# 决策导向学习

在电池套利中，若电池每日起止电量相同，价格整体平移只通过往返损耗影响调度，因此决策导向损失对预测的整体水平识别很弱；把预测裁剪到价格上限虽能降低预测误差，却可能削掉可盈利的价差。印度日前市场1158个留出日上，三个统计预测的等权平均比测试的五种决策导向变体表现更好，53个后期高价日上也没有变体超过回归或等权平均。

在电池套利中，若电池每日起止电量相同，价格整体平移只通过往返损耗影响调度，因此决策导向损失对预测的整体水平识别很弱；把预测裁剪到价格上限虽能降低预测误差，却可能削掉可盈利的价差。印度日前市场1158个留出日上，三个统计预测的等权平均比测试的五种决策导向变体表现更好，53个后期高价日上也没有变体超过回归或等权平均。

AI数据中心的功率起伏让并网取电难以平滑，而电池功率与能量有限，预测误差大小相近也可能带来完全不同的调度成本。BS-DFL把电池调度目标直接写进训练：先用一个约束感知的神经优化层在无最优解标签下学会排产，再冻结该层，用调度成本与爬坡风险反过来训练需求预测器，部署时无需调用优化求解器。在由实测AI负载导出的10,000分钟仿真中，相对MSE训练预测器加Gurobi求解器，BS-DFL把逐分钟电网取电变化的平均绝对值降低71.70%、总调度成本降低18.01%，平均决策时间18.77 ms。

AI数据中心的功率起伏让并网取电难以平滑，而电池功率与能量有限，预测误差大小相近也可能带来完全不同的调度成本。BS-DFL把电池调度目标直接写进训练：先用一个约束感知的神经优化层在无最优解标签下学会排产，再冻结该层，用调度成本与爬坡风险反过来训练需求预测器，部署时无需调用优化求解器。在由实测AI负载导出的10,000分钟仿真中，相对MSE训练预测器加Gurobi求解器，BS-DFL把逐分钟电网取电变化的平均绝对值降低71.70%、总调度成本降低18.01%，平均决策时间18.77 ms。

电网入侵检测的误报和漏报被折算成发电机级别的网络物理风险成本，再进入调度优化，而不是只优化检测的F1分数。此前检测与调度各自独立优化，检测误差对运行费用的影响没有进入决策目标。在ICS与Sherlock两个电网数据集上，按误报、漏报和风险缩放系数做网格搜索后，部分参数配置的最低调度费用低于对应基线，但改善幅度随数据集和参数配置而变。

电网入侵检测的误报和漏报被折算成发电机级别的网络物理风险成本，再进入调度优化，而不是只优化检测的F1分数。此前检测与调度各自独立优化，检测误差对运行费用的影响没有进入决策目标。在ICS与Sherlock两个电网数据集上，按误报、漏报和风险缩放系数做网格搜索后，部分参数配置的最低调度费用低于对应基线，但改善幅度随数据集和参数配置而变。