陈宇1 刘芯溧2
1内蒙古电力（集团）有限责任公司 内蒙古自治区 呼和浩特 010040
2内蒙古电力营销服务公司 内蒙古自治区 呼和浩特 010040。
摘要：在能量管理系统当中，电力系统短期负荷预测是非常重要的一个组成部分，对于估计电网的动态状态，调度负荷还有降低发电成本等有着非常重要的意义。基于此，文本从大数据技术的应用角度，对电力负荷预测的现状以及变化特征进行了分析，希望本文所作分析能够为有关研究人士带来借鉴和参考。
关键词：大数据分析技术；电力负荷预测；方法
前言：伴随着电网信息化进程的进一步加快，电力企业加大了对传感器还有智能设备的部署力度，使得电网在经过很长一段时间的运营以后积累了大量的负荷数据，并且在电力大数据的时代背景下，深度学习以及数据挖掘技术在很大程度上解决了电力负荷预测精准度的问题。而短期负荷预测方法的出现主要是基于数据挖掘技术提出的，能够符合用户对电力负荷预测的相关需求。
1.短期电力负荷预测方法的研究现状
电力负荷经常会受到一些外在因素的影响，比如说气象条件、产业结构还有经济水平等，因而表现出周期性和随机性的双重特性。也因为电力负荷通常都是根据天、周以及月和年为周期进行变化的，再加上一些随机却又有着某种规律的外在因素的影响，使得电力负荷变得具有可预测性。在EMS能量管理系统当中，短期负荷预测是其非常重要的一个组成部分，通常用来对未来几个小时、一天，亦或是一周时间里的电力负荷情况进行预测，能够确保电力系统安全运行，对于电力系统的发展有着实际意义。常见的短期电力负荷预测方法主要有三种，分别是传统方法、人工智能方法还有组合预测法，因为电力负荷的变化情况会受到很多因素的影响，在不同的地方呈现出来的非线性关系又有着比较大的区别，从目前的情况上看，还没有一种方法可以适应各种情况下的负荷预测，基本上都有着各自独有的优点与缺点。
2.基于大数据分析技术的电力负荷变化分析
2.1电力系统大数据特征分析
随着传统电网逐渐向智能电网转变，各个区域的电网都对用户用电信息采集系统进行了广泛地部署，得到了大量的用电数据。这些数据一方面涵盖了电网设备运行的检测情况，或者监测数据和营销数据，另一方面涵盖了电力企业管理数据，有着大数据的四个典型特征，分别是数据类型比较多、数据体量比较大、价值密度比较低，以及处理速度比较快。根据大数据分析技术与处理技术，分析和处理从电力系统当中采集到的运行数据，然后把相应的电力系统模型建立起来，实现对电网运行的诊断、优化以及预测，为决策提供科学合理的数据支撑。
在电力负荷预测的过程中，通过大数据提供的海量用电数据，使得负荷预测工作能够超出系统负荷以及母线负荷的限制，下探到下一个层级，即用户负荷层级。如果只是简单地基于海量用电数据进行建模预测，就有可能在一定程度上降低负荷预测模型的计算效率还有预测精度。
电力负荷有着一定的变化规律，也会受到一些外部因素的影响，因此对海量的电力数据应该从全局的角度，运用特定的分析手段，实现智能化的挖掘，这样能够获得常规方式没有办法得到的信息，以此来充分掌握用户的实际用电习惯，从而更好地开展负荷预测工作。所以，从负荷预测的角度上看，对电力负荷进行有针对性地分析，特别是用电负荷特征方面，可以说是非常重要的一项工作。
2.2电力负荷预测特性分析
第一，虽然在各级电网公司当中都保存了大量经过采集和整理的负荷数据，但是在进行终端采集、信道传输的时候还是没有办法避免有一些差错产生，数据并不是非常准确可靠的。从数据库当中获得的用电数据质量高低直接影响着负荷特征分析还有预测的结果，在这个过程中大数据技术起到了非常关键的作用。
第二，有相关研究证实，电力负荷的变化情况会在很大程度上受到气象因素的影响，其中最明显的是温度因素，因此为了提高电力负荷预测的效果，适当地提高天气预报的精准度是非常关键的。从目前的情况上看，量化气象数据，减小气象预报的误差，可以在很大程度上提高负荷分析还有预测模型的精准度。
第三，如果只靠负荷序列建模的方式来对电力负荷进行预测，基本上是很难满足电网实际预测场景的，最好能够在模型输入时把有关的影响因素加进去。但是不同用户负荷的影响因素区别是非常大的，如果把所有影响因素都输入进去，基本上对负荷预测的精度没有什么影响，甚至还会使计算的效率有所降低。这时最好的方法是应用大数据关联分析法，把同负荷有强相关性的因素都筛选出来，然后在这个基础上对建模进行有针对性地训练，从而使电力负荷的预测精度能够得到提高。
第四，因为突发情况甚至是意外情况比较多，所以目前已有的预测方法对于一些特殊的日子，比如说重大的节假日等，预测误差相对来说还是比较大的。这就需要有关研究人员根据大数据，对用户的用电行为和用电习惯进行更加深入地分析，从而找到影响用电负荷预测准确度的真正原因，在建立预测模型时把所有可能影响预测结果的影响因素都考虑进去，并在应用过程中不断对其进行改进和完善。
第五，随着我国电网信息化、电网智能化的不断推进，电力企业通过电力系统积累了大量的数据，通过这些数据可以为电力负荷特性分析还有预测提供更为准确的支持。通过充分利用好大数据技术，并用其设置分布式计算框架可以使有价值信息的提取工作更加高效，也可以使其在电网当中的实际应用更加便捷。
电力负荷的特性会因为所处地区的不同而产生一定的差异，影响其的外部因素也存在一定的差异。又因为用户的用电行为和用电习惯还存在某种共性，所以电力负荷在时间维度上具有比较显著的周期性变化趋势。对电力负荷的变化规律还有特性进行分析可以给预测模型训练提供更加有价值的样本输入，防止多余的干扰因素出现，使得负荷预测工作能够更加顺利地开展。
结语：综上所述，随着电网智能化以及信息化的发展，各个地区的电力企业都在区域内部署了传感器以及高速率数据采集设备，在很大程度上降低了数据的采集成本，使得电力大数据的趋势更加明显。大数据技术的应用为分析负荷特性、建立预测模型提供了一定的支持，但是以往的负荷分析还有预测方式基本上已经没有办法承受与日俱增的时间还有计算资源的消耗，影响了电力负荷的预测精度。而通过大数据技术可以更好地把数据库当中潜藏的有价值的信息挖掘出来，可以在一定程度上提高电力负荷预测的精准度。
参考文献：
[1]包正睿.基于大数据分析技术的短期负荷预测方法[D].华北电力大学(北京),2018.