面向配电网多聚合层级的尖峰感知短期负荷预测

一项 arXiv 论文研究配电网短期负荷预测在尖峰时段的准确性。作者使用英国和瑞士的公开数据集，在 area codes（AC）、secondary substations（SUB）和低压馈线（LV）三个聚合层级上，对比统计基线、LightGBM、XGBoost 以及 Chronos Bolt、Chronos-2。结果显示 Chronos-2 在所有层级的尖峰预测表现最佳，HD-NMAE 与 HD-MAPE 分别为 0.039 和 4.53%、0.080 和 9.45%、0.138 和 16.14%，Chronos-Bolt 稳定第二。相较梯度提升模型，Chronos-2 将平均 HD-NMAE 降低约 20%–51%，整体指标也保持最佳或接近最佳。

此前多数负荷预测方法只优化全时段平均精度，忽略高需求时段的误差，而高需求时段的预测偏差更容易导致拥塞和电压越限。该研究把评估重心转向尖峰时段，并覆盖三个电网聚合层级，使模型比较更贴近配电网运营的实际风险场景。

时间序列基础模型通过大规模预训练获得通用时序表征，在样本稀缺或波动剧烈的尖峰时段比梯度提升树更不易过拟合。论文采用尖峰感知评估框架，分别报告整体与高需求时段的 NMAE、MAPE，并按聚合层级分析概率输出的分位数，从而把模型能力与不同层级的运营阈值对应起来。

若结论可复现，配电网运营方可将 Chronos-2 一类基础模型用于阻塞管理、电压控制和资产保护的预测环节，并通过分位数选择各聚合层级的运行点。推理速度足以支撑实际部署，意味着研发重点可能从模型训练转向数据管道、分位数校准和与现有调度系统的集成。

• 在负荷预测产品中增加尖峰时段评估指标，与整体 NMAE、MAPE 并列展示，便于运营方按风险取舍。
• 针对 AC、SUB、LV 三个层级分别配置分位数运行点，形成可交付的层级化预测配置模板。
• 将 Chronos-2 与 LightGBM、XGBoost 做同数据集的基准对比，作为面向配电网客户的选型依据。
• 围绕英国和瑞士公开数据集复现实验，验证结论在其他区域数据上的可迁移性。

• 论文摘要未给出完整方法细节，Chronos-2 的尖峰优势是否依赖特定微调或提示设置尚不明确。
• 公开数据集来自英国和瑞士，结论能否推广到电网结构差异较大的其他地区未见验证。
• 分位数运行点的选取标准与不同运营方的风险偏好如何对应，证据中未说明。
• 推理速度虽被称为足以部署，但缺少具体延迟、硬件和成本数据。