电力系统规划的基础是电路负荷预测，伴随着近几年电力系统在精益化管理过程中，电力负荷已经成为电力行业最为关注的问题。电力负荷预测也被称之为负荷预测，主要是对于某范围内的电力负荷数值及方位进行判断。电路负荷预测是电力系统重点工作之一，按照预测结果对于某范围内电力负荷安装位置及容量进行确定，能够有效提高电路系统经济效益及稳定性能。传统负荷预测方法主要是对未来负荷数值进行确定，但不能够给出合理范围设定。伴随着电力系统精益化管理，传统负荷预测方法已经不能够满足电力规划实际需求，因此电力负荷预测就成为电力行业重点研究的课题。
1大数据环境下电力负荷预测现状分析
负荷是在某一地域的某段时间所需总电力资源量，综合性是负荷预测的最大特点。若想确保电力负荷预测数据的精准性，还需要结合地域经济及社会因素等，准确分析实际的用电情况，在对大量数据进行分析之后，才能够对电力负荷做出合理预测。电力预测不同的依据，其划分种类也存在很大的差异。普遍来讲，主要是依靠人们对时间标准去规划的，如长期、中期、短期、超短期、以及节日预测等。10年以上为长期；而5年左右为中期。针对短期、超短期和节日预测来讲，并没有明确规定，需要结合实际情况对其确定。
2负荷预测与其作用简析
2.1负荷预测简述
负荷预测是电力系统规划不可缺少的一部分，预测结果的准确性能够直接影响到整个的电网投入、网络布局和运行的可靠性与经济性。随着经济的发展和用电量的逐年增长以及电力改革的逐渐深入，使得负荷预测结果的准确性受到多方面的影响。这些因素的影响使得获得准确的预测结果较为困难。若电力负荷预测值偏小，规划的电网容量则不能满足实际发展的需要；若电力负荷预测值偏大，则又会造成设备的利用率降低，从而引起资金浪费的问题，严重影响了电网运行的经济性。在大数据环境下，只有对电力负荷做出科学合理的预测，才能够结合测试数据划分电力，保障人们和工厂正常生活和施工，同时也能使得国家实现长治久安，提升我国社会经济，构建和谐社会。就目前的实际情况来看，政策因素、经济因素、以及天气因素等都会对电力负荷预测造成干扰，再加上经济因素和政策因素有着密不可分的联系，会为电力负荷预测造成较为复杂的影响。因此，负荷预测结果的准确性的对正确的电网规划显得极其重要。
2.2作用
负荷预测在电力运营过程中起到关键作用，主要体现为以下几方面：电力系统的生产运行就是以负荷预测为基础的。工作人员为了做到对发电厂的电力提前预测，就必须估测好发电机组的出力情况。这些都是以负荷预测为基础的；电力系统安全经济也要以负荷预测为基础；负荷预测准确与否关系重大，不仅会影响电能的质量，还会给用户和电网造成巨大的损失。但是准确的预测却很难做到的，因为在实际操作的过程中往往会发生各种各样的变数，使得预测偏离预定的方向，这就需要预测人员丰富经验和准确的判断。
3电力规划中采用主要负荷预测优化方法分析
3.1负荷密度法
所谓负荷密度指的就是每平方千米的负荷值，该方法注重直观性。该方法的缺点在于不能对整个城市的负荷密度进行推测，但是可以将城市划分成不同的区块，然后再进行区域负荷密度的预测工作。具体工作流程为：先计算出区域内历史以及现在的负荷密度，再按照地区发展趋势以及负荷发展特征，对每个区域内目标年限的负荷密度预测值进行计算。对分区中少量用电量较大的用户单独罗列进行负荷计算。在应用该方法时需要注意地区整体经济社会和电力负荷因为外部环境变化而表现出跳跃式的发展特性。
3.2组合预测法
