面向美国建筑电表数据的 AI 需求预测经验证据接入：设计、受控评估与修正后的负结果

arXiv:2610.02397v1 公告类型：new 摘要：电力公用事业和电网运营商越来越依赖机器学习模型来预测次日需求，而这些模型所学习的电表数据通常存在缺陷：读数缺失、传感器冻结、建筑物连续数小时读数为零，以及单位发生100倍变化。本报告提出了一套数据接入流程，在模型训练前检测并修复此类缺陷，仅使用预测时可获得的信息；同时开展受控实验，评估该流程能否保护提前24小时的预测效果。针对公开的 Building Data Genome 2 数据集中的12栋美国建筑的逐小时用电数据（210,528行，2016—2017年），向训练时段的0.10%数据植入并通过哈希记录缺陷后，梯度提升预测器的误差增加了86%；经过检测和仅利用过去数据进行修复后，误差恢复到干净数据水平（平均绝对标度误差：干净数据0.760、损坏数据1.415、修复后数据0.729），同时保留了93%的训练目标。在按照已发表实地研究校准的缺陷发生率（训练行的1.6%）下，未受保护的预测器误差达到 seasonal-naive 规则的4.4倍，而修复后的预测器再次达到干净数据基线水平。相同的模式也出现在岭回归和随机森林模型中，并且适用于1至24小时的预测范围。该流程的第一个版本对自然数据进行了过度清洗，使预测结果变差25%；这一结果被保留，其原因在已发布的实验产物中进行了追溯，并将用于纠正该问题的逐建筑校准记录为一项带日期的修订。所有数值均可通过经过固定版本处理并使用 SHA-256 验证的公开输入重现，配套有84项自动化测试和持续集成。