满足EU-AI法案要求的安全关键环境中的短期负荷预测：德国输电网总负荷41天实时挑战赛结果

# 欧盟《人工智能法案》要求下安全关键环境中的短期负荷预测

来源：https://arxiv.org/html/2608.05018 (2026-08-05)

###### 摘要

短期负荷预测(STLF)在电力行业中发挥着至关重要的作用。它服务于欧洲和德国法律认定为关键的基础设施。确定性、可复现性和可审计性是工程要求，而非可选附加项。STLF不再纯粹是一个精度问题，它同时也是一个软件工程和合规性问题。本文描述了一项为期41天的实时挑战的结果，该挑战评估了一个针对德国输电网络总负荷的完整STLF流水线。该流水线基于开源Python库`spotforecast2-safe`，其设计上即符合安全关键环境中的欧盟《人工智能法案》要求。该流水线根据欧洲电力传输系统运营商网络(ENTSO-E)数据预测目标日的24个逐时负荷值。它包含异常检测和感知间隙的数据准备、日历和天气协变量、递归多步预测算法以及超参数调优。预测精度以官方ENTSO-E日前预测为基准进行衡量。符合欧盟《人工智能法案》的`spotforecast2-safe`流水线击败了ENTSO-E基线。上下文模型表现出有竞争力的性能。透明、低成本、可审计的本地模型(本文中称为macl2l)与参数量超过1亿、能耗密集的预训练基础模型(如chronos-2)相比具有竞争力。挑战基础设施、所有团队的完整提交记录以及冻结的最终排行榜均公开可用。

*关*键词负荷预测 • 递归预测 • LightGBM • 梯度提升 • 超参数优化 • ENTSO-E • 安全关键机器学习 • 欧盟人工智能法案 • 绿色人工智能

## 1 引言

输电系统运营商必须持续匹配发电与用电，以将电网频率和稳定性保持在限值之内。准确的短期负荷预测(STLF)是这一平衡行为的定量支柱(Ullah et al. 2024)。日前和日内负荷预测驱动机组组合、备用容量确定以及市场参与者向电力交易所提交的报价，其中预测误差直接转化为平衡能源成本和价格风险。表LABEL:tbl-hong16asummarizes总结了不同负荷预测问题的关键特征。本文针对STLF问题的一个具体实例，该实例以实时预测挑战的形式提出(Bartz-Beielstein 2026a)。任务是根据欧洲电力传输系统运营商网络(ENTSO-E)的历史数据(ENTSO-E 2024)，针对给定目标日，生成德国(DE)市场区域总实际负荷的24个逐时值的日前预测，单位为兆瓦。真实值为该日的最终ENTSO-E实际总负荷，提交结果按所有计分日的平均绝对误差(MAE)(单位为兆瓦)进行排名，数值越低表示预测越好。为使排名有意义，官方ENTSO-E日前预测(本文中称为ENTSO-E基线)与两个朴素预测和近期基础模型一同参与同一排行榜竞争。ENTSO-E基线是一个要求严格的运行参考，但它并非无偏：Möbius等人(2025)记录表明，对于德国-卢森堡 bidding zone，它系统性低估负荷，且其误差保留足够的自回归结构，以至于仅对误差建模即可消除其约五分之一的量级。因此，挑战规则不允许将ENTSO-E基线用作协变量，除非提交身份在名称中带有`entsoe`后缀并明确标记为ENTSO-E辅助。

表 1：不同负荷预测问题的关键特征(Hong and Fan 2016)。长期负荷预测(LTLF)、中期负荷预测(MTLF)、短期负荷预测(STLF)、超短期负荷预测(VSTLF)、空间负荷预测(SLF)、分层负荷预测(HLF)和概率负荷预测(PLF)。

| | 时间分辨率 | 空间分辨率 | 预测时域 | 输出格式 |
|---|---|---|---|---|
| LTLF | 月/年 | N/A | 年 | 点 |
| MTLF | 日/周 | N/A | 数周至数月 | 点 |
| STLF | 小时 | N/A | 日 | 点 |
| VSTLF | 低于小时 | N/A | 数小时至数日 | 点 |
| SLF | 月/年 | 小区域 | 年 | 点 |
| HLF | 小时 | 场所 | 数小时至数年 | 点 |
| PLF | 小时 | N/A | 数小时至数年 | 密度/区间 |

