简介这份资源面向制造行业数据分析与时间序列预测的学习者围绕用电量数据展开重点演示如何用LSTM循环神经网络对电力消耗模式进行建模与预测。包内共106个文件以59个csv数据与预测结果文件、24张jpg图表、7个py源码脚本为主另含pth模型权重、xlsx训练损失记录及xml、log等配置日志压缩包约4.57MB结构清晰便于按模块查阅。已有1522人学习下载。读者可从中获取完整的用电量预测实践素材csv涵盖Tetuan City电力消耗数据及不同步长下的MSE、SmoothL1损失预测结果py脚本对应模型构建与训练主流程xlsx记录训练损失变化可用于分析学习曲线与过拟合jpg则直观呈现预测对比效果。适合希望掌握LSTM在能源管理与电力需求预测中落地方法的中高级开发者参考。1. 用电量数据分享从一堆电表读数里能挖出什么手头攒了几个月甚至几年的用电量数据却只用来做一张折线图交差这事我干过。后来发现同样一份15分钟粒度的有功功率序列换个拆解方式就能看出空调启停周期、产线设备空转时段甚至能反推电表接线有没有接错。用电量数据分享这件事核心不是把CSV发出去而是把「谁在什么时间用了多少电、为什么这么用」讲清楚。它适合做能耗监测的运维、做楼宇自控的集成商、以及想给客户做用电画像的开发者。难点在于数据本身是时间序列采样频率、缺失值、时区、单位不统一直接扔进模型就是一团噪声。这篇笔记按「先立住概念、再跑通最小链路、最后避坑」的顺序展开把我在实际项目里踩过的坑和能抄的代码都放进来。2. 用电量数据分享前必须搞清的三件事粒度、单位、时区2.1 粒度决定了你能回答什么问题用电量数据的采样粒度直接锁死了分析上限。常见的有三种15分钟、1小时、1天。15分钟粒度能捕捉到空调压缩机启停、电梯运行这类短周期负荷1小时粒度适合看班次用电差异1天粒度只能做月度同比。如果你拿到的数据是1小时粒度却想分析设备启停次数那基本是白费力气——信息在聚合时已经被抹掉了。我一般会先确认数据来源是电表直接读的还是从SCADA历史库导的还是从电力公司账单抄的。电表直读的原始数据通常是15分钟或1分钟SCADA导出可能是5分钟账单只有月度总量。不同来源的粒度不一样后续所有分析都要在这个粒度上做不要试图用插值去「造」出更细的粒度那是自欺欺人。提示拿到数据第一件事是画一张时间间隔分布图看相邻两条记录的时间差是否恒定。如果出现大量非标准间隔说明数据是事件触发上报的不是等间隔采样后续重采样要特别小心。2.2 单位不统一是分享环节最大的翻车点用电量数据常见的单位有kWh、MWh、Wh、度。有功功率常见单位有kW、W、MW。更麻烦的是有些电表输出的是瞬时功率有些输出的是区间电能。如果你把瞬时功率当成电能直接累加结果会差出几个数量级。我习惯在数据入口处强制做一次单位归一化全部转成kWh和kW。转换关系很简单1 MWh 1000 kWh1 Wh 0.001 kWh1度 1 kWh。功率转电能需要乘以时间间隔比如15分钟粒度的功率值要乘以0.25小时才是这段时间的电能。import pandas as pd def normalize_units(df, power_colpower, energy_colenergy, interval_minutes15): 将功率和电能统一到 kW 和 kWh power_col: 功率列名假设原始单位为 W energy_col: 电能列名假设原始单位为 Wh interval_minutes: 采样间隔用于功率转电能 df df.copy() # 功率 W - kW df[power_col] df[power_col] / 1000.0 # 电能 Wh - kWh df[energy_col] df[energy_col] / 1000.0 # 如果只有功率没有电能用功率推算区间电能 if energy_col not in df.columns: df[energy_kwh] df[power_col] * (interval_minutes / 60.0) return df这段代码的关键参数是interval_minutes它必须和数据的实际采样间隔一致。如果你不确定间隔先用df.index.to_series().diff().median()算一下中位数间隔再填进去。单位归一化之后所有后续计算才有可比性。2.3 时区问题在跨区域分享时集中爆发用电量数据带时间戳时间戳不带时区这是最常见的隐患。本地电表通常记录的是本地时间但如果你把数据传到云端或者跨区域合并本地时间就会产生歧义。比如两个城市的电表数据合并一个在东八区一个在东七区如果不做时区对齐峰值时段会错位一小时。我的做法是所有时间戳在入库时统一转成UTC展示时再转回本地时区。转换用pandas的tz_localize和tz_convert不要手动加减小时数手动加减在夏令时切换时会出错。