NC｜极端热浪与寒潮条件下的电力负荷预测
【每日一文】：Electricity load forecasting under extreme heat and cold waves
期刊：《Nature Communications》
影响因子（IF）：18.1
发表时间：2026‑08‑21
文章编号：(2026) 17:10041
DOI:10.1038/s41467‑026‑77014‑0

【摘要】极端热浪与寒潮会将电力需求推至电力系统常规规划边界之外，加剧电力短缺与大停电风险。精准的负荷预测能够为调度人员预留宝贵的响应时间，保障供需平衡。但极端天气事件样本稀缺，现有预测模型大多基于常态气象条件开展训练，当极端事件下用电需求模式发生偏移时，模型往往失效。本文提出极端合成‑解耦预测 ESDF这一以数据为中心的方法，生成高真实度极端天气样本并对样本进行过滤，保留可靠的用电需求信号，提升热浪、寒潮场景下的电力负荷预测效果。基于横跨六大区域的 80 套真实数据集开展测试，相较于主流基线模型，该方法标准化平均绝对误差 下降 9.8‑33.5%，标准化均方根误差下降 7.5‑34.5%。随着气候极端事件不断加剧，该改进方案可为电力系统可靠运行提供现实支撑。研究进一步证实极端天气预测同时面临非平稳性与样本稀缺的双重难题；单纯粗暴混合合成数据会带来不稳定预测效果，三编码器表征解耦模块能够过滤生成伪影，安全利用扩充数据集。经济评估表明，该框架可降低因预测低估带来的潜在停电社会风险，欧洲区域每日可减少 2518 万欧元潜在社会经济风险暴露；PJM 案例中每日可削减 96800 美元电力平衡运行成本。研究同时指出，极端小样本场景下，提升数据数量与质量比单纯扩大模型参数量更为关键，框架仍依赖历史观测，未来可拓展空间迁移学习与多类气象灾害预测。极端天气 热浪 寒潮 电力负荷 扩散模型 气象数据 电网韧性 时间序列 气象拓扑局 子刊

【数据服务】本站可提供气压、海平面气压、气温、地面温度、相对湿度、水汽压、最大风速及对应风向、平均风速及对应风向、极大风速及对应风向、瞬时风速及对应风向、积雪深度、大小型蒸发、降水量、日照时数、太阳辐射、能见度、地面状态、天气现象记录、冻土层上下界值、浮尘、扬沙、尘卷风、轻雾、闪电、极光、大风、积雪、雷暴、飑、龙卷风、沙尘暴、吹雪、雪暴、雾、雾凇、雨凇、雨、雪、冰雹、露、霜、结冰、烟、霾等观测数据
欢迎硕博・青椒・高校・研究所・企事业单位科研交流‑项目合作。