想象一下：系统预测某地区明天用电 100 度，辖区内各充电站加起来却是 130 度。若这些数字还附带各自的“可能范围”，矛盾会更难处理。这项研究关注的正是这类问题：充电需求预测不仅要说明“可能用多少电”，还要让充电点、地区和全国的结果上下相加一致。
作者研究了苏格兰 ChargePlace Scotland 公共充电网络，数据覆盖 1398 个充电站、32 个地方行政区和全国总量。难点在于，这个层级不是固定目录：新站会加入，旧站也可能因维护或所有权变化而退出。团队把预测协调——调整各层数字，使汇总关系一致——与共形预测结合。后者是一种为预测值配上区间、表达不确定性的方法；其中 CP-MNR-Nested⋆ 还专门处理缺失数据和随时间变化的层级。这样，规划者看到的不再是彼此打架的一组数字，而是一套从单站到全国都能对上的风险范围。论文称该算法能处理这种时变结构，但现有材料未给出相对基线的具体提升幅度。