Low Prior Energy

Low Prior Energy прогнозирует почасовую нормализованную мощность двух ветротурбин на 24–48 часов вперёд. React-дашборд операционного управления подключается к сервису FastAPI и детерминированному агенту прогнозирования: он отбирает подходящие снимки погоды, строит погодные/SCADA-признаки, запускает CatBoost-модели по каждой турбине, проверяет результаты, объясняет их и пересчитывает прогноз при изменении входных данных. Проводник (explorer) поддерживает разные типы энергоактивов; солнечная и гидроэнергетика — задачи на будущее.

Для жюри

Цикл агента: получение погоды → проверка доступности и подготовка → модель → почасовой прогноз → проверка и необязательный LLM-анализ → пересчёт при обновлении входов. OpenAI/NVIDIA-аналитик получает только read-only инструменты и никогда не меняет численные прогнозы. Без ключа работает детерминированный анализ.

Погода действительно входит в модель: ветер и направление на 100 м, температура на 2 м, календарь, лид и SCADA, доступная на момент выпуска. Параметры выбираются только по ноябрю–декабрю 2025; январь используется для сравнения после фиксации выбора. Все пять моделей оцениваются на одинаковых парах выпуск/цель, с разрезами по турбинам и лидам 1–24 / 25–48. Январь уже использовался в предыдущих экспериментах, поэтому это не новый независимый holdout.

Модель	Пар	MAE	RMSE
Константа (медиана)	2784	0.26817	0.34506
Климатология (турбина × час)	2784	0.26656	0.34237
Persistence	2784	0.33767	0.45934
CatBoost SCADA	2784	0.31224	0.38933
CatBoost weather-SCADA	2784	0.16181	0.23328

Метрики — ошибка нормализованной мощности на шкале [0,1], не проценты «точности» и не МВт. Подробные разрезы и результаты фолдов: отчёт обучения, машиночитаемые результаты, экран Evidence.

Главный артефакт: февральский CSV и манифест: 29 выпусков с 31 января по 28 февраля, две турбины, по 48 часов — 2 784 строки. Сохранены полные горизонты, включая пограничные цели января и марта. Февральских фактов нет, поэтому февральские MAE/RMSE не заявляются.

Существенное ограничение: это реконструкция с реальными погодными модельными данными, не доказанный архив оперативных прогнозов. Open-Meteo описывает ранний ECMWF IFS как Cycle 49R1 hindcast. available_at = run_init + 10h — явно принятая предпосылка по опубликованному расписанию, а не подтверждение публикации каждого запуска. Строгая часть кейса о фактической доступности в прошлом остаётся открытой. Источники, пропуски и правила импорта.

После установки зависимостей три основные команды:

npm run reproduce
npm run dev
npm run check

Первая воспроизводит подготовку, импорт, выбор модели, январскую оценку, дообучение, февральский replay и регистрацию модели для дашборда. Вторая запускает сайт/API и остаётся работать; третья выполняется в другом терминале. Время полного воспроизведения на этой машине: 485,3 с в чистом клоне (около 8 минут); повтор с готовым кешем — 4,5 с. Seed = 42, CPU, два потока CatBoost; время зависит от CPU. CSV чистого клона совпал побайтно, повторный запуск не изменил опубликованные файлы. Веса обучаются из исходных файлов, не требуют ручного копирования с компьютера автора.

Установка и дашборд

Требования: Node.js 22.12+ и uv. Из корня репозитория:

uv sync --locked
npm ci

Затем выполните три команды выше. Дашборд: http://127.0.0.1:5173; API: http://127.0.0.1:8000; интерактивные маршруты: http://127.0.0.1:8000/docs. Vite проксирует /api и /health на бэкенд. При необходимости запускайте npm run dev:api / npm run dev:web отдельно.

В Explore выберите Казахстан, ветровую площадку и её турбины, затем нажмите Open forecast. После воспроизведения обновите рабочую область, выберите зарегистрированную модель catboost-weather-scada-v1 и Verified archive, укажите выпуск 2026-01-31 12:00 UTC и выберите 24 или 48 часов. Запустите прогноз, чтобы посмотреть график, погоду, происхождение данных (provenance), события агента и почасовой экспорт. Run February replay использует ежедневные выпуски в 12:00 UTC. Модель остаётся помеченной как предварительная (provisional), поскольку предпосылки о задержке публикации и SCADA независимо не подтверждены. Перечисление архива само по себе не доказывает историческую достоверность: смотрите доказательства по каждому снимку.

Evidence описывает зафиксированный январский бенчмарк независимо от модели, выбранной в данный момент для прогноза. Profile → Appearance предлагает General, Light и Black. У глобуса есть доступный с клавиатуры резервный справочник стран/станций.

HTTP-проверка при запущенном сайте:

uv run python scripts/smoke_demo.py
uv run python scripts/smoke_demo.py --archive

Вторая команда задействует воспроизведённую погодную модель, 29 ежедневных архивных прогнозов, обновление при неизменных входах и экспорт CSV. Обе команды создают локальные записи; ни одна не оценивает точность за февраль.

