近几年,国家电网公司对财务的精益化管理越来越重视,并且不断加强对资金流动运作的掌控。日售电金额预测可以为公司动态调度资金提供有效的参考,对于国家电网资金部署和投资建设有非常重要的意义。目前关于电网售电金额的预测大多以月为粒度,无法满足公司实时管控的高效要求。在这样的背景下,本文设计了用于日售电金额预测的组合模型与实验方案,以期为电网公司实行精益化财务管理提供参考。通过对电网售电金额数据进行探索性分析发现其具有波动大、随机性强的特点,且具有趋势性、长短周期性以及明显的假日效应。现有的时间序列模型无法精确地捕捉如此复杂的波动特性,因此本文在LSTNet模型的基础上进行了改进,构建了一个新的组合模型Prophet-LSTNet。该组合模型的设计思想是:首先利用Prophet模型对序列进行分解,提取并预测序列的趋势成分和传统节日成分;然后利用LSTNet模型学习序列剩余成分中复杂的长短周期模式,并在模型中引入基于特征的注意力机制;最后将LSTNet预测的结果与趋势成分相加得到日售电金额预测值,再根据预测日期是否为中国传统节日对预测结果进行修正。这样处理的优势在于增强了数据的稳定性与平滑性,使模型能够专注于学习序列特性并自适应地提取相关信息。此外,本文详细介绍了应用该组合模型对日售电金额进行预测的实验方案,包括数据异常值检测与处理、特征扩充与变换、模型参数设计、优化方法设计等工作。为了证明设计的组合模型在日售电金额预测问题上的优越性,本文在最后进行了模型对比实验、消融实验以及残差分析,选择了Holt-Winters、Prophet、Light GBM、LSTM这四种常见的时间序列预测模型作为基线模型进行对比。实验结果表明,本文组合模型比基线模型的预测效果更好,且基于LSTNet模型做出的几点改进均提高了模型的预测性能。