arXiv cs.AI· Huajian Zhang, Mingyue Cheng, Xingpeng Gao, Xiaoyu Tao, Zhiding Liu, Jiqian Yang, Zhi Li·· 10 小时前AI 评分26
ElecLoad：由多事件引导的自适应电力负荷预测智能体
ElecLoad: Adaptive Electricity Load Forecasting Guided by Multiple Events
AI 导读
ElecLoad 是一个面向多事件电力负荷预测的上下文感知智能体，能结合历史负荷与上下文分析各事件对目标负荷的相关性、影响时机及事件间相互作用，据此自适应选择直接预测整个时段或按事件影响变化分段预测。分段时由子智能体独立生成各段初始预测，主智能体审核后子智能体按其反馈做选择性修正。在多个电力负荷数据集上，ElecLoad 在多数评估场景中取得 SOTA 表现，代码已开源。
正文 · AI 翻译
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，有助于提升电力系统的经济效率与运行可靠性。然而，未来电力需求会受到网络公告、天气预警和事件日程中所描述的多种事件复杂交互的影响。这些影响随时间变化，并且可能相互增强或相互抵消，使得电力负荷难以准确预测。现有方法虽然可以将上下文作为额外输入，但如何利用多种事件的影响及其交互来指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，一种面向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，分析每个事件与目标负荷的相关性、其影响出现的时间以及事件之间潜在的交互。在此分析的指导下，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若干片段。当时域被划分时，子智能体独立为每个片段生成初始预测。随后主智能体审查这些预测，子智能体在主智能体反馈的指导下进行选择性修正。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最先进的性能。代码可在 此 https URL 获取。
| 主题： | 人工智能（cs.AI）；机器学习（cs.LG） |
| 引用为： | arXiv:2611.06508 [cs.AI] |
| （或 arXiv:2611.06508v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.06508 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Huajian Zhang [查看邮箱]
[v1]
2026年11月4日星期三 13:38:13 UTC（1,280 KB）
来源：arXiv cs.AI · arxiv.org