系统总览

电价预测与负荷预测，利用交易中心披露的市场化边界条件，例如：省调负荷、新能源出力、非市场化出力（水电、核电）、联络线功率、省间量价、地方电厂出力等数据，结合燃料的中长期价格指数，例如煤炭（黄渤海动力煤价格）、燃气（管道气、沿海 LNG 价格）等数据，并综合考虑各区域新能源新建并网装机规模，在精准气象数据的支持下，对未来 1 周内的统调负荷、实时电价进行预测。

模型当前主要采用 LSTM、XGBoost、LSTM-Attention，分别代表纯深度学习、梯度提升树、注意力增强三种思路。两个任务都按 1 天 / 1 周 / 1 月三个时间尺度滚动评估，便于覆盖日前调度、周度计划、月度趋势三类业务场景。模型输入采用 168 小时历史 + 24 小时目标日的 192 小时窗口，既能学到过去一周的供需走势和峰谷形态，又能利用预测日当天的负荷、风电、光伏、气温日前预测。训练在 TensorFlow 2.10 + XGBoost 3.2 环境下完成；本次以山东 2022 年 7 月至 2025 年 12 月小时级数据为例（27 列特征：日前/实时电价、负荷、风光核出力、联络线、自备机组、煤价、气象等），训练集 2 年多、验证 4 个月、测试 1 个月。

负荷整体精度高于电价，因为负荷有强日周期和季节性，电价受市场博弈影响波动更大。