DemandCast: Global hourly electricity demand forecasting¶

会议: NeurIPS 2025
arXiv: 2510.08000
代码: GitHub
领域: 时间序列预测 / 能源
关键词: 电力需求预测, XGBoost, 全球尺度, ERA5 气象, 归一化目标

一句话总结¶

构建 DemandCast 开源机器学习框架，基于 XGBoost 融合历史电力需求、ERA5 温度和社会经济特征进行全球 56 个国家/地区的小时级电力需求预测，通过归一化目标变量（年度分数）实现跨国家可比，在时间外推测试集上达到 MAPE 9.2%。

研究背景与动机¶

现有痛点¶

现有痛点：领域现状：全球能源转型（脱碳）要求精确预测电力需求的时空分布，以支持可再生能源的并网和电网管理。然而，未来电力消费模式受人口增长、经济发展、城市化、技术变革等多因素影响，存在巨大不确定性。这种不确定性在全球南方国家尤为突出——这些国家面临在扩大电力供给的同时减少碳排放的双重挑战。

现有方法的不足：(1) 大多限于单个国家或少数地区；(2) 数据覆盖时段短（如仅用 2015 年数据）；(3) 缺乏端到端的开源可复现管线。

DemandCast 的切入角度：构建覆盖全球 56 个国家/地区、跨越 2000-2025 年的大规模预测框架，通过归一化设计使模型能够在数据异质的国家间泛化。

方法详解¶

整体框架¶

DemandCast 是模块化的端到端管线：(1) 数据收集与清洗（电力需求、气象、社会经济）；(2) 特征工程（温度特征、时间特征、社会经济特征）；(3) XGBoost 模型训练与预测；(4) 后处理还原绝对需求值。

关键设计¶

归一化目标变量:
- 功能：将小时电力需求归一化为年度总需求的分数
- 核心思路：\(D_n(t) = \frac{D(t)}{D_Y} \cdot \frac{\sum_Y H_{\text{avail}}}{\sum_Y H}\)，模型预测的是需求的时间分布轮廓而非绝对量
- 设计动机：不同国家的绝对需求量差异巨大（数个数量级），直接建模绝对值无法跨国家泛化；归一化后模型专注于捕捉日、周、季节模式
多源特征融合:
- 功能：融合 ERA5 再分析温度数据、GDP、人口密度等社会经济指标
- 核心思路：从人口最密集的 1-3 个网格点提取温度特征，构建月均温和月排名以捕捉季节变化；使用人均 GDP 和人均电力消费作为国家级特征
- 设计动机：电力需求与气温高度相关（制冷/采暖），社会经济因素决定了基础需求水平
时间分割评估策略:
- 功能：对每个地区，最后一年用作测试集，倒数第二年用作验证集，其余为训练集
- 核心思路：按时间先后顺序严格分割（train 81.25% / val 9.84% / test 8.91%），确保评估的是对未来时段的外推能力
- 设计动机：避免时间序列中常见的数据泄露问题

训练策略¶

模型：XGBoost（梯度提升树）
训练数据：6,041,222 个小时级观测
验证数据：731,538 条
测试数据：662,369 条

实验关键数据¶

主实验¶

指标	数值
平均 MAPE（测试集）	9.2%
覆盖国家/地区数	56
时间跨度	2000-2025
训练样本数	6,041,222
先前研究 MAPE	~8%（更小规模）

部分地区表现¶

地区	MAPE (test)	地区	MAPE (test)
西班牙 (ES)	2.34%	德国 (DE)	6.74%
巴西南部 (BR_S)	8.00%	日本关东 (JP)	8.53%
韩国 (KR)	8.00%	意大利 (IT)	10.19%
阿尔巴尼亚 (AL)	15.39%	墨西哥北部 (MX_NOR)	18.90%

关键发现¶

发达国家（数据丰富）的预测误差普遍低于发展中国家
温度特征是最重要的预测因子，尤其在供暖/制冷需求强的地区
部分地区 MAPE 较高（如阿尔巴尼亚 15%、加拿大阿尔伯塔 19%），主要因训练数据量不足或需求模式突变

亮点与洞察¶

规模新颖：首个覆盖 56 个国家/地区、跨 25 年的全球小时级电力需求预测开源框架
归一化设计简洁有效：将问题从"预测绝对需求"转化为"预测需求时间分布"，大幅提升跨国家泛化能力
完全开源可复现：端到端管线从数据收集到预测均开源，对能源规划社区有直接实用价值

局限与展望¶

缺乏预测不确定性量化——能源规划决策需要知道预测的置信区间
XGBoost 未与深度学习方法（Transformer、N-BEATS 等）进行对比
数据可用性在不同地区高度不均，部分地区训练数据仅几年
未考虑需求侧管理、极端天气事件等因素的影响
超参数优化尚未系统进行

评分¶

新颖性: ⭐⭐⭐ 方法简单（XGBoost）但规模和开源框架新颖
实验充分度: ⭐⭐⭐ 56 国家全覆盖但缺乏模型对比
写作质量: ⭐⭐⭐⭐ 清晰简洁，数据展示充分
价值: ⭐⭐⭐⭐ 能源规划领域的实用开源工具