负荷预测值与实际值对比趋势
预测性能统计
平均预测功率
5787.51 kW
峰值功率
7776.71 kW
谷值功率
4710.17 kW
MAE
431.18 kW
MAPE
8.19 %
R²
0.6982
关键时段预测明细（首尾及峰值）
时间
实际负荷 (kW)
预测负荷 (kW)
置信区间
2025-03-11T00:15:00
5173.2
5171.72
[4913.13, 5430.31]
2025-03-11T16:30:00
7708.5
7532.51
[7155.88, 7909.14]
2025-03-11T17:15:00
8168.9
7776.71
[7387.87, 8165.55]
模型优化与应用建议
数据总结
CNN-RBiLSTM 模型在负荷预测中整体呈现高估倾向，尤其在低负荷时段（如凌晨05:00–07:00）预测值显著高于实际值，而在部分高峰时段（如17:15）存在低估。预测误差MAE为431.18 kW，MAPE达8.19%，R²为0.6982，表明模型解释能力中等，对负荷突变和极值点捕捉仍有提升空间。全天预测曲线与实际负荷趋势基本一致，但峰谷响应滞后且幅度压缩。
优化建议
· 针对凌晨低负荷段系统性高估问题，建议引入残差校正模块或后处理温度/节假日特征增强模型对基荷的判别能力。
· 峰值时段（16:00–18:00）预测偏差集中，可尝试融合气象实时数据与负荷惯性特征，强化模型对短时爬坡行为的学习。
· 当前置信区间宽度随时间推移逐渐收窄后又略扩大，反映不确定性建模不均衡，建议采用分位数回归或蒙特卡洛Dropout改进不确定性估计。
· R²低于0.7提示模型拟合不足，可考虑增加CNN层感受野或调整BiLSTM隐藏单元数，并加入注意力机制聚焦关键时间步。