我们的预测系统将24小时时域视为递归多步预测问题。其核心是一个Light Gradient-Boosting Machine (LightGBM)回归器(Ke et al. 2017)，封装在递归自回归预测器中，该预测器一次预测一小时，并将每个预测反馈作为下一步的输入。在训练之前，原始ENTSO-E序列经过异常感知的数据准备阶段，该阶段标记不合理值(例如使用Isolation Forest (Liu et al. 2008))，并弥合报告间隙，从而使损坏的历史数据不会通过自回归传播。递归预测器利用滞后负荷值以及日历协变量(如小时、星期几和公共假日)，其超参数通过使用SpotOptim (Bartz-Beielstein 2026b)的代理模型优化进行调优，并与Optuna (Akiba et al. 2019)中实现的优化器进行基准比较。递归引擎本身由安全关键包`spotforecast2-safe`(Bartz-Beielstein and Bartz 2026)提供，该包封装了skforecast递归策略(Amat Rodrigo and Escobar Ortiz 2024)的经过审查的子集。其SpotOptim调优配置以`spotoptim lgbm`的名义参与挑战排行榜竞争，本文称其为spotoptim-lgbm预测器。

随着此类预测越来越多地用于关键基础设施中的自动化决策，围绕其的监管框架也在收紧。欧盟《人工智能法案》(European Parliament and Council of the European Union 2024)将用作电力供应安全组件的AI系统归类为高风险，并要求此类系统具备准确性、稳健性和网络安全，同时要求审计所依赖的记录保存和技术文档。

图 1：影响日前负荷预测器的监管工具及其约束方。蓝色标记联盟工具，绿色标记德国对应工具，粉色标记两方。实线箭头表示派生关系，要么是转化为德国法律的指令，要么是根据法规发布的条例。欧盟《人工智能法案》和《网络弹性法案》没有德国对应物，因为条例直接适用，这就是为什么没有箭头从它们向下引出。虚线箭头表示一个工具对另一个工具的引用。赭色箭头表示义务附着点，每个都标注了附着该义务的条款。虚线轮廓表示仍为草案或尚未适用的工具。预测器下方的两个陈述是本部分描述的不对称性。此处提到的每个条款都在附录中关于所引法律条款原文的说明中引用。

因此，STLF不再纯粹是精度问题。它同时也是一个软件工程和合规性问题。因此，我们将在此报告中考虑相关规则和法规对STLF方法的影响，即：

- • 欧盟《人工智能法案》(EU AI Act) (European Parliament and Council of the European Union 2024)，
- • 《网络弹性法案》(CRA) (European Parliament and Council 2024b)，
- • NIS-2指令 (European Parliament and Council of the European Union 2022a)，该指令转化为德国《BSI-Gesetz》(Deutscher Bundestag 2025)，
- • CER指令 (European Parliament and Council of the European Union 2022b)，该指令转化为德国《KRITIS-Dachgesetz》(Bundesministerium des Innern 2026)，以及
- • 《产品责任指令》(European Parliament and Council 2024a)，该指令转化为德国《ProdHaftG-Novelle》(Deutscher Bundestag 2026)。

图1 (https://arxiv.org/html/2608.05018#S1.F1)提供了它们关系的直观概述。为方便起见，相应法规在附录中引用，例如，Section\thechapter.B.1 (https://arxiv.org/html/2608.05018#X.A2.SS1) 给出了与本部分背景相关的欧盟《人工智能法案》条款。

挑战中考虑的预测系统将德国市场视为单一聚合区域，这是欧洲年用电量最大的区域(ENTSO-E 2024)。德国的四个输电区域(50Hertz、Amprion、TenneT和TransnetBW)如图2 (https://arxiv.org/html/2608.05018#S1.F2)所示。ENTSO-E透明度平台以两个密切相关的聚合方式发布德国负荷。竞价区DE-LU(统一批发电价区域)自2018年10月以来包含德国和卢森堡。国家聚合DE汇总了四个德国控制区域，不包括卢森堡。本文的目标序列和挑战的真实值使用国家聚合，其2022年总量为482 TWh，小时峰值78.7 GW，比DE-LUX竞价区值低约1%。

图 2：德国四个输电系统运营商(TSO)的电力控制区域。来源：Francis McLloyd，CC BY-SA 3.0 https://creativecommons.org/licenses/by-sa/3.0，来自维基共享资源。

