电能，从第二次工业革命中诞生，到二十一世纪已成为整个社会各领域发展的不可或缺的主要动力。随着国民经济的发展和电力市场的进一步开放，人们对电能的质量要求越来越高，负荷预测也越来越受到重视。电力负荷预测是电力系统规划的重要组成部分，也是电力系统经济运行的保障措施，其对于电力系统规划和运行的意义都非同一般。在电力系统计划和运行管理中，负荷预测是对发电、输电和电能分配等合理安排的基础要求。提高负荷预测水平，有利于计划用电管理，更好地安排电网运行方式和机组检修计划，同时节省煤、油资源，降低发电成本，提高电源建设规划合理性[1]。

目前的预测按照周期长度大体上可以分为超短期负荷预测、短期负荷预测、中期负荷预测和长期负荷预测四种[2]。其中，短期负荷预测是电力负荷预测中的重要一环，是调度中心制定发电计划及发电厂报价的依据，也可以为发电计划程序、离线网络分析和合理的调度安排提供数据，而其准确率的高低极大地影响了电力系统运行的安全性和经济性，间接地，对于电力系统的经济效益与社会效益都具有非常重要的影响，在电力系统与国民经济的发展中也起到了极大的推动作用[3]。

2 国内外研究现状

电力负荷预测的重要性已不言而喻。西方发达国家如美国、英国随着电力市场的日益成熟，电力供应商为了获取最大利润，十分重视电力负荷预测工作。为此，科研工作者一直在研究电力负荷预测的新方法以提高预测精度。文献[4]介绍了过去40年的电力预测研究和模型研究。文献[5]和[6]讨论了大数据服务的一些挑战和介绍了大数据服务架构、大数据服务数据模型、大数据服务模型和大数据服务四方面的应用。文献[7]介绍了数据分析技术、数据管理技术、数据处理技术和数据展现技术。这些文献为后面整体架构设计提供了理论基础。

文献[8]和[9]简述了短期负荷预测的概念和意义，分析了短期负荷预测的特点和影响预测精度的各种因素，将目前的预测方法分为经典方法、传统方法、智能方法和预测新方法，并强调了应注重选择合适的预测模型来分情况进行负荷分析预测。

电力负荷预测的传统预测方法包括：回归分析法，时间序列法，趋势分析法，这些方法在现在的预测中已经不再大量应用了，主要是因为精确度没有如支持向量机等现代的数据挖掘算法高。电力系统的负荷数据极大，特别是电力市场化后，数据量成倍增长，若沿用传统的方法势必不能满足数据的快速增长，而是转化为现代预测方法：如文献[10]中提到的人工神经网络，文献[11]分析的模糊预测法;文献[12]描述了灰色预测法等。

2. 研究的基本内容与方案

3.1负荷预测技术

3.1.1传统预测技术

3.1.1.1外推法

根据已知的历史资料来拟合一条曲线，使得曲线能反应符合本身增长趋势。然后按曲线对未来预测求得某一点，从曲线估计该时刻的负荷值。常用曲线有直线、指数曲线、幂函数曲线、s型曲线。趋势外推法一般仅用于长期预测。