如何使用大數(shù)據(jù)技術(shù)進(jìn)行短期負(fù)荷分析與預(yù)測(cè)

　　長(zhǎng)期以來(lái)，預(yù)測(cè)短期負(fù)荷的時(shí)間序列法、專(zhuān)家系統(tǒng)法、人工神經(jīng)網(wǎng)絡(luò)法等方法的實(shí)際應(yīng)用效果并不理想，在建立系統(tǒng)負(fù)荷與眾多影響因素之間的關(guān)系模型時(shí)存在很大困難，引起這一問(wèn)題的原因主要在于用戶(hù)負(fù)荷的變化千差萬(wàn)別，用戶(hù)負(fù)荷在疊加時(shí)會(huì)削弱甚至抵消某些用戶(hù)負(fù)荷的變化規(guī)律，使得系統(tǒng)負(fù)荷變化的規(guī)律性變得模糊，難以精確定位負(fù)荷波動(dòng)真正原因;同時(shí)負(fù)荷的影響因素之間呈現(xiàn)非線(xiàn)性、復(fù)雜性和滯后性等特點(diǎn)。

　　隨著智能電表的大面積安裝和用電信息采集系統(tǒng)的廣泛應(yīng)用，獲取了大量用戶(hù)的負(fù)荷信息，使得研究用戶(hù)負(fù)荷變化規(guī)律成為可能，由于用戶(hù)受行業(yè)屬性決定，其生產(chǎn)活動(dòng)具有自身明顯的規(guī)律性，影響因素相對(duì)單一，負(fù)荷與影響因素的關(guān)系更加簡(jiǎn)單，負(fù)荷特性更易于把握，因此負(fù)荷分析點(diǎn)越接近于負(fù)荷需求地越有利于掌握負(fù)荷發(fā)展規(guī)律

　　據(jù)的短期負(fù)荷預(yù)測(cè)新方法。但由于電網(wǎng)用戶(hù)數(shù)量眾多，數(shù)據(jù)量大、計(jì)算量大，傳統(tǒng)的計(jì)算框架已無(wú)法勝任如此大量的數(shù)據(jù)計(jì)算工作，因此提出了基于Hadoop 大數(shù)據(jù)技術(shù)的解決方案。

　　針對(duì)用戶(hù)層面的用電規(guī)律和負(fù)荷預(yù)測(cè)研究工作，是今后電力系統(tǒng)短期負(fù)荷預(yù)測(cè)的一個(gè)全新發(fā)展方向，將更加有利于電網(wǎng)公司制定精細(xì)化的調(diào)度計(jì)劃，以及提高電網(wǎng)運(yùn)行的穩(wěn)定性和經(jīng)濟(jì)性。此外，用戶(hù)負(fù)荷與行業(yè)屬性、GIS 等維度信息的組合，可實(shí)現(xiàn)行業(yè)和地塊負(fù)荷的用電趨勢(shì)研究。