基于全局概率预测的因果效应估计：以新冠疫情封锁对能源需求影响为例

电力行业正大力部署智能电网技术，以提升可靠性、可用性、安全性与效率。该部署需要技术进步、标准与法规的制定，以及测试与规划。智能电网负荷预测与管理对于降低需求波动及改进连接发电商、分销商与零售商的市场机制至关重要。在政策实施或外部干预期间，有必要分析其对电力需求影响的不确定性，以使系统对波动需求作出更精确的响应。本文分析了外部干预对电力需求影响的不确定性。其实现了一个框架，结合概率与全局预测模型，采用深度学习方法估计干预的因果影响分布。因果效应通过预测受影响实例的反事实分布结果，再将其与真实结果对比来评估。我们考虑新冠疫情封锁对能源使用的影响作为案例研究，以评估该干预对电力需求分布的非均匀效应。我们表明，在澳大利亚与部分欧洲国家的初期封锁期间，谷值常比峰值出现更显著的下降，而均值几乎未受影响。