由于电力负荷数据具有复杂性与随机性，并且每种预测方法都有其适用范围，单一的预测模型往往难以实现准确地预测。因此，研究人员提出了组合模型预测方法，即根据各种算法的优缺点以及误差大小，将几种算法模型合理地组合起来，从而达到提高预测结果精度的目的。组合模型预测法在中长期和短期负荷预测中应用都较为广泛，其优点是克服了单一模型的不足，综合了多种预测模型的有利方面，使各种方法的优势得到互补，较好地改善了负荷预测的质量。
3.3回归分析法
借助回归法对负荷进行推测，需要依据往年的生产数据建立相应的数学模型，再对模型进行数学分析。可以使用统计学的相关方法对于数据中的变量进行分析，得出未来发展结果的预测值。通常回归模型主要包含一元线性、多元线性、非线性等。一般在对中期负荷进行预测时大多采用线性回归法，该方法预测结果比较可靠。回归分析法主要缺点是不能对规划水平年的工农业生产总值进行分析计算，同时该方法的计算结果适用于综合用电负荷预测，但是不具有区域借鉴意义。
3.4单耗法
单耗法就是通过测定电力负荷量的单耗进而分析预测全面用电量的方法，一般情况下适用于农业与工业电力单耗指标的负荷预测，预测效果较好。而实施单耗指标进行电力负荷预测时，要注意区分不同地区的经济发展状况以及发展目标，同时根据电力规划期间单耗指标开展全面分析，结合之前单位的耗电量，根据当地产业发展规律预测最终单耗值。此方法特点是操作较为简单，在短时间内预测效果好，缺点是精度低成本高。
3.5弹性系数法
电力弹性系数指的是地区总用量年平均增长率和工农业总产值的平均增长率之比，其所反映的是电力发展和国民经济发展的宏观指标。具体表达式如下所示：k=Vw/VWh-=（1+Kv）nWo式中：Wo—计算期初的用电量；Wh—计算期末的用电量；k—电力弹性系数；Vw—国民经济生产总值平均增长的速度；n—所规划的年限。一般情况下，电力行业的发展和国民经济生产总值相比会有超前，也就是说电力弹性系数通常不小于1。但是由于电力弹性系数不会受到地区负荷结构或者是负荷性质的影响，可以对区域以往数据和各类用电比重的发展趋势进行了解和研究，然后进行宏观的负荷预测，可在校核中期符合预测中使用弹性系数法。
3.6趋势外推法
趋势外推法主要依照已有的历史负荷数据拟合一条函数曲线，使得这条曲线能够反映负荷本身的增长趋势，预测时则按照此增长曲线，估计出未来某时刻的负荷水平。趋势外推预测法一般适用于中长期负荷预测，在短期特别在超短期预测中也有应用。其优点是所需数据量少，工作量小。此外，对于同一组历史负荷数据，不同的模型的拟合及外推后的预测精度不同，所以在实际的预测过程中，可以比较各种模型的优劣，找出其中的较优者。
结语
综上所述，电力负荷预测和我国电力资源输送与规划有着密不可分的联系，同时电力负荷预测也是我国电力系统的重要组成部分。在大数据环境下，我国有很多种电力负荷测试方式，并且每一种负荷测试方式都有着其自身独特的特点、及应用范围，若想为电力负荷预测提供较高的精准性，还需要工作人员对各种电力负荷预测方式作出全面了解。在实际开展预测的过程中，要结合实际情况科学合理的选择预测方式，在必要的情况下，也可以利用综合集中方式，对电力负荷同时进行预测。总而言之，我国仍然要不断的完善与优化现有预测技术，为我国电力系统提供参考依据，促进我国电力系统的持续运行。
参考文献:
[1]郑建宁. 用电大数据环境下的电力负荷预测研究[J]. 信息技术,2019,43(01):84-87+92.
[2]李重春,祝安琪,王烁罡,刘宇丽,周定均,刘昌新,云卿. 电力大数据下的短期电力负荷预测[J]. 电力大数据,2019,22(01):66-70.