Протокол воспроизведения

• Входные данные под контролем Git: data/raw/turbine_1.csv, turbine_2.csv и data/weather/ecmwf_ifs_single_runs.csv.gz.
• Канонический SCADA содержит только полные почасовые интервалы. Исходные часы зафиксированы как UTC+06:00, метки времени обозначают начало интервала, доступность предполагает задержку отчётности 10 минут. Пропущенные показания не заполняются нулями; невалидные строки помещаются в карантин и подсчитываются. Эти правила исходных часов отличаются от текущего гражданского времени.
• Во всём обучении и replay используются только запуски ECMWF 00 UTC. Выпуск в 12:00 UTC = 17:00 Asia/Almaty в феврале 2026 (18:00 по зафиксированным часам SCADA) использует лиды запуска 13–60. Предполагаемая 10-часовая задержка публикации оставляет два часа до выпуска.
• Отсчёт обучающих периодов начинается 15 марта 2024, 12:00 UTC. Пропущенные погодные периоды пропускаются и подсчитываются при обучении. Инференс и оценка по-прежнему требуют полного подходящего снимка.
• Три заранее заданные погодные конфигурации соревнуются на хронологических ноябрьско-декабрьских фолдах. Январское сравнение использует отсечку 1 января 2026, 00:00 UTC, выпуски с 1 по 29 января в полдень и одинаковые цели для всех моделей. Константа/климатология — медианы за период обучения; persistence читает только наблюдения, доступные на момент каждого выпуска.
• Финальная погодная модель использует зафиксированные победившие параметры и отсечку 31 января 2026, 12:00 UTC. Январские метрики не оценивают эти дообученные веса. SCADA после последнего наблюдения не синтезируется в феврале.
• Воспроизведение вызывает код WindService.execute_backtest / ForecastAgent API с weather_source="archive" и без февральских фактов. Загрузки API/воркера остаются неподтверждёнными до отдельного документированного импорта; они никогда не продвигаются автоматически.
• Локальные кеши и файлы моделей игнорируются. Завершённые кеши проходят проверку контрольных сумм; изменённые входные данные/код создают новую ревизию эксперимента. CSV и манифест лежат в отслеживаемой папке results/february-2026/. npm run reproduce -- --no-register генерирует результаты без публикации в локальный реестр API.

Офлайн-импорт явно принимает документированную предпосылку hindcast/расписания. Чтобы удовлетворить строгим требованиям исторического replay, предоставьте современные прогнозы с оригинальными доказательствами публикации и повторите тот же процесс. Изменения в проверках меток времени не требуются.

Архитектура

flowchart LR
  UI[React-дашборд] --> API[FastAPI]
  API --> Agent[ForecastAgent]
  Agent --> Weather[Неизменяемые снимки погоды]
  Weather --> Guards[Проверки доступности и покрытия]
  Guards --> ML[Погода + SCADA / CatBoost]
  ML --> Audit[Численный аудит + опциональный read-only LLM]
  Audit --> DB[(SQLite / CSV)]
  DB --> UI
  Weather --> Refresh[Изменение отпечатка]
  Refresh --> Agent

Область	Расположение
Дашборд, проводник, Evidence	frontend/
API, хранилище, обучение, оценка	backend/wind_backend/
Погода, проверки времени, оркестрация, облачные объяснения	agent/wind_agent/
Общие типизированные контракты	contracts/wind_contracts/
Сгенерированные OpenAPI / TypeScript	contracts/openapi.json, frontend/src/generated/api.ts
Воспроизведение одной командой	scripts/reproduce.py
Итоговые артефакты для проверки	results/february-2026/, docs/model-selection-results.json

Исходное распределение обязанностей между тремя участниками команды сохранено в docs/team-plan.md.

Маршруты API

Все бизнес-маршруты используют /api/v1. Полные типы запросов/ответов и примеры — в /docs и закоммиченном файле OpenAPI.

