电力系统短期负荷预测结果关系到电力系统调度运行和生产计划的制定，准确的短期负荷预测结果有助于提高系统的安全性和稳定性，能够减少发电成本。电网中短期负荷预测主要根据自然条件与人为影响等多个影响因素与负荷的非线性关系，在满足一定精度要求的条件下，确定未来几天的负荷数据，其中负荷是指电力需求量(功率)或用电量。负荷预测的建模与预测是根据历史数据资料所包含的信息，建立理想的模型及处理随机因素仍然是负荷预测的主要问题，影响负荷预测精度的原因是多方面的，具体可分为三个方面：

  (1) 影响因素的不确定性导致负荷规律难以把握。影响负荷走势的因素中包括温度、降水等天气因素，又包含重大设备检修、重大文体活动等人为因素的影响。这些因素呈现显著的随机性和不确定性，因此负荷时间序列的变化呈现非平稳的随机过程。

  (2) 负荷预测模型的质量直接关乎预测精度的高低。负荷预测模型的建模与预测是依据历史数据资料所包含的信息，因此预测模型反映历史数据所包含信息的有效性和程度决定了预测水平的高低;

   (3) 信息不完整。由于大量用户的用电行为与影响因素(如气象因素)之间的关系在历史数据中是没有记载的，信息的缺失和不完整是无法避免的，这些因素是负荷预测误差进一步减小的瓶颈。

  电网公司现有数据源头已经可以定位至用户级负荷层面，结合其完备的业务辅助平台数据库。在这里，我们提出一个基于大数据技术的短期负荷预测解决方案。

 该方案的主体思路采用对每个用户的负荷进行独立预测，最后累加的方法。数据源为电网用电信息采集系统数据库及相关影响因素数据库，软件采用大数据技术(聚类分析、灰色关联分析、决策树等)对负荷数据进行预处理，把握每个用户负荷与天气、日类型等影响因素的密切关系。并根据不同用户特性构建预测模型，最后累加所有用户的预测结果得到系统预测负荷，原理如下图所示：