# 负荷预测

ElecLoad把天气预报、电网通知和新闻里的事件描述与历史负荷一起读，先判断每个事件对目标负荷的相关性、影响时段以及事件之间是相互加强还是抵消，再决定整段直接预测还是按事件影响变化切段。切段后各子智能体独立给出初稿，主智能体检查并只对选中的段反馈修正。在GEFCom2014、PJM、LCL等小时级负荷数据上，它在多数评测场景排名靠前；PJM多事件条件下WAPE为3.69%，同一模型与输入的仅直接预测变体为4.31%。

ElecLoad把天气预报、电网通知和新闻里的事件描述与历史负荷一起读，先判断每个事件对目标负荷的相关性、影响时段以及事件之间是相互加强还是抵消，再决定整段直接预测还是按事件影响变化切段。切段后各子智能体独立给出初稿，主智能体检查并只对选中的段反馈修正。在GEFCom2014、PJM、LCL等小时级负荷数据上，它在多数评测场景排名靠前；PJM多事件条件下WAPE为3.69%，同一模型与输入的仅直接预测变体为4.31%。

分布式楼宇能源管理依赖负荷预测，但联邦预测通常只报误差、不检验它支持的调度决策。UtilityGossip在每个节点保留私有与协作两个低秩适配器，只有本地留出数据上的随机四折交叉验证显示误差显著下降时才接纳邻居适配器。在Electricity基准上，无条件联邦使均方误差比本地训练高3%以上，而该门控方法避免了这一退化；在Solar-Energy的96步预测上，其均方误差比本地训练低1.59%，通信量为FedAvg的一半。

分布式楼宇能源管理依赖负荷预测，但联邦预测通常只报误差、不检验它支持的调度决策。UtilityGossip在每个节点保留私有与协作两个低秩适配器，只有本地留出数据上的随机四折交叉验证显示误差显著下降时才接纳邻居适配器。在Electricity基准上，无条件联邦使均方误差比本地训练高3%以上，而该门控方法避免了这一退化；在Solar-Energy的96步预测上，其均方误差比本地训练低1.59%，通信量为FedAvg的一半。