2026年9月30日上午，应兰州大学管理学院公共政策研究所邀请，四川大学特聘教授、博士生导师余乐安在城关校区（西区）齐云楼204会议室为师生带来题为“数据特征驱动的电力系统源荷预测技术研究”的学术报告。讲座由张国兴教授主持。

余乐安首先从电力系统的发展历程切入，介绍了我国电力行业的发展阶段、电力体制改革及储能在电力系统中的作用，阐述了电源侧风电出力预测与负荷侧电力需求预测的研究背景。他指出，电力系统运行需要保持供需实时平衡，准确预测发电供给与用电需求是开展电力调度优化的重要基础。风电出力具有复杂性、间歇性等特征，电力负荷则呈现明显的周期波动与峰谷变化，如何依据不同数据特征构建适配的预测模型，是提升源荷预测效果的关键问题。

接下来，余乐安围绕预测研究中的模型选择问题，梳理了经验驱动、模型驱动、数据驱动与数据特征驱动等研究范式，重点介绍了数据特征驱动建模的基本思想。他以对数据进行“体检”为喻，说明应先识别和测度数据的平稳性、非线性、复杂性及周期性等特征，再据此选择相应的分析方法，减少模型选择的盲目性。在此基础上，他结合“分而治之”的思想，详细讲解了数据特征驱动的分解集成预测方法论，将数据特征识别贯穿于分解、预测与集成全过程，并通过引入模态重构环节，将具有相近特征的分量进行归并，以降低建模与计算复杂度。

围绕具体应用，余乐安分享了三项源荷预测研究。针对风电出力的复杂性特征，依据分解分量的复杂程度进行分类重构，分别匹配预测模型，并通过滚动分解机制避免使用未来信息造成的数据泄露；针对风电出力的间歇性特征，结合数据分布与阶跃性特征优化分解过程，减轻端点效应对预测结果的影响；针对电力负荷的周期性特征，结合二次分解方法及节假日等日历因素，提高短期负荷预测精度。他结合实证结果，展示了数据特征与预测方法相匹配在改善预测效果、提高建模效率方面的作用。

此外，余乐安对电力系统预测研究的未来方向进行了展望，提出应从单变量时序预测进一步拓展至多变量融合预测，深入探究气象、机组运行等外部因素与源荷变化之间的作用机制，同时加强预测误差的不确定性量化研究，推动预测结果与电力调度优化相衔接。他强调，预测研究的最终目的是支撑决策，应注重将方法创新与实际应用需求相结合，为电力系统平稳运行提供支持。

此次讲座围绕电力系统源荷预测的关键问题，将研究范式、方法创新与实证应用相结合，为师生了解能源预测领域的前沿进展提供了学术视角，也为开展数据特征驱动的预测研究、探索预测方法与管理决策的融合提供了有益启示。