我一直在思考我之前的答案，现在我不那么乐观了。

由于外部环境条件（尤其是温度）以及决定工作模式的社会习俗，电力消耗在小时内会发生变化，因此出现了一个问题。当夏令时开始或结束时，这两个转变之间的对齐突然发生：“太阳落山的时间”可能从工作日的落下转变为晚上/晚餐时间的落下。

因此，挑战不仅仅涉及如何在转换点立即编辑值。问题是 DST 和标准时间是否应该在某种意义上被视为不同的制度。

当然，您解决问题的谨慎程度取决于您将使用预测的目的。出于许多目的，忽略细微之处并按照您的第一个建议继续进行可能是可以的。我的建议仍然是先尝试一下，看看您的模型的准确性是否足以满足您特定应用程序的需求。

如果结果不令人满意，第二阶段的复杂性可能涉及将您的项目分成两半，并为冬季制度和夏季制度创建单独的模型。这种方法有很多值得推荐的地方，实际上：温度和功耗之间的关系大致呈 U 形，在 18 摄氏度左右达到最低值，反映了温度变化对加热和冷却需求的影响方式的差异。因此，无论你想出什么模型，最终都会像两个独立的特定体制模型的联合一样。

上面的一个变体——几乎是重新措辞——将在你的回归方程中包含一个 DST 虚拟变量。这听起来很明智。

同样，最大的问题是：投入多少时间和精力来探索这个问题以及它对预测质量的影响是有意义的？如果您正在从事应用工作（据我所知），目标是制作一个适合用途的模型，而不是毕生致力于寻找所有可能模型中的最佳模型。

如果你真的想探索这个问题，你可以看看这篇论文：

Ryan Kellogg, Hendrik Wolff，日光时间和能量：来自澳大利亚实验的证据，环境经济与管理杂志，第 56 卷，第 3 期，2008 年 11 月，第 207-220 页，ISSN 0095-0696，10.1016/j.jeem.2008.02 .003。

关键词：能源；夏令时；差异中的差异

作者利用了这样一个事实，即同一纬度的两个澳大利亚州在实施夏令时方面有不同的规则。这种差异为有关 DST 对能源消耗影响的自然实验创造了条件，其中一个州充当“治疗组”，其邻居充当“对照组”。更多背景信息可从Hendrik Wolff 的网站获得。这是一项有趣的工作——尽管对您的应用程序来说可能有点矫枉过正。

建议的程序——扔掉额外的一小时，通过平均附近的值来填补缺失的一小时——让我觉得很合理。受影响的时间是在系统正在提取其基本负载的半夜。基本负荷的波动性比峰值负荷的波动性要小得多。因此，预测结果不太可能对细节敏感：任何合理的解释转换的方法都应该在校准预测模型方面产生大致相同的结果。