综述：推进长期能源需求预测：基于PRISMA指南的人工智能与计量经济学模型系统综述

《Applied Research》：Advancing Long-Term Energy Demand Forecasting: A PRISMA-Guided Systematic Review of AI and Econometric Models

　　

摘要 长期能源需求预测被政府、公用事业公司和规划者用于决定未来的电网容量、投资需求和脱碳路径。本综述考察了近期采用人工智能（AI）、机器学习（ML）、混合模型以及统计/计量经济学方法进行长期能源需求预测的研究。本综述遵循PRISMA 2020指南。从Scopus和IEEE Xplore中检索到的2023–2025年间980篇文献中，最终保留42项研究。这些论文被分为三大主题：深度学习与混合模型、集成机器学习模型、以及统计/计量经济学模型。深度学习与混合模型报告的最优结果为R2 = 0.97，显示出对非线性需求行为良好的建模能力。集成研究也报告了鲁棒性的提升，包括RMSE最高降低37%，MAPE值低于2%。在数据集有限或政策假设需要明确表述的情况下，ARIMA、SARIMA和LEAP仍然具有实用性。本综述还发现，在基准测试、跨区域验证、不确定性报告以及标注的限制性说明部分存在反复出现的不足。总体而言，长期能源需求预测的模型选择不仅应考虑准确性，还应考虑数据可得性、可解释性和政策用途。

1 引言

长期国家能源需求预测是当前电力部门决策的核心。印度尼西亚的2050年转型情景依赖此类预测；西班牙的能源强度轨迹与之对照绘制；中国的发电结构规划亦以此为基础。当前有三重压力使预测任务更加困难。首先，城市化正以历史模型无法捕捉的速度增加负荷。其次，全球可再生能源建设改变了日内供需关系。第三，交通和供暖领域的电气化正在重塑负荷曲线，其方式既非1990年代也非2010年代的预测所能预见。能够应对这三重压力的预测对至少四类受众至关重要：输电网规划者、部级监管机构、发电资产投资者以及为低收入国家产能扩张提供融资的捐助机构。每个受众以不同视角解读同一组数字。早期的能源建模和计量经济学方法在结构化长期规划中仍然有用，但主要基于线性GDP–能源关系的模型，在需求受到可再生能源整合、电气化和政策驱动的转型路径影响时日益受限。这在LEAP等长期情景研究中尤为明显，当技术采用速度超过早期预测假设时，可再生能源假设可能需要修订。本综述旨在填补这一空白。

近期文献呈现三个方法论侧重点不同的主要流派。印度尼西亚和中国的场景研究使用LEAP进行脱碳规划；少数作者在这些模型中加入了明确的可再生能源建设冲击。被综述文献中一个不断增长的流派将统计基线与机器学习或深度学习组件相结合，包括混合经典统计和机器学习预测设计。深度学习组件处理非线性负荷模式，其中RNN、LSTM和GRU模型已被应用于基于时间、气象和负荷消耗特征的电力需求预测。统计基线支持预测可解释性，两者通常在同一国家需求序列上联合训练。第二个较小的流派测试自适应架构以应对非线性驱动因素：GDP、人口结构变化和消费者行为。该文献规模较小，但也正是在这里发现了标准CNN-LSTM研究忽略的重要输入，如消费者信念面板和炎热夏季的季节性反弹效应。

从综述文献和先前调查覆盖中识别出四个研究空白。区域覆盖不均衡：本综述的42篇论文过度采样中国、美国和土耳其，而对撒哈拉以南非洲、中亚和太平洋岛国电网采样不足。各论文报告的MAE和MAPE值因测试集划分不同而无法直接比较；有些是随机80/20划分，有些是时间感知80/20划分，还有些是在固定视界上进行滚动验证。42项主要研究中没有一项在文章结构中报告限制性说明部分。这被认为是结构性缺口，而非写作失败。电动汽车负荷和双向智能电网反馈整合到长期预测中的研究在综述文献中很少见，即便有尝试，模型通常将电动汽车渗透率作为已知输入进行外推，而非与需求联合建模。这四个空白通过PRISMA指导的综述协议、对所选研究的结构化质量评估以及比较AI驱动、集成、混合和统计与计量经济学预测方法的主题综合来加以解决。本综述遵循从研究识别到综合的PRISMA流程。AI驱动和统计/计量经济学研究使用相同的质量标准进行评估，从而形成了合适的预测方法分类体系。

