用途
scienceclaw-benchmark-for33 用于单体建筑的次日逐小时电力负荷预测，面向住宅与商业智能电表数据，采用 BuildingsBench 风格的任务设定。
任务定义
每个预测窗口的输入包括：
- 168 小时逐小时负荷，单位为 kWh，按时间从旧到新排列；
- 建筑 id；
- 类别（residential / commercial）；
- ISO 目标起始时间（target_start）；
- 可选：每栋建筑更早的逐小时历史（形状 n_buildings, T）以及纬度/经度。
交付物为浮点数组，形状 (n, 24)，即接下来 24 小时的逐小时负荷，单位为 kWh，要求数值有限、大于等于 0，并按窗口顺序排列。
质量指标
采用平衡 CVRMSE（百分比，越低越好）：对每栋建筑，在其全部目标小时上计算 100 × RMSE / mean(y)；再取每个类别内的中位数；最后取两个类别中位数的平均值。本地可用 scilib.loadforecast.balanced_cvrmse(y_true, y_pred, building_id, category) 计算。参考基线为重复昨日负荷。
可用库与模型
可通过 scienceclaw_tools(operation=show|weights) 查看。
scilib.loadforecast 提供：仅上下文的昨日基线、day_median、core_forecast(context, category)；学习式 fit(load, history_start, building_id, category) 后使用 LoadForecaster.candidates(...)（键包括 yesterday、mean7、median7、core、ml、ens）；以及 forecast_candidates、backtest_history（在历史内部做留出验证）、pick_lowest、history_windows。
零样本预训练模型（使用前以 available() 检查）：
- scilib.tsfm.forecast：Chronos-2，资产为 chronos_2 / chronos_bolt_base；candidates(..., pretrained=True) 会加入 chronos2 与 ens_chronos2。
- scilib.buildingsbench.forecast：Transformer-Gaussian-L，在模拟的 Buildings-900K 上训练，资产为 buildingsbench_gaussian_l；需要 Box-Cox 归一化后的负荷、日历特征、纬度/经度与建筑类型，按算子中的接线方式提供。
操作算子
- building_load_day_ahead_context_forecast
- building_load_day_ahead_learned_ensemble
- building_load_day_ahead_pretrained_transformer
- building_load_balanced_cvrmse
路线选择
基线：persistence、最近 7 天逐小时中位数（对住宅较强）、core_forecast。学习式：在建筑自身历史上拟合的 ens 集成。用 backtest_history 选择；除非其他候选明显更优，否则保留简单候选。
规则与限制
- 遵守因果性：只使用每个目标窗口之前观测到的数据，且只使用该建筑自身的历史。若同一建筑有多个窗口，绝不能用较晚窗口的上下文去预测较早窗口。
- 少数建筑上的中位数噪声较大，且负荷在历史结束数月后可能漂移；回测中的微小优势是弱证据。
- 保持 kWh 单位与 (n, 24) 形状；在 0 处截断；若预测值远高于近期最大值，通常意味着单位错误。
- Chronos 语料包含公开电力负荷数据，BuildingsBench 模型与数据来自同一项目；应披露可能存在的重叠。
适用场景
适用于需要基于智能电表历史对单体住宅或商业建筑进行次日 24 小时逐小时负荷预测的场景，尤其是 BuildingsBench 风格的数据与评测。
暂未提供的信息
资料未提供该技能的收费、价格、平台支持范围、具体安装命令或代码示例，也未提供实际预测效果数据。