GNN诊断协议揭示负荷预测优势源于参数共享

2026年10月27日，一项发表于arXiv的研究提出了针对GNN在电力负荷预测中的诊断协议。该研究旨在通过对比逐节点网络等参照模型，准确区分模型性能增益究竟源于图结构还是参数共享。 在英国低压馈线数据的测试中，研究发现参数共享恢复了约三分之二的误差差距，而图结构带来的增益在重连测试中消失过半。这表明GNN的性能优势主要受限于参数共享机制，而非独特的图拓扑结构。 在客户序列短窗口数据中，邻域均值反而降低了逐节点模型的性能。基于此，作者建议在进行归因时，必须先对比参照模型，以确认图结构是否真正贡献了预测增益，避免产生错误认知。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。