因此，本研究旨在系统综述2023年至2025年间发表的近期长期能源需求预测研究，重点关注基于AI、集成、混合以及统计和计量经济学的模型。具体目标包括：对主导方法论方法进行分类，比较其预测优势和局限性，评估所选研究的报告质量，并识别与未来能源需求预测研究和政策导向规划相关的方法论空白。

2 长期预测综述的进展

大多数长期预测研究属于三种方法论传统。第一种是基于情景的模拟，在需要透明且可编辑政策的预测时仍然有用。第二种是计量经济学和系统分析，将需求按部门分解，并使用GDP、人口和结构性驱动因素进行预测。第三种是机器学习和混合建模，其中深度学习组件通常用于捕捉非线性模式，而统计或基于情景的组件支持可解释性和校准。在第四节综述的42项研究中，很少有研究在2008年、2020年或2022年等未见冲击年份上评估模型性能。这一缺失代表了结构性报告缺口。因此，QA记分卡被设计为严格评估该标准，因为无法经受保留冲击年份评估的模型不应被推广为长期预测器。

基于情景的模拟在政策、技术和外生突发事件下预测需求。终端使用建模评估了克罗地亚的交通电气化；LEAP已应用于伊朗Marun盆地（农村太阳能电池板使CO₂排放减少17%）、哥伦比亚Pamplona地区的后COVID情景、埃塞俄比亚到2050年达到4,900 PJ的轨迹以及巴基斯坦的部门展望。在统计数据有限的情况下，整合Sankey能源流和Leslie矩阵的混合LEAP已将情景分析扩展到次国家区域。

计量经济学和系统分析将需求分解为部门、驱动因素和经济变量。Sánchez-Durán等人预测了西班牙能源强度与GDP的脱钩（到2030年–30%）；俄罗斯的需求已通过系统分析框架按部门和区域分解至2040年；一项对亚洲新兴经济体十国研究揭示了能源强度与收入之间的非单调关系。

机器学习和混合模型在定量预测研究中占据突出地位。ANN-TLBO在土耳其优于基线优化器，RMSE降低39%；序贯XGBoost改善了新南威尔士州的峰值电力需求；三种变体ML模型增强了智能电网预测。纳入需求侧管理数据使美国MAPE降低36%；逐步线性回归和遗传算法对土耳其达到MAPE值2.36%和2.97%；粒子群优化（PSO）优化的SVR与ARIMA和ANN融合推进了伊朗的峰值负荷预测。RNN–GBRT混合模型改善了家庭需求预测并实现了新颖的窃电检测。

系统级整合最近将情景规划与AI公式相结合。EnergyPLAN-Helena揭示了丹麦高可再生能源路径下需求侧灵活性的收益。混合系统动力学与发电结构规划相结合，捕捉了中国低碳转型中电力需求与发电结构之间的双向反馈。通过应用于土耳其电网的嵌套数学重构，可实现小时级粒度。

3 研究问题

研究问题采用PICo框架构建。PICo使用Population、Interest和Context；这里的“C”不指comparison。在本综述中，population指国家或区域能源需求，interest指预测方法，包括模型设计、输入和精度指标，context指预测应用的政策和电网环境。选择PICo是因为本综述既考察模型性能，也考察预测结果被解释的政策环境。

