夜雨聆风"负荷预测"这四个字，听着就很高级。
很多新人以为这得用Python、算法、机器学习，觉得自己不是技术出身，做不了。
错了。
负荷预测当然可以很复杂，但对于电力交易新人来说，一个Excel完全够用。
你不需要算法，不需要编程，只需要——把历史数据和时间对应起来，找出规律，然后往前推。
这篇文章，手把手教你用Excel做最基础的负荷预测。够用、好用、上手就会。
先说结论：负荷预测的本质
负荷预测的核心逻辑就一句话：
过去怎么用电的，未来大概率还是怎么用电——除非有变化。
这句话包含三层意思：
你的Excel预测，就是围绕这三层展开的。
第一步：准备好你要的数据
做负荷预测，你至少需要两类数据：
1. 历史负荷数据
最理想的情况是有过去一年的小时级负荷数据（全年8760小时），但这对新人来说可能拿不到。
退而求其次：
2. 相关因素数据
影响负荷的因素很多，但核心就这几个：
这些数据你都能从公开渠道拿到：日期日历、天气预报、客户生产计划。
第二步：在Excel里建一个「负荷基准表」
别一上来就画图、跑公式。先建表。
假设你拿到的是某个用户过去3个月的日用电量数据，打开Excel，按下面这个结构建表：
然后做什么？
填充下去。
3个月的数据，90多行，手动填也行，让客户导出也行。
填完之后，你手里就有了这个用户最基础的「用电画像」。
第三步：找出规律——用透视表拆解
Excel最强大的功能之一就是透视表（Pivot Table）。
用它，你可以快速回答三个问题：
问题1：工作日和周末用电差多少？
结论：周末用电比工作日少30%-40%。
问题2：气温对用电的影响有多大？
把气温分成几档（如：<10℃、10-20℃、20-30℃、>30℃），看每档的平均用电量：
结论：极端气温（很冷或很热）用电明显更高。
问题3：这个用户的「典型负荷」是多少？
排除节假日、极端天气日之后，工作日的日用电量大概率落在一个区间里：
工作日典型负荷：11500-13500 kWh/日
这个「典型负荷区间」，就是你预测的基准值。
第四步：预测明天——最简单的「类比法」
假设今天是2025年4月15日，星期二，气温18℃，你要预测明天的用电量。
步骤：
明天是周三，工作日 气温预报20℃，属于「舒适区」 没有节假日，没有停产计划
预测公式：
明天负荷 = 工作日典型负荷区间 × 气温修正系数
| 12000 kWh |
如果是夏天呢？
| 12800 kWh |
这个方法叫类比法：找历史上类似条件的日子，看那天用了多少电，稍微调整就好。
第五步：进阶一点——用Excel做简单回归分析
类比法够用，但如果你想更"科学"一点，Excel也能做回归。
方法：数据→数据分析→回归
（如果你看不到「数据分析」选项卡，去「文件→选项→加载项」里启用「分析工具库」）
把你需要的变量填进去：
Y值：日用电量（E列） X值：可能是最高气温（D列）、星期数（B列）
Excel会给你一个回归结果，关键看几个数：
用回归公式预测：
用电量 = 截距 + 气温系数 × 气温 + 星期系数 × 星期 + …
举个具体例子（假设回归结果）：
预测：气温22℃的工作日
用电量 = 8500 + 150×22 + 2500 = 14300 kWh
第六步：别忘了「扰动因素」
Excel能算规律，但算不出突发状况。
预测的时候，你必须手动叠加「扰动调整」：
怎么用？
在Excel预测值旁边加一列「调整后预测」，手动填入调整系数：
总结：Excel负荷预测五步法
这五步下来，你的负荷预测精度至少能达到**±15%以内**——对于报价决策来说，已经够用了。
附录：一个完整的Excel预测模板结构
你把这个结构存成模板，每次拿到新数据，填进去，预测值自动出来。
更多电力交易干货，欢迎关注公众号「羲爻」