一般情况下，负荷预测是电力规划工作前期的基础，它的合理性会对后期电力建设起到很大的作用，现如今的工业园在一个规划期间内难以对建设的发展情况进行确定，一些各种各样的因素会直接影响到电荷的预测情况，比如气候的变化，国家政策的变动，建设的标准发生改变等等，所以，需要一个比较有效的方法来对工业园区近期和远期的电力负荷情况进行预测，以此来保证后续电力建设的正常进行，这是目前电力规划工作的一个重要的工作难题。
本文以某一个工业园区的建设为例，分析了两种方法来对电力负荷进行预测，并且利用了现阶段的一些工业用电数据来对此进行分析，检验出了预测电荷方法的合理性，为一些电力规划建设单位提供参考。
一、常用电荷预测方法
一般情况下，电力负荷的方法是基于统计模型，机器学习方法等等，有基于小波分解、改进粒子群算法、BP神经网络预测模型等等，小波分解法是一种能够将一些复杂信号分解为一系列简单信号的方法，而粒子群算法是一种模拟鸟群觅食行为的优化算法，它通过群体中粒子的信息共享和协同合作来寻找最优解。在工业园区的负荷预测中，它有近期和远期预测两种情况，本文针对近期预测提出了两种方法，分别是基于深度神经网络的电力负荷预测方法和空间负荷密度法。
二、神经网络模型负荷预测
（一）深度神经网络模型简介
深度神经网络预测是一种基于人工智能技术的一种研究模型，它能够进行图像识别、自然语言处理和语音识别等等，其中的两种神经网络模型是多层感知机和卷积神经网络技术，多层感知机的原理是学习输入和输出之间的关系，使得神经网络能够自动地提取输入的复杂结构，进而在输出层中进行分类、回归计算等等，它有着很强的表达能力和灵活性，常被用来处理图像分类、语音识别、自然语言处理等任务，而卷积神经网络有着卷积层和池化层，它们是用来提取输入数据的空间特征，从而进一步提高分类或回归预测的准确性。两种方法都可以分析和处理电荷有关数据，因此可以应用于前期的工业园电力设计中的负荷预测问题。
（二）深度神经网络在工业园区电荷预测的运用
在前期的电荷预测中，需要进行特征提取，简而言之就是选择一些相关变量来反映一些本质特征的变化，例如时间特征，它包括季节、工作日与非工作日、一天中的不同时段等等，环境特征则是包括温度、湿度、风速等气象各种各样的因素；而历史电荷数据特征则是指过去一段时间内电荷的变化趋势和波动情况。在电荷预测的过程中，可以将那些变量输入在神经网络预测模型中，用来捕捉数据的周期性和趋势性，深度神经网络具有多层结构和非线性激活函数，能够自动提取数据的深层特征，从而更准确地预测电荷的变化。提取了特征之后则是需要对神经网络的机器学习运用数据归一化进行预处理，将原始的数据按照特定的方法放在特定的范围内，降低其他特征的差异对模型训练的影响，然后将不同的数据集输入神经网络模型中，比如温度和时间的相应数据，使神经网络能够更好地捕捉到负荷数据的非线性关系和时序特征，从而能够在这些因素条件下对工业区的电荷进行预测。
三、空间负荷密度法负荷预测
（一）空间负荷密度法简介
这种方法是把一个区域分拆成若干个小区域，再把这些区域性质转化为区域用电负荷量，从数学角度来看，有一种方程式能够表示其映射情况，该方程为：
式中，f1将规划区特征F（x,y）映射成土地使用面积L（x,y）；f2将L（x,y）映射成规划区负荷S（x,y），f3将规划区负荷累加成系统负荷。
（二）空间负荷密度法在工业园区电荷预测的运用
由于工业园区的电力规划的设计面积较大，本次举例将整个园区分为6个大分区，设该工业园区的主要类型用地的容积率为Ri，负荷密度为Pi，不同区域土地面积为Si，那么远期负荷预测值LI的计算公式为
式中，Li 为第i个地块的远期负荷预测值；Si 为第i个 地块的用地面积。
通过对工业园区进行预测后得到的不同区域电荷情况如下表所示：
表1 远期负荷预测结果总表
这种方式能够对工业园区不同的区域做出电荷预测，从而了解大致工业园区电力建设的整体电力负荷情况，通过对不同空间区域的电荷差异分析，能够有效地对该区域进行合理的电力规划，这种方法的局限性一般是比较依赖于数据的采集与分析，这可以运用之前提到的网络神经系统模型的方法进行采集，另外，它只是分析某一个时间点的电荷分布情况，不能够对未来其他时间的电荷情况进行预测，如果频繁地进行空间负荷预测会消耗大量的人力和物力，因此该方式只适用于近期的电荷预测，不能更完美地满足工业园区电荷预测的需求。
四、结束语
本文探讨了工业园区电力规划中的电荷预测问题，介绍了两种常用的电荷预测方法，一种是深度神经网络模型负荷预测，一种是空间负荷密度法。通过分析，本文发现这两种方法在工业园区的电力建设中都具有可行性，深度神经网络模型负荷预测方法可以自动提取数据的深层特征用来捕捉数据的周期性和趋势性，能准确地预测电荷的变化。这种方法需要大量的历史数据作为训练样本，也需要进行数据预处理和特征提取，但是一旦模型训练完成了之后就可以快速地进行电荷预测，能够适用于实时性要求较高的场景。
空间负荷密度法则是一种基于区域分类和用地性质分析的预测方法，它能够反映出不同区域的电荷分布情况和差异性。这种方法需要输入大量的区域特征和用电数据，而且要对区域进行分类和用电特性进行各种研究，预测结果会比较直观和易于理解，适用于规划初期的电荷预测和方案比较。
在实际的工业园区电力规划工作中，需要根据具体情况选择适合的电荷预测方法，因为本文只对初期的电荷预测方法进行了研究。后期的电荷变动情况还需要其他方法进行预测，同时，本文的预测需要注意数据的准确性和完整性，以防出现误差。
参考文献：
[1]罗煜.电网规划负荷预测方法探讨[J]. 科技创新导报,2016(03):96-99.
[2]彭石丰.浅析现代负荷预测方法及其应用[J]. 建材与装饰(下旬刊),2018(01):6-9.
[3]基于深度学习的智能型负荷预测方法的研究[J]. 李正浩；李孟凡.,2020(05):10-19.
[4]黄强.地理信息系统的配电网空间负荷预测方法研究[J]. 科技视界,2015(06):32-34.
[5]李谦.城市饱和负荷预测方法探讨[J]. 电工技术,2020(05):12-17.
[6]黄冬梅；张宁宁；胡安铎;考虑多维特征和数据增强的空间负荷预测方法[J]. .科学技术与工程,2022(02):1-4.