简介面向电气工程与能源管理从业者这份资源是一个围绕电负荷与热负荷协同分析的数据与代码包适合负荷预测、电网规划、建筑能耗优化及综合能源调度方向的研究人员和工程师。包内共83个文件整体压缩后仅15.8MB其中包含38个Python脚本用于数据清洗、曲线绘制和建模分析20个CSV文件提供不同时段电负荷、热负荷的时序数据17个TXT文件记录温度、风速、太阳辐射等环境因素另有4个PDF文档和2个Markdown说明便于快速理解目录与用法。内容覆盖典型日/季节负荷变化曲线、不同区域热需求统计、电热负荷关联关系以及天气条件对负荷的影响可配合供热系统分散式调度、建筑能效分析等工程场景进行复现或改造。通过自带脚本可直接读取CSV数据并执行相关分析降低从原始数据到结论的整理成本。目前已吸引131人学习浏览是一份兼顾教学与项目参考价值的数据素材。1. 电负荷、热负荷数据 zip 里装的是什么做建筑电气设计或园区能源规划的人手头如果积攒了一批按编号归档的数据包比如这个“030 电负荷、热负荷数据.zip”往往意味着里面既有一套计算用的脚本代码又有一组可以喂给脚本的负荷实测或估算数据。这类 zip 不会像开源项目那样附带 README也不会有人告诉你字段含义拿到手的第一件事其实是“摸清楚结构”。本文围绕这类数据包讲清楚电负荷和热负荷数据在工程上是怎么组织、怎么计算、怎么提取特征并验证质量的全流程。适合电气设计、能源数据分析、建筑节能改造相关的工程师也适合刚接手历史数据需要做负荷测算的团队。读完后你能独立完成从解压、识别格式、跑通计算脚本到输出负荷曲线和特征报表的完整链路。2. 解包之前先看懂 030 数据包里的数据组织方式拿到“030 电负荷、热负荷数据.zip”第一步不是急着解压跑代码而是先搞清楚这个包的结构。工程场景下这类压缩包里常见的内容包括电气计算书、负荷统计表的导出文件CSV 或 Excel、热负荷计算用的气象参数、以及一组 Python 或 MATLAB 脚本。这些文件怎么组织决定了后续解析路径。2.1 从文件清单判断数据包是“计算输入”还是“计算输出”我一般会先用无界面方式列出压缩包内容而不是双击打开。Windows 自带资源管理器看 zip 会把目录结构压扁文件一多就失去层级感。用命令行工具可以拿到完整路径、文件大小和压缩比这些信息本身就说明问题7z l 030 电负荷、热负荷数据.zip输出里重点看三样东西是否有scripts/、data/、output/这类目录分隔文件后缀是否统一压缩包内文件的日期跨度。如果目录里有data/和scripts/分开说明这是“代码 数据”的组合包如果全是csv和xlsx那这套 zip 更像纯数据交付物代码可能缺失或没打进去。拿到文件清单后要在本地建立一个和压缩包对应的目录结构。注意不要直接解压到桌面然后手动整理工程数据一旦脱离原始相对路径后续脚本里写死的相对引用就会失效。常见做法是解压到项目工作目录下保持data/raw/作为原始数据只读区把修改后的数据放入data/processed/代码单独放src/互不污染。2.2 用 7-Zip 命令行完成解压与编码检查解压这类历史归档包优先用 7-Zip 而不是系统自带工具。原因是自带工具对中文文件名编码的容错能力弱而工程数据包的内部文件十有八九是中文命名解出来容易出现乱码或文件名截断。7-Zip 命令行在 Windows 上默认以系统 ANSI 代码页处理文件名遇到 UTF-8 编码的 zip 头时也能更稳定地还原7z x 030 电负荷、热负荷数据.zip -odata/raw/ -y-odata/raw/指定解压目标目录-y表示自动覆盖同名文件。解压完成后要回头检查二进制的文件头尤其当包内还嵌套了.xlsx或.zip文件时用file命令或 Python 的magic库做一次确认防止拿到的是损坏文件或空壳文件。这一步看似多余但在批量处理多个编号数据包时能提前过滤掉大量后续解析时报错的问题。2.3 负荷数据常用存储格式的取舍电负荷和热负荷数据在 zip 里通常以三种形态出现选型逻辑并不复杂格式典型用途解析成本注意点CSV计量点逐时或逐刻数据低文本直接解析编码和分隔符常见坑Excel设计阶段的统计表中需要读 sheet 和单元格合并单元格、公式残留JSON程序间交换的结构化数据低Python 可直接 serde时间字段务必带时区CSV 是这类数据包中最常见也最容易被低估的格式。判断一个 CSV 能不能直接用先看文件头两行如果第一个字段叫“时间”或“日期”且第二列是数值多半是宽表时序数据。如果出现多级列名或空列就要考虑用 pandas 按照header[0,1]的方式读取。