根据德国《Kritisverordnung》草案(Bundesministerium des Innern 2026)，向公众供应电力是一项关键服务，明确包括发电、输电、配电和交易，并且一旦最终消费者和再分销商从中提取3,700 GWh/年，输电网络就成为关键设施(Section\thechapter.B.2.1 (https://arxiv.org/html/2608.05018#X.A2.SS2.SSS1)、Section\thechapter.B.2.2 (https://arxiv.org/html/2608.05018#X.A2.SS2.SSS2))。日前负荷预测恰恰服务于这些输电和交易功能。Kritisverordnung (Bundesministerium des Innern 2026)管理设施的物理弹性，从未提及预测、软件或模型。同一运营商的网络安全由BSI-Gesetz (Deutscher Bundestag 2025)单独管理。BSI-Gesetz自始至终是一部网络安全法规。支持这一解读的条款在Section\thechapter.B.3 (https://arxiv.org/html/2608.05018#X.A2.SS3)中逐字引用：法规名称在Section\thechapter.B.3.1 (https://arxiv.org/html/2608.05018#X.A2.SS3.SSS1)，关键设施、关键服务和信息安全的定义(§ 2 Nr. 22、24和39)在Section\thechapter.B.3.2 (https://arxiv.org/html/2608.05018#X.A2.SS3.SSS2)，§ 28 Abs. 8的运营商定义在Section\thechapter.B.3.3 (https://arxiv.org/html/2608.05018#X.A2.SS3.SSS3)，§ 30 Abs. 1和§ 31 Abs. 2的IT安全义务在Section\thechapter.B.3.4 (https://arxiv.org/html/2608.05018#X.A2.SS3.SSS4)和Section\thechapter.B.3.5 (https://arxiv.org/html/2608.05018#X.A2.SS3.SSS5)。这两项德国工具都不是独立存在的。BSI-Gesetz和Kritisverordnung都转化了2022年12月14日的欧洲立法包，即分别对应NIS-2指令 (European Parliament and Council of the European Union 2022a)和CER指令 (European Parliament and Council of the European Union 2022b)。BSI-Gesetz在其第一页声明其实施NIS-2指令(关于高水平共同网络安全的(EU) 2022/2555号指令)(European Parliament and Council of the European Union 2022a)，该指令对基本和重要实体施加网络安全风险管理与报告义务，并将其高关键性部门列表中的能源列为首位。KRITIS-Dachgesetz(根据其发布Kritisverordnung)转化了姊妹CER指令(关于关键实体弹性的(EU) 2022/2557号指令)(European Parliament and Council of the European Union 2022b)。Kritisverordnung被设计为两个制度的联合条例，因此上述3,700 GWh阈值同时决定谁承担Dachgesetz的物理弹性义务，以及谁根据BSI-Gesetz被视为关键设施的运营商。即使是欧盟《人工智能法案》也与这一揽子计划相关：其对关键基础设施的定义参考了CER指令，Section\thechapter.B.1.1 (https://arxiv.org/html/2608.05018#X.A2.SS1.SSS1)引用的序言第55条引用了该指令的附件。欧盟《人工智能法案》本身仅在AI系统作为安全组件时涉及能源应用，其序言第55条(Section\thechapter.B.1.1 (https://arxiv.org/html/2608.05018#X.A2.SS1.SSS1))将该概念限定于直接保护物理完整性且其本身并非设施运行所必需的系统(European Parliament and Council of the European Union 2024)。因此，日前负荷预测器位于关键基础设施旁边，而不是在其安全边界之内。尽管如此，我们仍要求该系统具备确定性、可复现性和可审计性，因为它为关键设施运营商所做的决策提供信息，并且因为这些特性是审计此类系统所依据的基础。

另外两项工具，《网络弹性法案》(CRA) (European Parliament and Council 2024b)和修订后的《产品责任指令》(PLD) (European Parliament and Council 2024a)，均于2024年10月23日通过，补齐了整体图景，且两者都面向供应商而非运营商：CRA为具有数字元素的产品规定了横向网络安全要求，是BSI-Gesetz对运营商所要求风险管理在产品侧的对应物。其第12(1)条直接连接了两个联盟法规：一种同时属于高风险AI系统的产品，一旦满足附件I的基本要求并在其符合性声明中证明这一点，即被视为满足欧盟《人工智能法案》第15条的网络安全要求(Section\thechapter.B.4.1 (https://arxiv.org/html/2608.05018#X.A2.SS4.SSS1))。承载该推定的协调标准仍在2025年2月标准化请求(European Commission 2025)下制定中。修订后的PLD (European Parliament and Council 2024a)(一项政府法案将转化为德国法律 (Deutscher Bundestag 2026))使软件本身成为一种产品(Section\thechapter.B.5.2 (https://arxiv.org/html/2608.05018#X.A2.SS5.SSS2))，并将与安全相关的网络安全要求以及产品在部署后继续学习的能力，列为确定缺陷的因素(Section\thechapter.B.5.3 (https://arxiv.org/html/2608.05018#X.A2.SS5.SSS3))。两者都将非商业活动之外供应的免费开源软件置于制造商义务之外，这正是`spotforecast2-safe`所处的位置，但该豁免不会传导给将引擎集成到商业产品中的任何一方(Section\thechapter.B.4.2 (https://arxiv.org/html/2608.05018#X.A2.SS4.SSS2)、Section\thechapter.B.5.1 (https://arxiv.org/html/2608.05018#X.A2.SS5.SSS1))。在此报告的实时阶段，这两项工具均不适用，因为CRA自2027年12月11日起适用，而该指令涵盖预测… (后续被截断)