序言

对于任何定量科学与技术领域来说，最古老且最受珍视的愿望之一就是能够对未来尚未预见的事物进行预测。当然，在大多数应用中，已经观察到的数据就像一个移动的传送带。因此，这一雄心引发了一些基本问题，比如：什么才是一个好的预测？以及旧数据的价值何在？

许多实际挑战涉及尖峰数据，可能出现在非平稳（漂移和阶跃变化）环境中。反过来，这一事实改变了上述问题的答案。如果我们目标是预测真实的未来轮廓（而非点估计），就需要生成真实的结构（包含尖峰、缺口等）。这对于那些将误差视为需要（以某种方式）最小化的噪声成分的方法来说是有问题的。这提出了一个元问题。

这本书非常及时且十分必要。根据我自己的经验，每当提出新颖的概念来解决其中一些问题时，它们就会被许多应用领域的科学家热切地接纳并进一步发展。本书思想和方法的广度正是其力量所在：读者会反复阅读。对于数据科学应用，我们需要既解决“什么有效”又解决“为什么有效”的选择。在许多与公众利益相关的高监管科学领域，呈现不透明的方法是不道德的；为什么和什么同样重要。这为感受到预测输出后果的主体提供了透明度和保证。

任何严肃的专业数据科学家都不能忽视本书呈现的内容。读者的兴趣应被本书筛选并激发。随意翻开阅读（像蚱蜢一样），或者仔细研读（像蚂蚁一样）：你投入的兴趣和努力都将得到回报。这才是一个预测！

英国牛津

2023年1月

Peter Grindrod CBE

前言

世界各地的电网正在迅速走向数字化，产生越来越多的数据。这些数据为能源系统的脱碳提供了巨大机遇，同时也帮助我们提高所使用能源的效率。反过来，这增加了解决一些导致气候变化的最紧迫问题的可能性。

为了在未来的低碳经济中实施必要的数据分析和建模技术，我们需要广泛的技能、知识和数据素养。如果缺乏这些，就会面临真正的技能差距威胁，即没有足够的人员能够将这些方法和模型付诸实践。本书的主要目标之一就是通过提供对家庭和低压负荷预测所需技术的易懂而全面的介绍，来帮助支持这些关键技能。

与高压或国家级预测相比，低压（LV）层面的负荷预测领域相对不成熟，还有许多重要且令人兴奋的领域有待探索。低压层面需求的波动性和尖峰性给利用预测输入的应用以及预测本身带来了许多挑战。因此，本书的第二个主要目标是为研究人员和创新者奠定坚实的基础，以开发未来能够产生更多样化产品和服务的新颖方法和先进算法。

本书的种子始于10多年前，当时作者开始研究智能电表和低压需求的预测。当时该领域可用的数据非常少，其独特的挑战（如“双重惩罚效应”）被隐藏或忽视。许多研究只是简单应用在国家和系统层面成功的技术，很少考虑它们对低压系统的适用性。该领域现在正在迅速发展，并开始采用急需的概率技术和先进的时间序列机器学习方法。此外，越来越多的数据不断可用，进一步支持了稳健基准和新应用的开发。

尽管数据科学技术在低压负荷预测（并将继续）迅速发展，但本书提供了基本技术，这些技术是任何对该领域（以及更广泛的负荷预测）感兴趣的人的基础，以及支撑它们的永恒但必要的原则和方法。本书讨论了时间序列预测的核心概念、低压负荷需求的独特特征、基础数据分析、特征工程方法、大量统计和机器学习预测模型，以及在实际数据案例研究中的演示。在本书的最后，读者应该对完整的负荷预测过程有深入了解，也许还可以开发自己的新颖模型！

我们希望写出一本“我们刚进入这个领域时希望拥有的书”。我们觉得已经做到了，并希望它能为你的负荷预测之旅提供支持。

英国牛津

德国柏林

英国雷丁

2023年1月

Stephen Haben

Marcus Voss

William Holderbaum

致谢

我们要感谢雷丁大学资助了本书的开放获取出版。作者还要感谢所有直接或间接为本书内容做出贡献的同事。这里展示的许多知识和工作来自于作者的研究、合作和讨论。特别感谢Peter Grindrod、Danica Vukadinovic Greetham、Colin Singleton、Billiejoe Charlton、Florian Ziel、Ben Potter、Timur Yunusov、Jonathan Ward、Laura Hattam、Lauren Barrett、Matthew Rowe、Bruce Stephen、David O’Sullivan、Gideon Evans、Maciej Fila、Wayne Travis、Rayner Mayer、Asmaa Haja、Marcel Arpogaus、Alexander Elvers、Brijnesh Jain和Daniel Freund。此外，作者特别感谢Siddharth Arora、Charlotte Avery、Jethro Browell、Alison Halford、Sam Young，以及尤其是Georgios Giasemidis，感谢他们花时间为本书草稿提供了宝贵的反馈。

本书中的案例研究将基于 Thames Valley Vision 项目的低压居民馈线真实数据。我们感谢苏格兰和南方电力网络公司以及在整个项目中支持这项工作的合作伙伴。

作者还要感谢以下期刊允许使用作者在本书中发表的图表和材料：

《国际预测杂志》[35]为第14章中低压居民馈线预测案例研究提供了基础。
Springer International Publishing 允许使用第[85]章中的材料，该材料用于演示第15章中的存储控制示例。
Applied Energy 允许使用第2章中的网络图，该图最初在[34]中绘制。