3. 电负荷与热负荷的核心计算逻辑从公式到可执行代码数据包里如果有代码通常是电气设计阶段用来生成负荷表的脚本。这部分代码往往写得“能用就行”没有封装没有注释变量名是一两个字母。要让它真正服务后续分析最好把核心算法抽出来重写而不是在原始脚本上打补丁。重写之前先理解电负荷和热负荷各自的工程算法体系。3.1 电负荷计算的两种常见方法需要系数法与利用系数法电负荷计算解决的核心问题是已知每个用电设备的额定功率和工作规律求配电干线或变压器的计算负荷。工程中最常用的两类算法是需要系数法的逻辑是把设备容量乘以一个折减系数再乘以同时系数。公式表达为P_js Kx * Pe I_js P_js / (√3 * Un * cosφ)其中Kx是需要系数Pe是设备额定容量Un为额定电压cosφ为功率因数。这套方法简便适合初步设计但它的精度依赖Kx取值的经验性。利用系数法走的是另一条路基于平均负荷和形状系数计算P_js K_l * Pe Q_js P_js * tanφ S_js √(P_js² Q_js²)对比来看需要系数法适合缺少实测数据的规划阶段利用系数法适合有运行数据支撑的改造项目。030 这类数据包里如果同时有代码和 CSV 数据常见的组合是“需要系数法计算 实测数据校验”。3.2 热负荷计算的稳态框架热负荷计算和电负荷在思路上完全不同。电负荷研究的是功率热负荷研究的是热量交换单位是 W 或 kW。最常见的稳态热负荷公式是Q K * F * (Δt)K是围护结构传热系数F是传热面积Δt是室内外温差。但完整的热负荷还要算上冷风渗透耗热量、内热源产热和太阳辐射得热工程里通常把这些项展开成一张计算表。一个有参考意义的热负荷构成表如下分项典型占比办公建筑计算参数围护结构40% ~ 55%传热系数、面积、温差冷风渗透15% ~ 25%换气次数、体积、温差内热源10% ~ 20%人员密度、设备功率、照明太阳辐射5% ~ 15%朝向、遮阳系数、玻璃比例如果 zip 包内的热负荷代码是按这个分项拆开的那说明这套数据包的作者是按规范流程走的解析时把每个分项的结果单独提取即可。3.3 将 030 包内的负荷计算代码结构化重写原始代码经常会有把所有逻辑堆在一个脚本里的问题。重写时要做的不是改细节而是拆分层级。参考这样的目录组织src/ load_calculation/ electric_load.py thermal_load.py validate.py utils/ file_loader.pyelectric_load.py里核心函数接受设备清单 DataFrame返回计算负荷结果import pandas as pd def calc_electric_load(equip_df: pd.DataFrame, Kx: float, cos_phi: float) - dict: 按需 要系数法计算计算负荷 :param equip_df: 包含 rated_power_kw 列的设备清单 :param Kx: 需要系数取值参考设计手册 :param cos_phi: 功率因数 :return: 计算负荷结果字典 pe equip_df[rated_power_kw].sum() p_js pe * Kx s_js p_js / cos_phi q_js (p_js ** 2) / (s_js ** 2) q_js (s_js ** 2 - p_js ** 2) ** 0.5 return { pe_kw: round(pe, 2), p_js_kw: round(p_js, 2), q_js_kvar: round(q_js, 2), s_js_kva: round(s_js, 2), }这段代码的重要逻辑在最后一步q_js用有功和无功的平方差计算而不是直接拿p_js * tanφ这样对于功率因数不固定的工况更稳妥。Kx和cos_phi作为参数暴露出来而不是写死在函数里是为了方便对多个方案做敏感性分析。4. 实战解析 030 数据包并生成负荷曲线与特征报表解压和算法逻辑都清楚了这章做一次端到端的处理。目标是不把 zip 解开到磁盘也能读取包内数据同时完成对负荷时序数据的特征提取。4.1 直接用 Python 从 zip 包读取 CSV 负荷数据现实场景里多个编号的数据包叠在一起全部解压会占大量磁盘空间而且容易污染工作目录。