数据是时间，实际功率，预测功率三列28行，每日80或者90行，公式是rmse计算公式

好的，根据您提供的信息，我可以给出如下的Python代码示例，来计算每日的RMSE值：

import pandas as pd
import numpy as np
from sklearn.metrics import mean_squared_error

# 读取数据，假设数据文件名为data.csv，数据分别为date, actual_power, predicted_power
df = pd.read_csv('data.csv')

# 将日期字符串转换为日期类型
df['date'] = pd.to_datetime(df['date'])

# 按照日期进行分组，计算每日的RMSE值
daily_rmse = []
for date, group in df.groupby(pd.Grouper(key='date', freq='D')):
    rmse = np.sqrt(mean_squared_error(group['actual_power'], group['predicted_power']))
    daily_rmse.append({'date': date, 'rmse': rmse})
daily_rmse = pd.DataFrame(daily_rmse)

# 输出每日的RMSE值
print(daily_rmse)

其中，使用了Pandas库来读取和处理数据，使用了Numpy库来进行平方根和均方误差的计算，使用了Scikit-Learn库中的mean_squared_error函数来计算均方误差。代码中首先将日期字符串转换为日期类型，并按照日期进行分组，然后在每个分组内计算RMSE值，最后将计算结果存储在daily_rmse中并输出。

需要注意的是，该代码示例中使用了Python的一些常用库和函数，如果您还不熟悉这些内容，可能需要先学习一下Python的基础知识。