有许多数学方法用于电力负荷预测，而且随着数据科学的发展，还会有更多的数学手段用于提升负荷预测准确率。但显然较长一段时间来，尤其数据科学快速发展的今天，负荷预测-尤其是中长期（多年）预测-的准确率提升（或偏差率下降）陷入了一个瓶颈，一些基本问题没有解决。

Q1、负荷和电量的预测

对一个足够大的地区而言，如果我们假定一段时间内负荷是一个可导函数，则电量是负荷的积分，负荷是电量的导数，负荷和电量在物理、数学上是密切相关的。然而具体预测的时候，国内总是用负荷数据预测负荷、电量数据预测电量，两者毫不相关，而且对负荷电量往往会采用不同的数学方法和模型。这一做法与负荷电量的本质相关性不是矛盾吗？国外多采用24点负荷预测后累加形成电量，暂不论消耗的计算资源多少，这种方法是不是有改进的空间？

Q2、电力与经济的关系

电力与经济毋庸置疑是相关的。研究表明电力是经济的格兰杰因，或者更加通常的说法是“电力是经济的先行指数”。但现实是，预测人员更倾向于用社会经济变量（如GNP、人口数据）的预测来作为电力负荷预测的输入，希望通过社会经济数据的预测提升电力预测的准确性，这一思路显然与电力经济的因果关系是矛盾的，且这一方法的可靠性也很难验证，用经济预测电量是否有一些约束条件？

Q3、分析和预测的割裂

电力负荷分析多采用实际数据的同比、环比、占比等比较，而现代的负荷预测则更多采用数学方法（包括时序、分层、断面）。当前的分析可以用于未来的预测，但是，过去的预测似乎很难用于当前分析。为什么分析和预测是如此割裂，能否统一？

结论

解决这些问题的核心是提高预测准确率。必须从头梳理1977年 R.L. Sullivan 的电力负荷预测理论–即气象敏感负荷的分解理论，引入现代统计理论和工具，重新构建一个负荷预测理论框架体系，进而可以更新一下电力规划体系。

番外

连续第3天单人单管核酸+早晚抗原，快结束了吧…………