本文介绍了使用LightGBM进行电力负荷层次化多步时序预测的方法。基于GEFCom2012竞赛数据，预测美国某电力公司20个区域及系统总负荷的每小时用电量。核心流程包括数据预处理、特征工程（加入时间周期、滞后、滚动统计和气温等特征）、直接多步预测策略（避免递归预测的误差累积）以及WRMSE评估。实验结果显示，长周期特征（如过去一周负荷波动）对预测影响最大，直接多步预测策略有效控制了误差传播。文章

GEFCom2012负荷预测数据集简介 该数据集来自2012年全球能源预测竞赛，包含美国某电力公司20个区域及系统总负荷的每小时电力数据（单位：kW）。数据集分为训练期（2004-2008年）和预测期（2008年7月1周），包含负荷历史数据、气温数据、节假日信息及基准模型预测结果。主要特点包括： 需同时预测21条时间序列 包含8个回测周和1个预测周任务 采用加权均方根误差(WRMSE)评分，不同任