Python 的zipfile模块支持直接读取压缩包内部文件句柄没必要先解压再读import zipfile import pandas as pd zip_path 030 电负荷、热负荷数据.zip target_csv data/load_daily.csv with zipfile.ZipFile(zip_path) as zf: with zf.open(target_csv) as f: df pd.read_csv(f, encodinggbk) print(df.head()) print(df.columns.tolist())注意encodinggbk这个参数历史工程数据大概率是从国产软件或 ERP 系统导出的编码不是 UTF-8。如果读出来乱码可以改试gb18030它的字符覆盖比gbk更广几乎不会因为生僻字报错。另一个容易踩的坑是pd.read_csv默认把第一行当表头但很多导出文件表头前有一段生成说明这时要用skiprowsN跳过。4.2 负荷时序规整重采样与缺失值处理从 zip 读出的数据通常是原始时间戳的离散记录有的间隔 15 分钟有的间隔 1 小时还有的只有工作日数据。统一时间粒度是后面所有分析的前提。最常见的目标粒度是 15 分钟和 1 小时两种df[time] pd.to_datetime(df[time]) df df.set_index(time).sort_index() # 重采样到 15 分钟缺失值不插值先标记 df_15t df[active_power_kw].resample(15T).mean() # 统计缺失 missing df_15t.isna().sum() print(f缺失点数量: {missing})重采样之后的缺失处理要看用途。如果要做负荷预测模型插值是必须的但插值方式要分场景短时段缺失用线性插值长时段缺失应该用前后同周期数据回填而不是无脑线性。如果用线性插值填充超过 2 小时的空窗曲线会呈现人为的平滑坡段后续峰值识别会被误导。4.3 峰值、谷值、同时率特征提取负荷特征最常用的几个指标最大需量、最小负荷、平均负荷、同时率、负荷率。一次计算全部提取feature {} feature[peak_kw] df[active_power_kw].max() feature[valley_kw] df[active_power_kw].min() feature[avg_kw] df[active_power_kw].mean() feature[load_factor] feature[avg_kw] / feature[peak_kw] # 同时率各分表最大需量之和与总表最大需量的比值 sub_peaks df[[farea{i}_kw for i in range(1, 6)]].max().sum() feature[demand_factor] feature[peak_kw] / sub_peaksload_factor是平均负荷和峰值负荷的比值反映负荷的平稳程度。工业负荷一般 0.7 以上商业建筑 0.4 到 0.6如果算出来低于 0.3说明要么是季节性原因要么数据质量有严重问题。demand_factor是同时率这个值在变压器容量校验中很关键小于 1 是正常的但低于 0.4 就要怀疑不同区域的时间错位是不是太严重了。5. 数据质量校验识别 030 包中的错误值、异常峰和时区陷阱最后一章聚焦在如何处理负荷数据里最难缠的问题——数据本身不可信。很多数据包里的 CSV 看起来字段齐全实际上时间轴错位、数值单位混乱、异常尖峰反复出现。这里给三个处理技巧。5.1 用 CRC 与压缩包测试命令确认文件未损坏zip 文件最怕传输过程中半途断掉解压时不报错但内部文件其实已经截断。解压前可以用 7-Zip 的完整性测试命令7z t 030 电负荷、热负荷数据.zip如果输出里出现ERROR或CRC Failed字样说明文件物理损坏或压缩包被改动过。更精确的做法是用 Python 校验每个文件的实际字节数import zipfile, hashlib with zipfile.ZipFile(zip_path) as zf: for info in zf.infolist(): if info.file_size 0: print(f空文件: {info.filename}) with zf.open(info) as f: md5 hashlib.md5(f.read(1024*1024)).hexdigest() print(f{info.filename}: {info.file_size} bytes, md5{md5[:8]})丢失的文件头或者空洞会导致后续解析直接失败与其等到分析时再排查不如在解压阶段就把损坏项过滤出来。