三个研究问题为：

RQ1. 在可再生能源整合和气候变异条件下，深度学习和混合模型用于长期预测的准确性和适应性如何？

RQ2. 集成机器学习方法如何改善长期能源需求预测？

RQ3. 统计和计量经济学模型对透明长期能源规划的有用性如何？

4 材料与方法

4.1 PRISMA框架

采用PRISMA 2020指导综述过程。图2报告筛选流程，表1给出2025年5月使用的Scopus和IEEE Xplore检索字符串。

4.2 识别

Scopus返回946条记录；IEEE Xplore返回34条记录。初步识别累计980篇出版物。

4.3 筛选

筛选过程中使用的纳入和排除标准包括：语言限定为英语；时间跨度为2023–2025年；文献类型限定为期刊文章；出版阶段限定为最终版；学科领域限定为能源、工程和计算机科学。应用这些标准排除了828条记录，剩余152篇文章（139篇来自Scopus，13篇来自IEEE Xplore）。消除6篇重复后，得到146项研究。

4.4 合格性

146篇文章经过标题、摘要和内容的深入审查。排除能源需求预测范围之外的文章、标题琐碎、摘要不一致或全文不可获取的文章。经过严格审查后，保留42篇高相关性和高质量的文章进行分析。

4.5 数据提取与分析

共综合42项纳入研究。整合方法允许每项研究跨主题比较，而非孤立分析。第一和第二作者独立编码主题，对模糊案例保持共享决策日志，通过重新阅读原始论文解决分歧直至达成共识。未使用编码软件。每个条目在主题标记后重新阅读以检查解释一致性。

4.6 质量评估

根据Anas Abouzahra等人的框架，主要研究质量使用六项质量评估标准进行评估：QA1研究目的是否明确陈述；QA2工作的兴趣和有用性是否清晰呈现；QA3研究方法是否明确建立；QA4方法概念是否清晰定义；QA5工作是否与其他类似工作进行比较和衡量；QA6工作的局限性是否明确提及。每项研究按Y（1.0）、P（0.5）或N评分，累计满分6.0。质量评估分数由第一作者初步分配，随后由通讯作者审查一致性和方法准确性。仅保留得分高于3.0的研究。

5 结果与发现

5.1 质量评估结果

所有42项研究均满足QA1和QA2。QA3、QA4和QA5分别由40、38和36项研究满足。然而，没有一项综述研究包含标注的“Limitations”或“Threats to Validity”部分，因此不满足QA6标准。四篇论文包含简短的不确定性评论，但没有一篇使用标注的限制性说明部分。

5.2 主题一：深度学习与混合模型

主题一主要包括循环、卷积和混合深度学习模型。Teleron等人报告CNN-BiLSTM在同一测试集划分上的改进，MAE从780.56降至499.08，MAPE从2.52%降至1.80%，RMSE从1,042.20降至671.37，R²从0.94增至0.97。Criado-Ramón等人将自组织映射和遗传优化聚类步骤分层到模式序列预测上，覆盖11年公共数据集；整合在每个报告的错误指标上均优于纯模式序列。注意力和迁移学习子分支引入了额外的架构变化。Kim等人运行基于LSTM的迁移学习，在模拟和现场建筑数据之间进行四分位距对齐；Alsmadi等人为CNN-LSTM添加注意力权重，针对供暖/制冷度日输入进行日前预测调整。Y?ld?z Do?an等人量化了在可持续城市数据上：CNN-LSTM将R²从0.8086提高到0.8599，优于纯LSTM。Abu Al-Haija等人将NAR神经网络应用于全球能源需求序列，报告了十年以上视界的性能，是42篇论文集中唯一在10–25年范围之外评估的架构。这些发现表明，长期视界性能不仅取决于模型规模，还取决于动态和静态组件如何组合。