# 假设原始时间戳是本地时间且已知时区为 Asia/Shanghai df[timestamp] pd.to_datetime(df[timestamp]) df[timestamp_utc] df[timestamp].dt.tz_localize(Asia/Shanghai).dt.tz_convert(UTC) # 展示时转回本地 df[timestamp_local] df[timestamp_utc].dt.tz_convert(Asia/Shanghai)注意tz_localize只对不带时区的时间戳有效如果原始数据已经带了时区直接用tz_convert。这一步做完跨区域合并才不会出现「半夜用电高峰」这种玄学现象。3. 用Python跑通用电量数据分享的最小链路从CSV到可视化3.1 读取与清洗处理缺失值和异常值真实电表数据几乎没有干净的。常见问题包括整点缺失、连续多天为0、数值突然跳到极大值。清洗策略取决于后续用途。如果做总量统计缺失值可以插值如果做异常检测缺失值要保留为NaN不能填。我一般先用pandas读进来然后做三件事检查缺失比例、检查零值比例、检查数值分布。缺失比例超过20%的列直接放弃零值比例超过50%的列要确认是不是电表离线数值分布用describe()看最大最小值是否离谱。import pandas as pd import numpy as np df pd.read_csv(electricity.csv, parse_dates[timestamp]) # 缺失比例 missing_ratio df.isnull().mean() print(missing_ratio) # 零值比例 zero_ratio (df 0).mean() print(zero_ratio) # 数值分布 print(df.describe())如果确认是缺失用时间插值补上但插值后要加一列标记说明哪些是原始值、哪些是插值。分享数据时把标记列一起带上别人用的时候心里有数。df[energy_kwh] df[energy_kwh].interpolate(methodtime) df[is_interpolated] df[energy_kwh].isnull().astype(int)methodtime表示按时间间隔加权插值比线性插值更合理。is_interpolated列在后续分析中可以过滤掉插值点避免虚假精度。3.2 重采样与聚合把15分钟数据变成小时和日原始数据是15分钟粒度但分享给不同角色时需要不同粒度。运维关心小时级负荷财务关心日级总量。用resample做重采样注意聚合方式电能列用sum功率列用mean。# 确保时间戳是索引 df df.set_index(timestamp_utc) # 小时级电能总和 hourly_energy df[energy_kwh].resample(1H).sum() # 小时级平均功率 hourly_power df[power_kw].resample(1H).mean() # 日级电能总和 daily_energy df[energy_kwh].resample(1D).sum()resample(1H)中的1H表示1小时1D表示1天。如果数据有缺失sum会把缺失当0mean会跳过缺失。所以重采样后要检查一下有没有全NaN的区间那说明原始数据在那段时间完全缺失。注意重采样前一定要确认时间戳是UTC且已排序。未排序的时间戳做resample会报错或产生错误结果。3.3 可视化用一张图讲清用电模式分享用电量数据最直观的方式是一张带交互的时序图。我用plotly做因为可以缩放和悬停查看具体数值。核心是把原始15分钟数据和日聚合数据叠在一起让读者既能看细节又能看趋势。import plotly.graph_objects as go fig go.Figure() # 原始15分钟功率 fig.add_trace(go.Scatter( xdf.index, ydf[power_kw], modelines, name15min Power, linedict(width1, colorlightblue) )) # 日聚合电能 fig.add_trace(go.Bar( xdaily_energy.index, ydaily_energy.values, nameDaily Energy, yaxisy2, markerdict(colororange, opacity0.6) )) fig.update_layout( titleElectricity Consumption Profile, xaxis_titleTime (UTC), yaxisdict(titlePower (kW)), yaxis2dict(titleEnergy (kWh), overlayingy, sideright), hovermodex unified ) fig.show()这段代码的关键是双Y轴左轴功率右轴电能。