TDTSFM算法在电力数据预测测试中表现良好，特别适合短期预测。测试结果表明，使用7天历史数据预测效果最佳，其中A相电压预测误差最小(MAPE 0.82%)，总有功功率次之(1.65%)。算法执行时间保持在500ms以内，历史数据量增加会延长执行时间。建议采用7天历史数据进行短期预测(不超过10个时间点)，针对累计值预测效果优于增量值预测的特点，后续可优化增量预测算法。

本文展示了在TDengine 3.3.6.9中使用Holt-Winters算法进行电力数据预测的测试结果。针对有功电能、A相电压、A相电流和总有功功率四项指标，算法表现差异明显：有功电能预测精度最高，平均误差仅0.0068%；电压预测平均误差0.57V(0.246%)；电流预测误差最大，达8.66A(2.75%)；总有功功率预测表现中等。结果表明Holt-Winters算法对稳定性高的累积型数据(