PeakFocus：基于统一多尺度框架桥接峰值定位与强度回归用于电力负荷预测
机器学习
2026-05-22 v1
摘要
电力负荷峰值预测（ELPF）即同时预测峰值发生时间与强度，是有效电网调度与风险管理的前提。然而，现有方法面临三个局限：其一，采用两阶段预测后定位的范式，将时间定位与强度回归割裂；其二，在多尺度表征之间仍存在冲突，导致峰值误判与时机错位；其三，缺乏峰值时机上下文，使得强度回归过程依赖全局平滑趋势，致使强度平滑。为此，我们提出了PeakFocus，一个用于ELPF的统一框架。（i）统一峰值感知管线（UPAP）利用三重混合损失联合监督时间定位与强度回归，并提出容忍度评估协议。（ii）多尺度混合峰定位器（MSM-PL）利用粗粒度特征以缓解因局部波动导致的峰值误判，并通过级联机制将其注入细粒度特征以解决时机错位。（iii）位置感知解码器（LAD）将峰值时机上下文注入强度回归过程，为抵消强度平滑提供显式指导，从而提高峰值强度估计。在公共电力（ELC）数据集和我们构建的工业级世界大规模电力负荷（WLEL）数据集上的大量实验表明，PeakFocus在时机精度与强度估计方面均优于基线方法。
引用
@article{arxiv.2605.21550,
title = {PeakFocus: Bridging Peak Localization and Intensity Regression via a Unified Multi-Scale Framework for Electricity Load Forecasting},
author = {Wangzhi Yu and Peng Zhu and Qing Zhao and Yiwen Jiang and Dawei Cheng},
journal= {arXiv preprint arXiv:2605.21550},
year = {2026}
}