hovermodex unified让鼠标悬停时同时显示两个轴的数值。分享时把HTML文件导出对方用浏览器打开就能交互比静态图片强得多。4. 用电量数据分享的避坑清单5个血泪教训4.1 现象合并多表数据后总用电量翻倍原因不同电表的数据时间戳没有对齐或者同一块表被重复导入。更隐蔽的情况是有些电表输出的是正向有功电能有些输出的是正反向之和单位一样但含义不同。解决合并前先按电表ID分组检查每个ID的时间范围是否有重叠。如果有重叠确认是同一块表还是不同表。对于正反向电能统一只取正向有功或者明确标注方向。合并后用groupby按时间戳求和再和单表总量对比差异超过5%就要查。4.2 现象日聚合曲线在周末出现异常高峰原因时区转换错误。如果原始数据是本地时间但被当成UTC处理周末的用电高峰会偏移到周五晚上或周六凌晨。另一个可能是夏令时切换导致某一天有23或25小时resample(1D)默认按自然日切分遇到夏令时会多算或少算一小时。解决统一用UTC做聚合展示时再转本地时区。对于夏令时切换日用resample(1D, originstart_day)明确指定日起点或者直接按UTC日聚合避免本地时区干扰。4.3 现象插值后的数据在缺失段出现完美直线原因用了线性插值且缺失段很长。线性插值在长缺失段会产生一条直线看起来像真实数据但实际上是假的。如果分享时没有标记对方会误以为那段时间用电平稳。解决插值后必须加标记列并且在可视化时用虚线或不同颜色区分插值段。对于超过2小时的缺失段建议直接留空不要插值。分享文档里写清楚哪些时间段是插值的。4.4 现象功率和电能对不上差了一个数量级原因功率单位是W电能单位是kWh直接放在一起比较。或者功率是瞬时值电能是区间累加值时间基准不一致。解决所有功率转成kW所有电能转成kWh并且确认功率是区间平均功率还是瞬时功率。如果是瞬时功率转电能时要乘以采样间隔。分享时在列名里带上单位比如power_kw、energy_kwh不要用power、energy这种模糊命名。4.5 现象对方拿到数据后说「打不开」原因CSV编码不是UTF-8或者时间戳格式不标准。中文Windows默认用GBK对方用Mac或Linux打开就是乱码。时间戳格式五花八门有2024/1/1 0:00、01/01/2024 00:00、2024-01-01T00:00:00Z解析方式不一样。解决导出CSV时强制用encodingutf-8-sig这样Excel打开也不会乱码。时间戳统一用ISO 8601格式带时区偏移比如2024-01-01T00:00:0008:00。在分享包里附一个README.md写明列名、单位、时区、采样间隔、缺失值标记方式。5. 进阶用用电量数据做负荷分解的验证技巧负荷分解是非侵入式负载监测的核心目标是从总功率里拆出各个设备的功率。用电量数据分享时如果能把分解结果一起带上价值会大很多。但分解结果怎么验证没有分项电表的情况下我一般用两个技巧。第一个技巧是「启停事件对齐」。先用手动标记或简单阈值法从总功率里找出大功率设备的启停时刻然后看分解结果是否在同一时刻出现对应的功率跳变。如果总功率在10:00:00跳升2kW分解结果里空调分量也在10:00:00跳升2kW那说明分解至少在这个事件上是准的。# 简单阈值法找启停事件 def find_events(power_series, threshold0.5): diff power_series.diff().abs() events diff[diff threshold] return events events find_events(df[power_kw], threshold0.5) print(events.head(20))threshold需要根据数据调整太小会引入噪声太大会漏掉小功率设备。我一般先用diff().describe()看跳变分布的95分位数再定阈值。第二个技巧是「能量守恒校验」。分解结果各分量之和应该等于总功率误差在5%以内算合理。如果误差超过10%说明分解模型有问题或者总功率里有未建模的设备。校验项合理范围超出后的排查方向分量之和与总功率误差 5%检查是否有未建模设备启停事件时间偏差 1个采样间隔检查时间戳对齐日电能总量误差 3%检查单位换算和插值这两个技巧不需要额外硬件只用已有的总功率数据就能做。分享分解结果时把校验报告一起附上对方用起来才放心。我自己的习惯是每次分享用电量数据之前先跑一遍上面两个校验把结果写进README。有一次偷懒没跑对方拿去做了个空调能耗报告结果发现总功率和分项对不上回头查了半天才发现是有一路照明没建模。从那以后校验报告成了我分享数据的标配。希望帮到你。本文还有配套的精品资源点击获取