DemandCast：全球小时电力需求预测
机器学习
2025-10-10 v1 物理与社会
摘要
本文提出一种基于 XGBoost 的机器学习框架，用于跨地理区域的电力需求预测。该模型整合了历史电力需求和综合的天气及社会经济变量，以预测归一化电力需求轮廓。为实现可靠的训练与评估，我们构建了一个跨越多年、多个国家的大规模数据集，采用时间数据划分策略以确保对样外性能进行基准测试。我们的 approach 能够提供准确且可扩展的需求预测，为能源系统规划者和政策制定者在全球能源转型的挑战中提供有价值的见解。
引用
@article{arxiv.2510.08000,
title = {DemandCast: Global hourly electricity demand forecasting},
author = {Kevin Steijn and Vamsi Priya Goli and Enrico Antonini},
journal= {arXiv preprint arXiv:2510.08000},
year = {2025}
}
备注
7 pages, 4 figures, accepted at the NeurIPS 2025 Workshop: Tackling Climate Change with Machine Learning