赛题业务场景：描述赛题相关的真实企业业务背景。从真实场景中，适当简化或者提炼出适合比赛的赛题场景

本赛题数据集由全球最大风电运营企业龙源电力提供，采集自真实风力发电数据。

基本功能要求

为更好管理和预测风力发电功率，参赛选手需利用机器学习/深度学习及软件开发技术实现以下两部分内容：

1、算法部分：要求选手基于PaddlePaddle根据官方提供的数据集，设计一种利用当日05:00之前的数据，预测次日00:00至23:45实际功率的方法。准确率按日统计，根据10个风电场平均准确率进行排名；准确率相同的情形下，根据每日单点的平均最大偏差绝对值排名。 

PPi为预测功率

Cap = 201000KW

2、软件部分：要求选手实现基于Web的风电功率预测系统，

其中包括数据可视化、实时更新、滚动预测和响应式设计四大基础功能，化学教育中心。选手可设计更多相关场景的附加功能，通过稳定的软件功能和优秀的人机交互，为非AI专业人员提供良好用户体验。

非功能性要求

实现条件：开发环境、实验平台、开发语言、数据库、编译器、涉及硬件等实现条件

深度学习部分要求选手基于PaddlePaddle进行深度学习模型的训练与部署。

测试数据或平台：提供给参赛者的测试环境和测试数据

本赛题数据集由全球最大风电运营企业龙源电力提供，采集自真实风力发电数据，预选赛训练数据和区域赛训练数据分别为不同10个风电场近一年的运行数据共30万余条，每15分钟采集一次，包括风速、风向、温度、湿度、气压和真实功率等。

数据集发布时间：4月3日
获取途径：AI Studio

开发所需设备及设备指标需求说明

文档及其他要求

各评分项及大致占比

算法部分（60%）：本次比赛要求选手将算法结果/模型提交至AI Studio进行自动评测，预选赛开放10个风场数据，区域赛开放新的10个风场数据，预选赛和区域赛算法成绩各占30%。

软件部分（40%）：本次比赛要求选手基于web技术实现：

1、数据可视化：将预测结果以图表等形式展示出来，便于用户进行观察和分析；（20%）

2、实时更新与滚动预测：能够基于提供的数据实时模拟真实功率、预测功率及其之间的差异，通过调节过去不同长度的时间段，以更新未来预测结果，且预测的时间段可调节； （30%）

3、响应式设计：支持多种终端，包括PC端、移动端等，以适应不同设备的屏幕尺寸和分辨率；（10%）

4、其他创新附加功能。（10%）

初赛作品提交要求

AI Studio线上模型测评成绩（将模型上传到AI Studio比赛入口后可自动得到）、源代码、可脱机运行项目（包含前后端）、相关文档（见上文“文档及其他要求”）、演示视频(格式不限，时间尽量控制在7分钟以内)