5.2 负荷数据异常值的两种可复现识别方法异常识别不靠拍脑袋。针对负荷时序数据常用的判据是分位数区间和突变幅度。分位数法适合整体分布偏移的情况突变法适合局部尖峰识别q_low df[active_power_kw].quantile(0.01) q_high df[active_power_kw].quantile(0.999) # 突变幅度判断相邻点变化超过该日峰值 30% 判为可疑 df[diff] df[active_power_kw].diff().abs() df[daily_peak] df[active_power_kw].rolling(1D).max() df[jump_ratio] df[diff] / df[daily_peak] anomaly df[(df[active_power_kw] q_low) | (df[active_power_kw] q_high) | (df[jump_ratio] 0.3)]突变比例 0.3 这个阈值来自工程经验负荷系统因为有设备启停突变超过 30% 的情况确实存在但如果频繁出现基本可以断定有数据录入错误或传感器故障。用rolling(1D)而不是固定行数滚动是为了在 15 分钟粒度和小时粒度之间保持一致的物理含义。5.3 时区与夏令时陷阱的快速检查负荷数据中出现一小时跳变或整体偏移很多时候是时区处理不当。检查方法很简单看每天第一笔和最后一笔记录的时刻是否稳定。如果逐日首条时间戳在 00:00 和 01:00 之间反复横跳说明原始数据里混了不同时区的记录。处理这类问题时建议在读取时直接强制指定时区而不是事后本地化df df.tz_localize(Asia/Shanghai, ambiguousNaT, nonexistentNaT) df df.tz_convert(Asia/Shanghai)ambiguousNaT和nonexistentNaT两个参数会把夏令时切换或重复时间段的异常点置为缺失而不是猜测性地归入某一侧。这样后续计算里这些点会被自然补插或剔除而不是污染整条曲线。数据包内如果同时有电负荷和热负荷两套时序数据务必先检查它们的时间轴是否对齐到同一个时区基准再合并分析。本文还有配套的精品资源点击获取 电负荷与热负荷数据包解析：从解压到负荷特征提取
简介面向电气工程与能源管理从业者这份资源是一个围绕电负荷与热负荷协同分析的数据与代码包适合负荷预测、电网规划、建筑能耗优化及综合能源调度方向的研究人员和工程师。包内共83个文件整体压缩后仅15.8MB其中包含38个Python脚本用于数据清洗、曲线绘制和建模分析20个CSV文件提供不同时段电负荷、热负荷的时序数据17个TXT文件记录温度、风速、太阳辐射等环境因素另有4个PDF文档和2个Markdown说明便于快速理解目录与用法。内容覆盖典型日/季节负荷变化曲线、不同区域热需求统计、电热负荷关联关系以及天气条件对负荷的影响可配合供热系统分散式调度、建筑能效分析等工程场景进行复现或改造。通过自带脚本可直接读取CSV数据并执行相关分析降低从原始数据到结论的整理成本。目前已吸引131人学习浏览是一份兼顾教学与项目参考价值的数据素材。1. 电负荷、热负荷数据 zip 里装的是什么做建筑电气设计或园区能源规划的人手头如果积攒了一批按编号归档的数据包比如这个“030 电负荷、热负荷数据.zip”往往意味着里面既有一套计算用的脚本代码又有一组可以喂给脚本的负荷实测或估算数据。这类 zip 不会像开源项目那样附带 README也不会有人告诉你字段含义拿到手的第一件事其实是“摸清楚结构”。本文围绕这类数据包讲清楚电负荷和热负荷数据在工程上是怎么组织、怎么计算、怎么提取特征并验证质量的全流程。适合电气设计、能源数据分析、建筑节能改造相关的工程师也适合刚接手历史数据需要做负荷测算的团队。读完后你能独立完成从解压、识别格式、跑通计算脚本到输出负荷曲线和特征报表的完整链路。2. 解包之前先看懂 030 数据包里的数据组织方式拿到“030 电负荷、热负荷数据.zip”第一步不是急着解压跑代码而是先搞清楚这个包的结构。工程场景下这类压缩包里常见的内容包括电气计算书、负荷统计表的导出文件CSV 或 Excel、热负荷计算用的气象参数、以及一组 Python 或 MATLAB 脚本。这些文件怎么组织决定了后续解析路径。2.1 从文件清单判断数据包是“计算输入”还是“计算输出”我一般会先用无界面方式列出压缩包内容而不是双击打开。Windows 自带资源管理器看 zip 会把目录结构压扁文件一多就失去层级感。