电网短期负荷预测对科学安排发电厂发电出力,保证供需平衡,保障电力系统的安全稳定运行具有重要意义。提高预测准确率和工作效率,是电网企业非常迫切的一项工作。在保障数据信息安全的前提下,应用大数据等新技术、新方法,开发应用电网短期负荷预测平台势在必行。本文主要内容包括:1.叙述了电网短期负荷预测的基本方法。包括常用的负荷预测方法和实现步骤,点对点倍比法、倍比平滑法、重叠曲线法等基于同类型日的“正常日”负荷预测方法。考虑气温、节假日因素对负荷的影响,对人工神经网络、混沌理论等方法原理和具体实施步骤分别进行分析阐述。在此基础上,对深度学习方法中的卷积神经网络结构进行描述,并给出其在Matlab中实现方法。2.结合电力大数据的挖掘和应用的新趋势,探索大数据技术在电网短期负荷预测中的应用。在分析MapReduce数据处理逻辑的基础上,提出一种基于Hadoop的分时分布式短期负荷预测方法。利用Hadoop大数据架构,搭建基于大数据的负荷预测模型,以地市公司为主节点开展主导因素辨识,以各县公司为从节点,通过用K-means聚类建立负荷模式库,采用随机森林算法进行模式匹配,就地开展负荷预测,再通过MapReduce流程进行数据集中,实现了分时分布式负荷预测。3.从地市供电公司调控部门开展负荷预测的实际需求出发,开发了电网短期负荷预测平台。为保障数据在传递过程中的信息安全,提出了采用适用于大数据、云计算的Paillier同态加密算法对电网负荷数据进行隐私保护。在此基础上,将各种常用负荷预测方法、负荷曲线的分析在平台中实现。平台采用Visual C++面向对象的编程语言开发,数据的存储访问依托SQL Server数据库,预测算法的实现借助Matlab软件,通过采用VC与SQL Server、Matlab的接口技术,实现各种功能对用户的呈现。建立了简洁、实用、友好的操作界面,实现日常负荷预测各项功能在系统的集成,并对平台的结构、功能进行了详细分析。综上所述,基于Hadoop大数据架构开展分时分布式短期负荷预测,考虑各地区特征因素差异,可有效提高负荷预测准确率;利用Paillier同态加密算法对电网负荷数据进行隐私保护,有效保障大数据、云计算框架下的负荷预测的数据信息安全;开发应用电网短期负荷预测平台,建立友好的负荷预测和负荷曲线分析界面,实现对电网短期负荷精准、高效预测。