能源预测为什么不能只给一个精确数字？

能源预测经常给出精确到个位的装机量、价格或需求数字，展示形式很整齐，误差却未必真的这么小。经济增长、天气、政策、技术成本和项目进度都可能偏离假设。预测的用途是帮助决策者理解条件变化后的结果，不是把单一路径包装成确定事实。

先区分预测、情景与目标

短期预测通常依据近期数据估计较可能出现的结果，长期情景则回答一组假设成立时系统可能怎样发展。政策目标表达希望达到的状态，不能与模型输出混为一谈。

美国能源信息署将年度能源展望称为替代未来分析，而非对未来的断言。其基准和侧案例分别改变经济增长、资源供应、技术成本与电力需求等假设，用来观察结果范围。

精度不能超过输入质量

负荷数据只有年度粒度时，模型很难可靠回答逐小时峰值问题。设备成本来自少量项目、政策尚未落地或并网队列缺少完成率时，输出应保留相应的不确定性。

报告可说明数据截止日、样本范围、缺失值处理和模型限制。小数位只是计算结果的格式，不代表现实世界具有同等精度。

区间和敏感度更利于决策

基准值之外，可给出合理区间，并显示燃料价、资本成本、工期和需求变化各自会让结果移动多少。决策者由此能看出哪些变量值得持续监测。

情景数量无需很多，但要覆盖会改变选择的组合。若多个情景都支持同一项投资，结论较稳健；若方案只在极窄假设下成立，合同和阶段闸门应保留退出空间。

预测要接受事后复核

每次更新应保留旧版本，比较实际值与预测值，并解释误差来自数据、假设还是模型结构。只覆盖旧数字，会失去改进下一轮预测的依据。

企业可为关键变量设置触发阈值，到达后重跑模型并复核项目计划。需要整理能源预测数据、情景模型资料和企业数字化内容，可访问 凯乐丰 Colorfun 官网 了解相关服务。