用命令行工具可以拿到完整路径、文件大小和压缩比这些信息本身就说明问题7z l 030 电负荷、热负荷数据.zip输出里重点看三样东西是否有scripts/、data/、output/这类目录分隔文件后缀是否统一压缩包内文件的日期跨度。如果目录里有data/和scripts/分开说明这是“代码 数据”的组合包如果全是csv和xlsx那这套 zip 更像纯数据交付物代码可能缺失或没打进去。拿到文件清单后要在本地建立一个和压缩包对应的目录结构。注意不要直接解压到桌面然后手动整理工程数据一旦脱离原始相对路径后续脚本里写死的相对引用就会失效。常见做法是解压到项目工作目录下保持data/raw/作为原始数据只读区把修改后的数据放入data/processed/代码单独放src/互不污染。2.2 用 7-Zip 命令行完成解压与编码检查解压这类历史归档包优先用 7-Zip 而不是系统自带工具。原因是自带工具对中文文件名编码的容错能力弱而工程数据包的内部文件十有八九是中文命名解出来容易出现乱码或文件名截断。7-Zip 命令行在 Windows 上默认以系统 ANSI 代码页处理文件名遇到 UTF-8 编码的 zip 头时也能更稳定地还原7z x 030 电负荷、热负荷数据.zip -odata/raw/ -y-odata/raw/指定解压目标目录-y表示自动覆盖同名文件。解压完成后要回头检查二进制的文件头尤其当包内还嵌套了.xlsx或.zip文件时用file命令或 Python 的magic库做一次确认防止拿到的是损坏文件或空壳文件。这一步看似多余但在批量处理多个编号数据包时能提前过滤掉大量后续解析时报错的问题。2.3 负荷数据常用存储格式的取舍电负荷和热负荷数据在 zip 里通常以三种形态出现选型逻辑并不复杂格式典型用途解析成本注意点CSV计量点逐时或逐刻数据低文本直接解析编码和分隔符常见坑Excel设计阶段的统计表中需要读 sheet 和单元格合并单元格、公式残留JSON程序间交换的结构化数据低Python 可直接 serde时间字段务必带时区CSV 是这类数据包中最常见也最容易被低估的格式。判断一个 CSV 能不能直接用先看文件头两行如果第一个字段叫“时间”或“日期”且第二列是数值多半是宽表时序数据。如果出现多级列名或空列就要考虑用 pandas 按照header[0,1]的方式读取。3. 电负荷与热负荷的核心计算逻辑从公式到可执行代码数据包里如果有代码通常是电气设计阶段用来生成负荷表的脚本。这部分代码往往写得“能用就行”没有封装没有注释变量名是一两个字母。要让它真正服务后续分析最好把核心算法抽出来重写而不是在原始脚本上打补丁。重写之前先理解电负荷和热负荷各自的工程算法体系。3.1 电负荷计算的两种常见方法需要系数法与利用系数法电负荷计算解决的核心问题是已知每个用电设备的额定功率和工作规律求配电干线或变压器的计算负荷。工程中最常用的两类算法是需要系数法的逻辑是把设备容量乘以一个折减系数再乘以同时系数。公式表达为P_js Kx * Pe I_js P_js / (√3 * Un * cosφ)其中Kx是需要系数Pe是设备额定容量Un为额定电压cosφ为功率因数。这套方法简便适合初步设计但它的精度依赖Kx取值的经验性。利用系数法走的是另一条路基于平均负荷和形状系数计算P_js K_l * Pe Q_js P_js * tanφ S_js √(P_js² Q_js²)对比来看需要系数法适合缺少实测数据的规划阶段利用系数法适合有运行数据支撑的改造项目。030 这类数据包里如果同时有代码和 CSV 数据常见的组合是“需要系数法计算 实测数据校验”。3.2 热负荷计算的稳态框架热负荷计算和电负荷在思路上完全不同。电负荷研究的是功率热负荷研究的是热量交换单位是 W 或 kW。最常见的稳态热负荷公式是Q K * F * (Δt)K是围护结构传热系数F是传热面积Δt是室内外温差。但完整的热负荷还要算上冷风渗透耗热量、内热源产热和太阳辐射得热工程里通常把这些项展开成一张计算表。一个有参考意义的热负荷构成表如下分项典型占比办公建筑计算参数围护结构40% ~ 55%传热系数、面积、温差冷风渗透15% ~ 25%换气次数、体积、温差内热源10% ~ 20%人员密度、设备功率、照明太阳辐射5% ~ 15%朝向、遮阳系数、玻璃比例如果 zip 包内的热负荷代码是按这个分项拆开的那说明这套数据包的作者是按规范流程走的解析时把每个分项的结果单独提取即可。3.3 将 030 包内的负荷计算代码结构化重写原始代码经常会有把所有逻辑堆在一个脚本里的问题。