時間序列建模中的夏令時（例如加載數據）
我想對日內電力負荷數據進行建模。我有一年中每一天的四分之一小時數據。
在許多國家，夏令時是實用的。其結果是，一年一次的時間增加了 1 小時（它有 25 小時），而一年一次的時間縮短了（只有 23 小時）。我不認為更改時間（例如更改為 UTC）是一個解決方案，因為人們在“本地”時間而不是 UTC 時間上午 8:00 上班。
我在文獻中發現的是，例如，使用回歸分析建模和預測短期負載。在那裡，多餘的小時被丟棄，缺少的小時被平均值填充。
這裡最常用的程序是什麼？你如何應對這個問題？
我一直在思考我之前的答案，現在我不那麼樂觀了。
由於外部環境條件（尤其是溫度）以及決定工作模式的社會習俗，電力消耗會隨著時間變化而出現問題。當夏令時開始或結束時，這兩個轉變之間的對齊突然發生：“太陽落山的時間”可能從工作日的落下轉變為晚上/晚餐時間的落下。
因此，挑戰不僅僅涉及如何在轉換點立即編輯值。問題是 DST 和標準時間是否應該在某種意義上被視為不同的製度。
當然，您解決問題的謹慎程度取決於您將使用預測的目的。出於許多目的，忽略細微之處並按照您的第一個建議繼續進行可能是可以的。我的建議仍然是先嘗試一下，看看您的模型的準確性是否足以滿足您特定應用程序的需求。
如果結果不令人滿意，第二階段的複雜性可能涉及將您的項目分成兩半，並為冬季制度和夏季制度創建單獨的模型。這種方法有很多值得推薦的地方，實際上：溫度和功耗之間的關係大致呈 U 形，在 18 攝氏度左右達到最低值，反映了溫度變化對加熱和冷卻需求的影響方式的差異。因此，無論你想出什麼模型，最終都會像兩個獨立的特定體制模型的聯合一樣。
上面的一個變體——幾乎是重新措辭——將在你的回歸方程中包含一個 DST 虛擬變量。這聽起來很明智。
同樣，最大的問題是：投入多少時間和精力來探索這個問題以及它對預測質量的影響是有意義的？如果您正在從事應用工作（據我所知），目標是製作一個適合用途的模型，而不是畢生致力於尋找所有可能模型中的最佳模型。
如果你真的想探索這個問題，你可以看看這篇論文：
Ryan Kellogg, Hendrik Wolff，日光時間和能量：來自澳大利亞實驗的證據，環境經濟與管理雜誌，第 56 卷，第 3 期，2008 年 11 月，第 207-220 頁，ISSN 0095-0696，10.1016/j.jeem.2008.02 .003。
關鍵詞：能源；夏令時；差異中的差異
作者利用了這樣一個事實，即同一緯度的兩個澳大利亞州在實施夏令時方面有不同的規則。這種差異為有關 DST 對能源消耗影響的自然實驗創造了條件，其中一個狀態充當“治療組”，其鄰居充當“對照組”。更多背景信息可從Hendrik Wolff 的網站獲得。這是一項有趣的工作——儘管對您的應用程序來說可能有點矯枉過正。