摘要：负荷预测作为电力系统规划及调度等过程中的关键内容，需要获取足够的关注，其也是负荷预测系统及OPEN3000平台的关键模块，在互联网背景之下，电网负荷能够承受到的影响因素较多。本次研究重点分析的就是基于电力大数据和人工智能的短期负荷预测，结合着多种因素的特征参量加以阐述，明确能够实现精准预测的方式方法，针对于电力负荷预测工作的开展提出相对科学的建议。
关键词：电力大数据；负荷预测；人工智能；互联网背景
对电网负荷实现科学预测的作用十分明显，能够保证现代智能电网管理的水平稳步的提升，短期负荷预测重点针对着周前的时间尺度、日前的时间尺度等做出合理的分析，这是确保调度部门落实后续工作的基础【1】。在智能电网备受瞩目的今天，传统电力系统开始在发、输等不同的环节实现了有效的耦合，这种情况下能够保证的是相关调度人员借助于先进的量测和通信技术获取更加全面的信息。在电力企业以及其他的企业进行有效交互的过程中，调度部门能够掌握更多更加扎实的信息，包含着气象预报、灾害信息等等。
1、电力大数据以及短期负荷预测的基本概述
现阶段，电力系统逐渐的进入到信息化的时代，相应的调度部门能够获取信息数据资源的形式呈现出多样化的趋势，如何才能让电力大数据的优势之处充分的体现，同时保证关键信息及时的掌握到位，需要重点对于相关理论加以概述。周期性就属于现阶段短期负荷预测的最基本特点，往往可以通过不同的方面表现出来，如不同自然日的整体变化存在着十分明显的相似性特征，另外还有同类型的自然工作日或者是周末负荷体现出极为明显的相似性，第三种情况则是指的重大节假日负荷所能够表现出的负荷性特征【2】。通过适当的提取上述提及的相关信息，可以对短期负荷周期性特征的判断起到积极的影响，发挥出极为明显的作用。
2、在大数据技术之下短期负荷相关信息的获取
在具体运行的过程中，短期负荷往往可以承受着较多因素的影响，多种环境因素的影响能够呈现出较小幅度的波动，这种情况下应该准确的判断所涉及到的多种因素，如天气环境、自然灾害以及设备停运等等。外部因素的影响也能使得短期负荷发生较为明显的变化，同时又能呈现出较为明显的波动性特征，这就使得模型的预测面临着更大的难度。所以在科学运用大数据技术的时候，针对于短期负荷发生的变化展开合理化的分析，在多源异构信息的广泛收集以及处理过程中，促使相关的信息可以拥有合适的获取渠道。
2.1 用户信息数据
某些事业单位如统计局或者是市政局等等，在落实相关工作的时候都需要密切的配合起来，通过多个部门的有效联合，促使着管辖区域中相关用户的数据信息能够及时的整合起来，如用户的类型、用能的特点等等【3】。
2.2 电网内部资料
针对于这些资料的获取，可以尝试着运用设备在线监测系统加以获取，这种情况下能够全面的了解到相关设备的实时运行状态，因此可以及时的通过相应的调度平台获得最科学的短期检修计划，在数据库中获取同种类型的自然日负荷历史数据。
2.3 气象环境数据
这些信息的获取都能够通过气象局及时的掌握，也就是将日前、周前的气象预报情况展开较为合理的判断，准确的分析出具体的温度情况、湿度情况等等。在上述基础之上，还能适当的了解到台风、高温等多种灾害预报信息。
2.4 需求侧响应数据
在电力市场稳步发展的今天，用户们可以真正的发挥出主人公的姿态，将实际行动落实于短期负荷的调节过程中，由此平抑负荷峰谷差。借助于配网负荷聚合商，能够及时准确的分析出用户们的实际需求，同时了解用户们的参与意愿【4】。
期刊文章分类查询,尽在期刊图书馆
3、人工智能和短期负荷预测的基本概述
