阅读进度

能源电力 · 案例 7.2

电力负荷预测

把售电公司的偏差结算成本降下来

跳到本案目录

30 秒速读

真问题
不是「模型不够准」,是「影响最大的信息根本不在历史数据里」。
成功标准
偏差结算成本下降 30%;不再用全月平均准确率当主要指标。
最后交给谁
交给交易部的负荷预测专员:维护大用户清单(每季度按用电量更新)、跟进报备缺失、月度偏差结算成本复盘;本省结算规则调整时,同步更新回放口径。
带走一条判断
指标按业务的真实成本算,平均准确率常常掩盖关键日的损失。

1客户嘴上要的

「用大模型做负荷预测,把预测准确率从 93% 提到 98%。」

这是症状或现成方案,不一定是真问题。下面看两种做法。

2照字面做,会怎么烂

拉历史负荷、天气、节假日,换了三种模型,平均准确率从 93% 提到 95%。月底结算一看,偏差带来的成本几乎没变。交易员说:「平均准没用,出事的总是那几天。」

3好 FDE 的实际走法

共 6 周,分 5 个阶段。带三角标记的是这一步最容易踩的坑。

  1. 第 1 周看钱亏在哪

    • 跟售电公司的交易员、负荷预测专员、客户经理坐下来,先确认本省的结算规则。现货运行的省份,申报和实际用电的偏差按日前和实时的价差结算;还没有现货的省份,多按月度偏差考核。两种算法不同,钱要按本省规则算。
    • 这家公司在现货省份。把过去 12 个月的结算单按天、按用户拆开:全年偏差结算成本里,有一半以上出在 12 天,这 12 天的成本比其余 300 多天加起来还多。12 天里有 9 天,是 3 家大工业用户临时停产检修或突然满产,天气和节假日解释不了。
    • 真问题不是「模型不够准」,是「影响最大的信息根本不在历史数据里」。成功标准改为:偏差结算成本下降 30%;不再用全月平均准确率当主要指标。
    • 踩坑别在不同口径间比准确率。先按客户所在省的结算规则算钱,再定指标。
  2. 第 2 周找信息来源

    • 代理的用户里,用电量前 10 的用户占总量 55%。逐家找客户经理,确认谁能拿到对方的生产计划:有的有能源管理员可以对接,有的只能电话问。
    • 和客户经理一起设计一个简单的「计划报备」:大用户每周五报下周的开停机、检修安排,有变动随时报。用企业微信表单,不让用户装新系统。
    • 政治问题:客户经理担心打扰客户。售电公司总经理定下规则:报备纳入代理合同续签时的服务条款。
    • 踩坑别只靠模型挖规律。少数大用户的计划,打一个电话比训练一个月模型更准。
  3. 第 3–4 周原型

    • 预测拆成两部分:大用户按报备计划加历史曲线单独预测;其余用户合并后按天气、日期类型建模。
    • evals:用过去 12 个月回放,按本省真实结算规则和当时的现货价格计算偏差结算成本。报备数据缺失的月份,用客户经理事后补录的停产记录模拟。标准:回放成本下降 30% 以上。
    • 每天给交易员的结果附上「今天哪几家大用户有计划变动、置信度多少」。
  4. 第 5 周交易员上手

    • 交易员按新预测做两周日前申报,自己调整,FDE 记录调整原因。
    • 反馈:「高温天大用户会主动错峰,要提前问」。加进报备提示。
    • 试点期的结算数据出来后,让交易员本人向总经理汇报:偏差结算成本比去年同期少多少,哪几天靠报备避免了大偏差。用钱说话,比讲模型结构有用。
    • 踩坑用户的生产计划属于商业信息,只在交易部内部使用,要写进数据使用约定,不能流到其他用户或市场分析报告里。
  5. 第 6 周交接交接

    • 交给交易部的负荷预测专员:维护大用户清单(每季度按用电量更新)、跟进报备缺失、月度偏差结算成本复盘;本省结算规则调整时,同步更新回放口径。
    • 交给客户服务部:报备执行率纳入客户经理考核。没有这一条,报备两个月后就会停。

4这个案例教给你的可复用判断

  1. 指标按业务的真实成本算,平均准确率常常掩盖关键日的损失。

  2. 同一件事在不同地区的结算规则不同,先确认本地规则再算钱。

  3. 能用业务流程拿到的信息,不要靠算法去猜。

  4. 新增的数据采集动作要有人考核,否则会自然消失。

你手上也有类似的场景?

说说你所在的行业和想用 AI 做的事,留言会直接送达。觉得这个案例有误、过时,或有更好的做法,也欢迎指出。

能源电力的其他案例

内容更新:2026-11-11