一、客户背景
中国能源建设集团投资有限公司是中国能建新能源投资业务的核心平台，业务覆盖多个区域和100多个新能源场站。随着电力市场化改革持续推进，电价波动更加频繁，准确预测现货及中长期市场价格，已经成为制定报价策略、签订交易合约和开展投资测算的重要基础。
电价预测需要综合交易中心披露的市场电价、系统负荷、新能源出力，以及场站运行、气象、市场政策等多类数据。这些数据来源分散、更新频率不同，并且大多具有明显的时序特征。为提升预测效率和准确性，中国能建需要构建统一的时序数据平台，为不同周期的电价预测模型提供稳定、可信的数据支撑。
二、面临挑战
多源数据分散，预测数据准备周期较长
电价、负荷、气象、场站出力和政策等数据分布在不同系统中，采集方式和更新频率存在差异。预测人员需要经过多个环节才能完成数据汇集与处理，难以及时响应快速变化的市场行情。
实时数据处理能力不足，影响现货预测时效
现货市场价格变化快，预测通常需要以15分钟为粒度持续更新。原有数据链路较长，实时数据进入预测系统存在延迟，可能压缩报价调整和交易决策的时间窗口。
数据口径和质量不统一，制约模型准确率
不同区域、场站和业务系统的数据格式及指标定义不一致，部分数据存在缺失、异常和重复问题。数据质量问题会直接影响模型训练和预测结果，增加交易判断的不确定性。
三、TimechoDB 解决方案
构建“场站—区域—中心”三级时序数据架构
中国能建选用 TimechoDB 作为时序数据存储引擎，在场站边缘侧完成数据接入、清洗、校验和压缩，由区域集控中心汇聚辖区数据，集团中心则通过分布式集群形成统一的数据底座。三级架构缩短了数据处理链路，并降低了跨区域传输压力。
统一管理电价预测所需的多源数据
平台统一接入市场电价、系统负荷、新能源出力、气象、场站运行和政策等数据，通过时间戳建立关联，为不同预测周期提供一致的数据基础。TimechoDB 支持时间范围查询、聚合计算、空值填充和滤波等时序处理，减少预测前的数据准备工作。
支撑实时预测与历史模型训练
实时数据通过 Flink 等流处理引擎进行在线加工和窗口聚合，为现货价格预测提供持续更新的数据流；历史数据则与 Spark、Hadoop 等组件协同，用于模型训练、特征分析和参数优化。TimechoDB 与 Doris 分工协作，分别承担海量时序数据存储和多维统计分析。
建立可信的数据治理体系
平台通过统一的数据模型、指标规则和质量校验机制，对数据缺失、异常和重复等问题进行识别与处理，并结合权限管理、数据分级和标准管理，为预测模型持续提供完整、一致、安全的数据。
四、方案效果与应用价值
依托 TimechoDB，中国能建建立了覆盖现货、中长期和长周期的多模型融合电价预测体系：
现货预测以15分钟为粒度，为实时报价和交易策略调整提供依据；
中长期预测覆盖周、月、季等周期，服务合约签订和电量置换；
长周期预测面向投资测算、收益评估和风险管理。
目前，相关预测能力已覆盖20多个省份，现货电价预测准确率达到90%，中长期预测准确率达到85%。同时，平台历史查询效率提升90%，实时数据处理能力提升86%，为交易人员更快识别市场趋势、优化报价策略提供了稳定的数据支撑。