在传统的短期负荷预测中，相应的预测方法涵盖着经典预测和现代预测这样不同的学派，所谓的经典预测，就是详细的判断负荷需求在时间以及空间之上存有的明显的耦合关系，借助于前序时间断面的负荷需求量针对于未来可能产生的负荷做出较为科学的判断，现阶段主要采用点对点倍比法和倍比平滑法进行数据处理，这种方式方法成为了一种能够称得上是主流预测方式的方法。但是在智能化时代到来的今天，智能电网实现了飞速的发展，因此相应的技术趋向于完善，电力大数据技术在短期负荷预测中提供了相对于完备的数据信息，这就使得传统预测方法面临着较为崭新的挑战。急速增加的数据信息让预测模型的规模复杂程度呈现出较为明显的增加趋势，若是采取传统的预测方法，将无法保证时效性的实现。还因为多种因素的综合作用，使得显性解析式的表达无法进行有效的建立，这种情况下便诞生出了新兴学科理论，就是以人工智能为重要基础的现代化负荷预测方案。这种方式整合了当前富有影响力的科学手段，在电网短期负荷中发挥出强有力的价值，其本身具备的良好自适应力，能够及时的针对于非确定性规律合理的表达，因此更适合运用至现代电网的短期负荷预测中【5】。为了更加明确的阐述相应的技术，针对于人工神经网络展开具体的了解，其核心的思想就是借助于机器学习方法，通过“黑匣子”的形式将相应的输入以及输出等关系做出较为明确的显示，这种情况下并不需要确定显性的作用原理。以日前短期负荷预测作为实际的案例，当输入的节点是应该重点考虑的电力大数据信息种类时，输出的节点则是二十四小时的负荷预测值。当已经确定了神经网络结构之后，可以借助于相应的样本数据训练系统，促使着相应的数据信息加以更新，依照基本的数据情况，在线完成基本的负荷水平预测。
4、大数据背景下人工智能的短期负荷预测发展建议
4.1 正确看待电力市场的发展
正是因为电力市场的飞速发展，负荷的难度也呈现出逐步增加的趋势，电力市场中适当的引入了相应的模型，模型预测的复杂度也得到了相应的提升，电价以及补偿机制等等均能够使得市场中参与人员的购售方式受到影响，因此会使得很多用电量难以进行有效的预估。如何准确的分析电力市场的具体运营情况，需要积极的做好相应的用户侧需求提前感知，这种方案的落实是当前一个重要的挑战【6】。
4.2 准确的判断概率性负荷预测
现阶段占据着主流地位的负荷预测方法具有十分明显的确定性，但是距离完美预测还是存在着一定的距离，概率性的负荷预测能够更好的迎合现阶段的工程需要。为了迎合未来的发展趋势，需要积极的关注场景优化、鲁棒优化等多种不确定性方法，将短期负荷预测的波动区间明确到位，这将对风险的调度以及可靠性评估等起到积极地影响。
5、结语
本文重点探讨了现代智能电网的发展情况，同时结合着人工智能以及大数据环境展开了分析，明确短期负荷预测的相关问题，通过具体的实践阐述了部分建议，希望可以为广大的工作者提供有效的借鉴。
参考文献：
[1]李博，谢潇磊，王清，魏天航，钱臻，杨文睿.基于Power BI的大数据分析在变电运检作业管理中的应用[J].电力大数据，2018，21（11）：1-7.
[2]康亚东，丁晶，张良，吕莹.基于电力大数据的3D智能运检平台的应用与研究[J].电力大数据，2018，21（11）：68-73.
[3]杨竞及，陈诺.基于Hadoop的输电线路在线监测数据模型及技术研究[J].电力大数据，2018，21（11）：22-30.
[4]仇红剑，李宝树，林华德.基于电力大数据挖掘的行业用电市场景气指数分析[J].电力信息与通信技术，2018，16（11）：24-28.
[5]李青，齐林海，田璐，王红，田世明，卜凡鹏.一种融合降维和聚类的电力用户高效分类方法[J].电力信息与通信技术，2018，16（11）：12-18.
[6]薛志洋，周英明，高扬.面向智能电网应用的电力大数据关键技术研究[J].科学技术创新，2018（32）：103-104.
论文作者:付振华
论文发表刊物:《电力设备》2018年第36期
论文发表时间:2019/6/4
标签：负荷论文; 数据论文; 电力论文; 电网论文; 信息论文; 人工智能论文; 方法论文; 《电力设备》2018年第36期论文;