5.3 主题二：机器学习与集成方法

当时间序列数据覆盖在不同时期不均匀时，集成模型特别有用。通过组合具有不同建模假设的学习器，集成方法可以减少对特定时期的过拟合，并在异构数据集上提高鲁棒性。Bakare等人构建了ANFIS + 基因表达式编程（GEP）对，报告了更快的收敛速度。Kaur等人对BiLSTM超参数运行遗传算法调优；设备级误差低于默认BiLSTM基线。本SLR中的最高R²来自Kayac? ?odur：在1979–2021年土耳其数据集上，使用Extra Trees和Random Forest基学习器及Ridge元学习器的堆叠配置达到R² = 0.9882，这是本综述中识别的最高单研究R²。同一作者随后报告了比较胜率：堆叠集成在67%的预测样本上击败每个单一基学习器。Emami Javanmard和Ghaderi通过PSO/灰狼优化在伊朗七个能源消费部门运行ANN + ANFIS：部门MAPE为0.002–0.013，到2040年总需求增长建模为75.65%–82.94%。Swide和Marhoon在月度国家消费数据上运行集成深度学习 + 随机森林。实证证据倾向于一个方向：集成在国家规模月度或季度数据上主导单一学习器，具有明确元学习器的堆叠配置表现最佳。

5.4 主题三：统计与计量经济学模型

主题三涵盖输入和假设可以更直接追踪的模型。Li等人使用LEAP-China预测2049年国家需求峰值。Ur Rehman等人发现ARIMA在巴基斯坦2035年工业预测中表现优于ARIMA、Holt-Winters和LEAP。Yudiartono等人将LEAP应用于印度尼西亚2050年可再生能源路径，而Fields等人将MAED应用于塞拉利昂。这些例子表明，当政策假设必须保持可见时，统计和基于情景的工具仍发挥持续作用。

5.5 比较综合

AI模型预测能力高（适用于复杂数据集），数据需求大，可解释性低（黑箱），政策相关性有限（技术性），非线性处理能力强，对干扰的鲁棒性中等（对冲击敏感），研究空白包括可解释性低和经济驱动因素整合薄弱。计量经济学模型预测能力中等（适用于结构化关系），数据需求小/结构化，可解释性高（基于经济理论），政策相关性强（广泛使用），非线性处理能力弱（线性假设），对干扰的鲁棒性中等（依赖设定），研究空白包括非线性弱点和大数据适应有限。混合模型预测能力非常高（结合优势），数据需求中等到大，可解释性中等（可通过可解释AI改善），政策相关性强（准确性+理论），非线性处理能力强，对干扰的鲁棒性高（组合方法），研究空白包括探索不足和需要标准化验证。

5.6 主题分布

图5和图6展示了综述研究按主题和年份的分布。

6 讨论

6.1 跨主题洞察

在各主题中，最清晰的重叠出现在预测模型与校准或情景组件相结合的地方。三个流派之间最强的趋同出现在将预测模型与校准、统计或基于情景的组件相结合的研究中。混合架构通常将LSTM骨干与CNN特征提取器或注意力层配对以改善非线性预测。在综述研究中，混合和集成模型相对于选定的单流基线报告RMSE降低30–37%。LEAP等基于情景的模型进一步延长了预测视界，如本综述中的中国和印度尼西亚案例所示。

6.2 对政策制定者的启示

考虑两个利益相关者群体：设定可再生能源整合假设的部委和开发预测模型的工程团队。对于部委，深度学习预测应附带简短的情景说明，涵盖最佳情况、最差情况和政策逆转条件。对于模型开发者，推荐三种实践：第一，使用移动训练窗口进行模型校准，以捕捉气候压力下负荷与天气关系的变化；第二，集成设计应组合统计模型、决策树模型和神经学习器，而非仅依赖两个模型族；第三，定期更新GDP和人口输入序列，因为GDP、收入与能源使用之间的关系可能随时间变化。

