题。
进一步了解飞桨PGL
以上官方基线由获得 KDD Cup 2021 两项冠军的百度飞桨 PGL 团队提供。飞桨PGL（PaddleGraph Learning）是一个基于飞桨（PaddlePaddle） 的高效易用图学习框架，依托于飞桨核心框架以及自研的高效大规模分布式图引擎，支持十亿节点百亿边的超巨图训练，原生支持异构图MetaPath采样以及Message Passing双模式，预置多种业界主流图学习算法以及自研模型等。同时具备分布式图存储以及一些分布式图学习训练算法，例如，分布式deep walk和分布式graphsage。结合飞桨框架，PGL 能够覆盖大部分的图网络应用，包括图表示学习以及图神经网络。
百度在图神经网络领域的研究、产业实践、工业落地方面，积累了丰富的经验！在实际业务落地应用上，飞桨PGL已经在搜索、信息流、金融风控、智能地图和商业广告等场景全面落地。此外，百度飞桨PGL团队战绩累累，多次刷新图神经网络权威榜单OGB榜单SOTA，在2020年COLING协办比赛取得TextGraph冠军！去年KDDCup 2021最大的图学习比赛OGB-LSC（涵盖节点分类、链接预测以及图分类三个经典场景）中，获得两冠一亚的成绩。
⭐️欢迎STAR收藏⭐
https://github.com/PaddlePaddle/PGL
更多交流可通过 pgl@baidu.com 联系我们，感谢支持！
