从excel读取3列数据，第一列是日期，有年月日时分秒，第二列是实际功率，第三列是预测功率，要求先将每日时间分为大发时段10点到16点，高峰时段6点到9点和17点到22点和普通时段0点到6点，9点到10点，16点到17点，22点到24点3种时段，对于实际功率小于10且预测功率小于的数据进行删除，计算实际功率与预测功率的差值除以预测功率得到的值为A，计算实际功率与预测功率的差值的绝对值再除以4得到的值为ec,然后在大发时段如果A大于0.25，那么ec乘以0.4得到一个新值ec_a, 在大发时段如果A小于-0

.25，那么ec乘以0.6得到一个新值ec_a，否则ec_a为ec。最后将所有时段内ec_a的值求平均，得到一个统计值，输出这个统计值。

这个问题需要用到Python语言和一些数据处理库，可以按照以下步骤进行：

1. 使用pandas库读取excel文件，将数据存储为一个DataFrame对象。

import pandas as pd

data = pd.read_excel('data.xlsx', header=None, names=['date', 'actual_power', 'predicted_power'])

2. 将日期数据转换为datetime类型，并添加一列表示时间段。

data['date'] = pd.to_datetime(data['date'])
data['time_period'] = pd.cut(data['date'].dt.hour,
                             bins=[0, 6, 9, 10, 16, 17, 22, 24],
                             labels=['普通时段', '高峰时段', '普通时段', '大发时段', '普通时段', '大发时段', '普通时段'])

3. 删除实际功率小于10且预测功率小于10的数据。

data = data[(data['actual_power'] >= 10) & (data['predicted_power'] >= 10)]

4. 计算A和ec，并按要求进行调整。

data['A'] = (data['actual_power'] - data['predicted_power']) / data['predicted_power']
data['ec'] = abs(data['actual_power'] - data['predicted_power']) / 4

def adjust_ec(row):
    ec = row['ec']
    A = row['A']
    if row['time_period'] == '大发时段':
        if A > 0.25:
            ec_a = ec * 0.4
        elif A < -0.25:
            ec_a = ec * 0.6
        else:
            ec_a = ec
    else:
        ec_a = ec
    return ec_a

data['ec_a'] = data.apply(adjust_ec, axis=1)

5. 按时间段求平均值并输出。

result = data.groupby('time_period')['ec_a'].mean()
print(result)