周晓东,吴长强

电网负荷预测是保障电力系统安全、稳定、经济运行的关键环节。面对新能源接入比例上升与用电模式复杂化带来的挑战，传统预测方法已难以满足实际需求。通过引入大数据分析技术，构建融合多源异构数据的机器学习预测模型，可显著提升预测精度与适应性。在此基础上设计动态调控策略，并在典型区域电网中开展应用评估，验证了预测驱动机制在提升调度效率与系统稳定性方面的有效性。研究表明，数据驱动的技术路径为现代电网智能化转型提供了可行方案。

大数据分析；电网负荷预测；智能调控；电力系统；数据融合

[1] 陈志远,周晓峰.大数据分析在电力负荷预测中的应用研究[J].电力系统保护与控制,2023,51(8):45-52. [2] 黄伟,胡斌.基于深度学习的短期负荷预测模型比较[J].电力系统自动化,2022,46(12):89-96. [3] 罗文涛,邓宇翔.智能电网中负荷预测与调度协同优化方法[J].电网技术,2021,45(5):1783-1790. [4] 杨帆,张立军.多维特征融合下的电力负荷预测模型研究[J].电力建设,2024,45(3):112-119. [5] 孙浩然,刘志强.基于大数据平台的电网运行状态感知与调控技术[J].中国电力科学研究院学报,2023,41(7):67-74.

点击下载PDF