工业能耗智能诊断 AI Agent 系统：单耗异常检测与LightGBM次日能耗预测（MAE 0.4674 tce）
本文针对工业能耗数据普遍存在的单位混写、重复、缺失与生产状态差异，给出一套可追溯的分析与预测链路。方法上按日期×车间×能源业务键去重，对数值离群仅单元格置空后分组插补并保留修正证据，将综合能耗、费用、碳排与单耗拆分为四条独立口径；以 2σ、产量基线与 CUSUM 三类检测信号定位异常记录，并以 11 折扩展窗口滚动验证比较 LightGBM、LSTM、Transformer 与七日季节基线。在 19,234 条模拟记录清洗出的 5,848 条车间日特征上，LightGBM 次日能耗预测 MAE 为 0.4674 tce，较七日季节基线下降约 38.1%。问答侧用证据白名单约束大模型只选 evidence_id，降低无来源推断风险；结论限定于本数据与切分，因果结论仍需维护事件支撑。