6.3 对研究实践的启示

建议分为三组：期刊编辑、模型开发者和基准设计者。对于期刊编辑，QA记分卡指出两个报告问题。首先，42项综述研究中没有一项包含标注的限制性说明部分，建议在稿件准备期间更明确地要求限制性报告。其次，比较分析的部分得分率表明一些研究未清楚解释其提出的架构与既有方法的差异。对于模型开发者，两个实践空白值得关注。第一，异常检测。42个数据集中的三个包含视觉上清晰的异常，但没有模型明确处理。第二，迁移学习。大多数架构现在在国家内拟合和测试。跨国家泛化很少见，在尝试的地方，准确性下降8–15个百分点。对于基准设计者，考虑到电网概况和政策制度的异质性，单一全球基准不太可能实现。区域基准比单一全球基准更可行。四族基准设计可围绕ASEAN（热带需求模式）、MENA（石油冲击暴露电网）、欧洲（高可再生能源密度电网）和撒哈拉以南非洲（低数据制度）构建。撒哈拉以南非洲层级是纳入文献中基准设计工作最少的。

6.4 方法论反思

本SLR承认三个局限性。第一，综述继承了主要研究的局限性；纳入研究中的任何错误或遗漏可能影响综合，因为模型重新执行超出综述范围。第二，报告指标不可直接比较，因为不同研究的MAE、RMSE、MAPE和R²使用不同测试集划分计算。因此未进行定量元聚合，因为报告值不可通约。第三，所提出的分类法短期内应保持有用，但随着基于注意力和Transformer的预测架构被更广泛采用，深度学习类别可能演变。主题二和主题三预计保持更稳定，因为集成和统计/计量经济学方法较少依赖单一主导架构。

7 结论

在42项综述研究中，与研究问题相关的三个主要发现浮现。RQ1——深度学习和混合模型在若干综述研究中展示了强大的预测能力，最佳报告案例达到R² = 0.97。然而，性能因数据集特征、预测视界、模型架构和验证程序而异。RQ2——集成方法，最常见的是堆叠和提升混合，产生了最大的预测误差降低，最佳案例报告RMSE降低37%，特别是在数据集包含需求漂移、缺失值或异构输入模式时。RQ3——统计和计量经济学模型对长期视界规划仍然有用。ARIMA、SARIMA和LEAP在数据集较小或预测必须清楚展示其假设时适用。在这种情况下，模型选择应考虑可解释性以及测试集准确性。

本综述将42篇论文组织为共同分类法，并使用统一的合格性和QA程序比较AI驱动、混合、集成和统计/计量经济学预测方法。最清晰的报告缺口是限制性披露，纳入论文中没有一篇使用标注的限制性说明部分，只有少数讨论不确定性。

8 局限性与未来工作

8.1 范围

本综述限于2023年至2025年以英语发表的能源、工程和计算机科学期刊文章。因此，英语文献之外部委使用的工作可能代表性不足。2023年之前发表的相关文章超出本检索范围，以确保仅综述近期研究工作。综合限制方面，未进行定量元聚合。主要研究不共享一致的测试集划分。有些数据是随机80/20划分，其他是时间感知80/20和固定视界滚动验证；少数仅披露最终年份测试窗口。没有可比较的测试集划分，第五节中的MAE、MAPE、R²、RMSE数值在各论文间不可直接比较。这被视为标记为未来工作的质量问题，而非在本SLR内追溯修复的缺陷。未来工作应解决三个领域：（i）可解释AI。黑箱准确性在政策环境中越来越难以辩护。SHAP式归因或注意力可解释性预计将在2026–2027年成为标准实践。对于面向政策的预测，可解释性应显示哪些输入特征对长期视界预测贡献最强。（ii）异常感知训练。本综合中42个数据集中的三个包含可见数据异常，没有模型明确处理，通常是工业罢工位移或疫情期反弹且无外部指标。（iii）区域基准族。本综述建议每个电网原型一个基准族：热带、MENA、高可再生能源密度和撒哈拉以南非洲。每个基准族应应用通用滚动协议，包括时间感知80/20划分，随后在5年保留窗口上进行滚动验证。单一全球基准在近期内不太可能可行。