重写时要做的不是改细节而是拆分层级。参考这样的目录组织src/ load_calculation/ electric_load.py thermal_load.py validate.py utils/ file_loader.pyelectric_load.py里核心函数接受设备清单 DataFrame返回计算负荷结果import pandas as pd def calc_electric_load(equip_df: pd.DataFrame, Kx: float, cos_phi: float) - dict: 按需 要系数法计算计算负荷 :param equip_df: 包含 rated_power_kw 列的设备清单 :param Kx: 需要系数取值参考设计手册 :param cos_phi: 功率因数 :return: 计算负荷结果字典 pe equip_df[rated_power_kw].sum() p_js pe * Kx s_js p_js / cos_phi q_js (p_js ** 2) / (s_js ** 2) q_js (s_js ** 2 - p_js ** 2) ** 0.5 return { pe_kw: round(pe, 2), p_js_kw: round(p_js, 2), q_js_kvar: round(q_js, 2), s_js_kva: round(s_js, 2), }这段代码的重要逻辑在最后一步q_js用有功和无功的平方差计算而不是直接拿p_js * tanφ这样对于功率因数不固定的工况更稳妥。Kx和cos_phi作为参数暴露出来而不是写死在函数里是为了方便对多个方案做敏感性分析。4. 实战解析 030 数据包并生成负荷曲线与特征报表解压和算法逻辑都清楚了这章做一次端到端的处理。目标是不把 zip 解开到磁盘也能读取包内数据同时完成对负荷时序数据的特征提取。4.1 直接用 Python 从 zip 包读取 CSV 负荷数据现实场景里多个编号的数据包叠在一起全部解压会占大量磁盘空间而且容易污染工作目录。Python 的zipfile模块支持直接读取压缩包内部文件句柄没必要先解压再读import zipfile import pandas as pd zip_path 030 电负荷、热负荷数据.zip target_csv data/load_daily.csv with zipfile.ZipFile(zip_path) as zf: with zf.open(target_csv) as f: df pd.read_csv(f, encodinggbk) print(df.head()) print(df.columns.tolist())注意encodinggbk这个参数历史工程数据大概率是从国产软件或 ERP 系统导出的编码不是 UTF-8。如果读出来乱码可以改试gb18030它的字符覆盖比gbk更广几乎不会因为生僻字报错。另一个容易踩的坑是pd.read_csv默认把第一行当表头但很多导出文件表头前有一段生成说明这时要用skiprowsN跳过。4.2 负荷时序规整重采样与缺失值处理从 zip 读出的数据通常是原始时间戳的离散记录有的间隔 15 分钟有的间隔 1 小时还有的只有工作日数据。统一时间粒度是后面所有分析的前提。最常见的目标粒度是 15 分钟和 1 小时两种df[time] pd.to_datetime(df[time]) df df.set_index(time).sort_index() # 重采样到 15 分钟缺失值不插值先标记 df_15t df[active_power_kw].resample(15T).mean() # 统计缺失 missing df_15t.isna().sum() print(f缺失点数量: {missing})重采样之后的缺失处理要看用途。如果要做负荷预测模型插值是必须的但插值方式要分场景短时段缺失用线性插值长时段缺失应该用前后同周期数据回填而不是无脑线性。如果用线性插值填充超过 2 小时的空窗曲线会呈现人为的平滑坡段后续峰值识别会被误导。4.3 峰值、谷值、同时率特征提取负荷特征最常用的几个指标最大需量、最小负荷、平均负荷、同时率、负荷率。