ElecLoad：多事件引导的自适应电力负荷预测

arXiv:2611.06508v1 公告类型：交叉发布 摘要：准确的电力负荷预测为能源采购、发电调度和供需平衡提供关键决策支持，有助于提高电力系统的经济效益和运行可靠性。然而，未来的电力需求可能受到网络公告、天气预警和活动日程中所描述的多个事件之间复杂相互作用的影响。这些事件的影响随时间变化，且可能相互增强或抵消，导致电力负荷难以准确预测。尽管现有方法能够将上下文作为额外输入，但如何利用多个事件的影响及其相互作用来引导负荷预测过程本身，仍有待探索。为填补这一空白，我们提出 ElecLoad，这是一种用于多事件电力负荷预测的上下文感知智能体，能够自适应地组织预测过程。具体而言，我们训练 ElecLoad 将历史负荷与上下文相结合，分析各事件与目标负荷的相关性、其影响发生的时间，以及事件之间潜在的相互作用。在此分析的引导下，ElecLoad 自适应地选择直接预测整个预测时域，或根据事件影响的变化将其划分为多个时段。当预测时域被划分后，子智能体会独立生成各时段的初始预测。随后，主智能体审查这些预测，子智能体则在其反馈引导下进行选择性优化。在多个电力负荷数据集上的实验表明，ElecLoad 在大多数评估场景中达到了当前最先进的性能。代码已公开于 https://github.com/zhjai/ElecLoad。