天气归一化：分开度日与基础需求

CoTrading 编辑团队 2026-10-26 Read in English

天气温暖时能源销量可能下降，即使客户基础没变。研究比较应固定天气，同时保留非天气需求。若基础负荷不随采暖天气变化，把全部销量乘度日比例往往不能完成这项任务。

交付物是服务地域度日表和明确反事实需求计算。数量和系数全部虚构，是描述模型，不证明因果、不预测盈利或未来天气。

定位度日及数据类型

NOAA气候预测中心Degree Day Introduction以六十五华氏度参考、日均温和零下限定义采暖及制冷度日，也说明人口加权与页面展望范围，定位Introduction和Explanation of tables。

来源用于定义，不能将展望改叫实测。实际期间要对应观测日序列，固定天气要另列历史常态或所选基准及期间方法。本例一千HDD是教学参考，不冒称某公用事业NOAA常态。

华氏与摄氏口径保留，按华氏度日估的系数不能直接乘摄氏度日。站点、参考温度、缺日处理、日期和权重都放在累计值旁。

逐日再累计

假设日均五十五华氏，HDD为六十五减五十五与零取大，等于十，CDD零；日均七十五时HDD零、CDD十。两天合计分别十。

若先平均两天温度得六十五，再套公式，会错误把两类都算零。每日门槛和累计有意义，不能让冷暖日先抵消。

需求模型也应区分两种度日。采暖敏感产品不自动对制冷度日有同一系数，两者都重要就分别写项与证据，不随意相加HDD、CDD。

完整需求主例

假设同一报告期、同一服务人群，需求Q单位吉瓦时，基础一百，每个华氏HDD增加零点二。系数是明确假设，不是对真实发行人的经验估计。

参考天气一千HDD时，模型为一百加零点二乘一千，等于三百；实际天气八百时，为二百六十。天气差四十吉瓦时。

假设实际销量二百五十，相对实际天气模型残差负十。固定到参考天气并保留残差，应加零点二乘一千减八百，得到二百九十。

对象	吉瓦时	含义
参考天气模型	300	基础加假设采暖项
实际天气模型	260	同系数，不同HDD
观测销量	250	虚构实测输入
固定参考天气销量	290	实际加天气差40
对参考模型剩差	−10	残差保留，原因未证

剩十不能自动叫客户流失、节能或价格影响，可能有遗漏因素、测量差或系数不合适。将它变成待查问题，而非完成因果归因。

固定天气不是把实际销量强行调回模型三百。若这样做，就把本应保留的非天气偏差也删掉，失去研究它的机会。

全量比例法反例

二百五十乘一千除八百，得到三百一十二点五，把基础负荷也当全随天气变化，比加法调整高二十二点五。这是另一种没有所述固定基础的模型。

只有证据支持，才能用快捷法，不能因调整后增长更大而选择。基础、天气项与残差三列，让读者能复算和质疑。

本例基础只在匹配期间和人群下固定。账期天数或客户量不同要另处理，不能将月基础原封不动搬到另一服务天数期间，还声称其他条件不变。

如果销量来自抄表周期，天气也匹配对应周期，不能拿自然月温度配跨月消费。无法逐户匹配时，应说明所用近似及敏感性，而不是将日期错位归为客户行为。

服务地域权重边界

另设地区A六百HDD、B一千二百；客户暴露权重A百分之七十五、B二十五，公司加权为七百五十。另一人口权重A二十五、B七十五，则一千零五十。

差三百度日，在零点二假设下影响六十吉瓦时。两组权重都不是通用正确，取决于代表谁。NOAA人口权重不自动代表企业客户或某产品业务。

取得服务地域和相关暴露权重。客户数、交付量等权重回答不同问题，要标定义。期间权重改变时，保留固定权重比较或归因组合变化，不能全叫天气。

地区数据频率也要一致。用一个地区完整月、另一个地区少几天累计，再做加权，可能把缺日误当暖和。先补支持的方法或列不完整范围，不能让权重表掩盖原始覆盖问题。

参数漂移和缺失证据

线性系数不变是假设。采暖设备、客户行为、节能、价格或工业活动变化，可能让旧关系不适合；这是待用需求与公司数据检验的假说，不是度日定义已证明。

某站缺日不能算零HDD，要有记录的替换方法或不完整累计与条件范围。权重或服务地图缺失，官方区域值只作背景，不冒充企业暴露实测。

拟合值与销量分开，过去拟合好也可能后来有误差。真实经验模型替代虚构系数时，记录估计期间、系数版本及验证。增加小数位不减少模型规格不确定性。

可以对系数做透明敏感性，但不能把最有利的系数当真实。每一行仍保留相同观测销量、实际和参考天气，只改明示参数，读者才能看出结论依赖哪项假设。

可执行天气核验表

输入	应取得记录	检查动作
天气	日观测或已定义度日	基准单位、缺日和日期
地域	服务图与权重	客户暴露不当人口均值
需求	匹配交付能源或销量	同产品、期间和人群
模型	基础、系数及估计记录	假设或拟合及稳定范围
参考	基准名和来源版本	情景不改叫官方常态
调整	算术与残差	基础不按全部天气缩放

冲突先查实测与预测、华摄氏、累计日期、权重和参考期，不平均不兼容HDD，也不挑增长最强序列。

观测修订、需求、地域、基准或参数漂移触发更新。保存原版与修订，把天气数据变化与模型变化分开。结论写反事实天气、明确系数和剩余残差，不把归一化序列当基础需求因果证明。

系数与地域响应的敏感性

只改变HDD假设系数，零点一使固定天气销量为二百七十，零点三使其三百一十，原零点二为二百九十。这是条件结果，不是统计置信区间。模型预测和残差也一起改变，不能仍保留原负十并声称规格不变。

在独立两地区例，假设A系数零点一、B零点三，仍用百分之七十五和二十五权重，天气项为零点七五乘零点一乘六百，加零点二五乘零点三乘一千二百，等于一百三十五。共同零点二乘加权七百五十会得到一百五十，差十五源于响应假设不同，天气权重序列本身不能证明需求系数。

这两项检查帮助明确待取得证据：不是仅多找一份温度表，而是需要匹配服务人群的需求响应记录。若企业披露的归一化方法没有系数或基础处理，就不能独立复现，应说明黑箱范围，而非用自选公式当作公司方法。

选择参考期也会影响比较。异常冷的单年与长期平均不是同一问题，必须标明为什么使用一千HDD及覆盖期间。若后来换参考基准，旧数据应在同基准下可比重算或分别标注，不能把基准变化叫经营趋势。

客户新增同样需要独立桥。若新客户集中在较冷地区，观测销量变化混合人数、地域与天气；只用固定旧权重可能不代表当前业务，用新权重又会改变历史比较。将固定总体与当前总体两种结果分开，保留其目的。

最终交付可存日度输入、地域权重、模型参数和调整输出四张相连表，每个汇总都能回到原期间。缺一站数据时标到具体日，不让一个已经舍入的月HDD隐藏缺失。这样后续修订可定位来源，而不是整个结果都无法解释。

版本归因时先冻结其他输入：需求数据修订一行，天气修订一行，参数或权重修订另一行。若同时替换再只比较最终二百九十，就不知道变化来自真实消费、测量还是规格。每一步记录所用数据版本，无法分解的交互差异另列，不强塞天气贡献。

天气观测区间与参数敏感性也不同。零点一到零点三不是NOAA给出的天气置信区间，不能借官方来源为自设系数概率背书。读者应能分别识别实际天气、未来展望、选择的参考以及模型不确定性。