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，要求先按照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，计算实际功率与预测功率的差值除以预测功率这个数值，然后再求和每日差值比的总值，最后按照日统计到一起

可以使用Python中的pandas库来读取Excel文件，并实现上述功能。具体的代码如下所示：

import pandas as pd
from datetime import datetime

# 定义函数将时间转换为所在时段
def get_time_period(hour):
    if hour >= 10 and hour < 16:
        return '大发时段'
    elif hour >= 6 and hour < 9 or hour >= 17 and hour < 22:
        return '高峰时段'
    else:
        return '普通时段'

# 读取Excel文件
df = pd.read_excel('data.xlsx', usecols=[0, 1, 2], names=['date', 'actual_power', 'predicted_power'])

# 添加新列，表示时间所在的时段
df['time_period'] = df['date'].apply(lambda x: get_time_period(x.hour))

# 计算每日差值比的总值
df['diff_ratio'] = (df['actual_power'] - df['predicted_power']) / df['predicted_power']
result = df.groupby(df['date'].dt.date)['diff_ratio'].sum()

# 打印结果
print(result)

在这个例子中，我们首先使用pandas读取Excel文件，然后将第一、二、三列设为'date'、'actual_power'和'predicted_power'列。接着，我们添加了一个新的列'time_period'，其中通过调用get_time_period函数将时间分成了三个时段。最后，我们计算每日差值比的总值，并使用groupby函数按日期进行分组，并将每日的差值比相加，得到了每日的总差值比。