一次计算全部提取feature {} feature[peak_kw] df[active_power_kw].max() feature[valley_kw] df[active_power_kw].min() feature[avg_kw] df[active_power_kw].mean() feature[load_factor] feature[avg_kw] / feature[peak_kw] # 同时率各分表最大需量之和与总表最大需量的比值 sub_peaks df[[farea{i}_kw for i in range(1, 6)]].max().sum() feature[demand_factor] feature[peak_kw] / sub_peaksload_factor是平均负荷和峰值负荷的比值反映负荷的平稳程度。工业负荷一般 0.7 以上商业建筑 0.4 到 0.6如果算出来低于 0.3说明要么是季节性原因要么数据质量有严重问题。demand_factor是同时率这个值在变压器容量校验中很关键小于 1 是正常的但低于 0.4 就要怀疑不同区域的时间错位是不是太严重了。5. 数据质量校验识别 030 包中的错误值、异常峰和时区陷阱最后一章聚焦在如何处理负荷数据里最难缠的问题——数据本身不可信。很多数据包里的 CSV 看起来字段齐全实际上时间轴错位、数值单位混乱、异常尖峰反复出现。这里给三个处理技巧。5.1 用 CRC 与压缩包测试命令确认文件未损坏zip 文件最怕传输过程中半途断掉解压时不报错但内部文件其实已经截断。解压前可以用 7-Zip 的完整性测试命令7z t 030 电负荷、热负荷数据.zip如果输出里出现ERROR或CRC Failed字样说明文件物理损坏或压缩包被改动过。更精确的做法是用 Python 校验每个文件的实际字节数import zipfile, hashlib with zipfile.ZipFile(zip_path) as zf: for info in zf.infolist(): if info.file_size 0: print(f空文件: {info.filename}) with zf.open(info) as f: md5 hashlib.md5(f.read(1024*1024)).hexdigest() print(f{info.filename}: {info.file_size} bytes, md5{md5[:8]})丢失的文件头或者空洞会导致后续解析直接失败与其等到分析时再排查不如在解压阶段就把损坏项过滤出来。5.2 负荷数据异常值的两种可复现识别方法异常识别不靠拍脑袋。针对负荷时序数据常用的判据是分位数区间和突变幅度。分位数法适合整体分布偏移的情况突变法适合局部尖峰识别q_low df[active_power_kw].quantile(0.01) q_high df[active_power_kw].quantile(0.999) # 突变幅度判断相邻点变化超过该日峰值 30% 判为可疑 df[diff] df[active_power_kw].diff().abs() df[daily_peak] df[active_power_kw].rolling(1D).max() df[jump_ratio] df[diff] / df[daily_peak] anomaly df[(df[active_power_kw] q_low) | (df[active_power_kw] q_high) | (df[jump_ratio] 0.3)]突变比例 0.3 这个阈值来自工程经验负荷系统因为有设备启停突变超过 30% 的情况确实存在但如果频繁出现基本可以断定有数据录入错误或传感器故障。用rolling(1D)而不是固定行数滚动是为了在 15 分钟粒度和小时粒度之间保持一致的物理含义。5.3 时区与夏令时陷阱的快速检查负荷数据中出现一小时跳变或整体偏移很多时候是时区处理不当。检查方法很简单看每天第一笔和最后一笔记录的时刻是否稳定。如果逐日首条时间戳在 00:00 和 01:00 之间反复横跳说明原始数据里混了不同时区的记录。处理这类问题时建议在读取时直接强制指定时区而不是事后本地化df df.tz_localize(Asia/Shanghai, ambiguousNaT, nonexistentNaT) df df.tz_convert(Asia/Shanghai)ambiguousNaT和nonexistentNaT两个参数会把夏令时切换或重复时间段的异常点置为缺失而不是猜测性地归入某一侧。这样后续计算里这些点会被自然补插或剔除而不是污染整条曲线。数据包内如果同时有电负荷和热负荷两套时序数据务必先检查它们的时间轴是否对齐到同一个时区基准再合并分析。本文还有配套的精品资源点击获取