Метод	Маршрут после /api/v1	Назначение / результат
GET	/assets	Реестр энергоактивов с метаданными страны/площадки и явной возможностью прогноза
GET	/turbines	Метаданные настроенных турбин
GET	/datasets	Метаданные импортированных наборов данных
POST	/datasets	Импорт валидированных наблюдений (201)
GET	/datasets/{id}/observations?start=...&end=...	Наблюдения во включительном, учитывающем часовой пояс окне для сравнения на графике
GET	/models	Метаданные доступных демо- и обученных моделей
GET	/evidence	Зафиксированный хронологический бенчмарк, сравнения, происхождение данных и ограничения
GET	/evidence/export	Скачать тот же типизированный отчёт evidence в JSON
POST	/models/train	Обучить базовую модель, используя только данные, доступные на момент отсечки (201)
GET	/weather/snapshots?turbine_id=...	Сохранённая погода и происхождение данных
POST	/weather/fetch	Загрузить неподтверждённого кандидата Single Runs (201)
POST	/weather/snapshots	Импорт неизменяемого снимка/ревизии (201)
GET	/forecasts?limit=20	Последние запуски, включая статус и результаты
POST	/forecasts	Поставить прогноз в очередь (202)
GET	/forecasts/{id}	Опрос статуса запуска, результата, ошибок и событий
GET	/forecasts/{id}/events	Журнал решений агента
POST	/forecasts/{id}/refresh	Переиспользовать неизменённые входы или поставить новый запуск
GET	/forecasts/{id}/export	Скачать почасовой CSV с происхождением данных
GET	/backtests	История replay
POST	/backtests	Поставить в очередь ежедневный скользящий replay (202)
GET	/backtests/{id}	Прогресс, дочерние запуски, метрики, отсутствующие факты
GET	/backtests/{id}/export	CSV, ограниченный целевыми часами оценки

GET /health находится вне версионированного префикса. Жизненный цикл задачи: queued → running → succeeded | failed. Опрашивайте каждые 1–2 секунды; ответ 202 означает «в очереди», а не «завершено». Ошибки HTTP используют { "code": "...", "message": "..." }; сбои задач — run.error. Основные статусы ошибок: 404 неизвестный ресурс, 409 недоступный архив/неизменяемая запись/экспорт не готов, 422 неверные входные данные, 503 временный сбой транспорта погодных данных.

Целостность данных и ограничения

Каждое признаковое наблюдение подчиняется и valid_time <= issue_time, и available_at <= issue_time. Каждая обучающая метка подчиняется отсечке обучения. Модель не может прогнозировать выпуск раньше своей отсечки. Архивная погода должна иметь run_init <= issue_time, available_at <= issue_time, обязательное доказательство и каждую запрошенную почасовую цель. Полные контрольные суммы модели/истории, неизменяемые снимки, отпечатки и обновление по-прежнему обеспечиваются принудительно. Будущие валидные времена погоды ожидаемы; будущая публикация отклоняется.

Мощность нормализована в диапазоне [0,1]. Номинальные мощности и высоты ступиц неизвестны: агрегация по станциям в МВт, коррекция по высоте ступицы или калиброванная неопределённость не заявляются. Ветер на 100 м — ковариата модели, а не измерение турбины. Пропуски августовской погоды пропускаются только при обучении и фиксируются. Hindcast-данные и доступность, выведенная из расписания, не позволяют безусловно утверждать соответствие исторической доступности требованиям соревнования. Февральских фактических данных во входных данных нет. Прогнозы солнечной/гидроэнергетики и автоматизированное планирование новых моментов выпуска остаются задачами на будущее.

Опциональные облачные объяснения: OpenAI / NVIDIA. Учётные данные хранятся в локальном .env; никогда не коммитьте их. Настройте WINDFARM_DB, WINDFARM_MODELS и WINDFARM_TURBINES согласованно для воспроизведения и API. Для детерминированного офлайн-эксперимента ключ не нужен.

Проверка

npm run contracts
npm run check

Коммитьте оба сгенерированных файла контрактов вместе. CI проверяет расхождение сгенерированных контрактов. Тесты покрывают поздние/будущие наблюдения, отсечки моделей, неподтверждённую и неполную погоду, выбор снимков, неизменяемые артефакты, общие пары сравнения, フронтенд-сценарии и закоммиченные февральские CSV/манифест. scripts/run_tests.py использует локальную для репозитория временную директорию, чтобы избежать проблем с ACL системного temp в Windows. Компонентные тесты не заменяют визуальную проверку в браузере/WebGL.

Работа из интегрированной ветки main

Создайте фиче-ветку от текущей main, делайте коммиты сфокусированными и открывайте PR с доказательствами валидации. Проверьте настроенную идентичность автора перед коммитом; см. CONTRIBUTING.md. Изменения контрактов включают регенерированные типы и совместимое поведение фронтенда.

Чек-лист приёмки

• Значения погоды используются в модели прогнозирования.
• Выбор модели использует только хронологические ноябрьско-декабрьские фолды.
• Январское сравнение включает константу, климатологию, persistence и оба набора признаков CatBoost на одинаковых парах.
• Февральский CSV прогноза и манифест происхождения данных закоммичены; синтетическая погода не используется.
• Пропущенная обучающая погода подсчитывается; инференс остаётся строгим.
• Воспроизведение одной командой восстанавливает веса модели и реестр дашборда из чистого клона.
• Агент проверяет, прогнозирует, анализирует и пересчитывает при изменении подходящих входов.
• Историческая публикация каждого точного погодного прогноза независимо доказана (ограничение hindcast).
• Задержка наблюдений, номинальные мощности и высоты ступиц независимо подтверждены.
• Февральская точность измерена по предоставленным фактическим данным (факты недоступны).

См. обзор для жюри и исходный кейс.