長期以來，預(yù)測短期負荷的時間序列法、專家系統(tǒng)法、人工神經(jīng)網(wǎng)絡(luò)法等方法的實際應(yīng)用效果并不理想，在建立系統(tǒng)負荷與眾多影響因素之間的關(guān)系模型時存在很大困難，引起這一問題的原因主要在于用戶負荷的變化千差萬別，用戶負荷在疊加時會削弱甚至抵消某些用戶負荷的變化規(guī)律，使得系統(tǒng)負荷變化的規(guī)律性變得模糊，難以精確定位負荷波動真正原因;同時負荷的影響因素之間呈現(xiàn)非線性、復(fù)雜性和滯后性等特點。

　　隨著智能電表的大面積安裝和用電信息采集系統(tǒng)的廣泛應(yīng)用，獲取了大量用戶的負荷信息，使得研究用戶負荷變化規(guī)律成為可能，由于用戶受行業(yè)屬性決定，其生產(chǎn)活動具有自身明顯的規(guī)律性，影響因素相對單一，負荷與影響因素的關(guān)系更加簡單，負荷特性更易于把握，因此負荷分析點越接近于負荷需求地越有利于掌握負荷發(fā)展規(guī)律

　　據(jù)的短期負荷預(yù)測新方法。但由于電網(wǎng)用戶數(shù)量眾多，數(shù)據(jù)量大、計算量大，傳統(tǒng)的計算框架已無法勝任如此大量的數(shù)據(jù)計算工作，因此提出了基于Hadoop 大數(shù)據(jù)技術(shù)的解決方案。

　　針對用戶層面的用電規(guī)律和負荷預(yù)測研究工作，是今后電力系統(tǒng)短期負荷預(yù)測的一個全新發(fā)展方向，將更加有利于電網(wǎng)公司制定精細化的調(diào)度計劃，以及提高電網(wǎng)運行的穩(wěn)定性和經(jīng)濟性。此外，用戶負荷與行業(yè)屬性、GIS 等維度信息的組合，可實現(xiàn)行業(yè)和地塊負荷的用電趨勢研究。