電力系統短期負荷預測結果關系到電力系統調度運行和生產計劃的制定，準確的短期負荷預測結果有助于提高系統的安全性和穩定性，能夠減少發電成本。電網中短期負荷預測主要根據自然條件與人為影響等多個影響因素與負荷的非線性關系，在滿足一定精度要求的條件下，確定未來幾天的負荷數據，其中負荷是指電力需求量(功率)或用電量。負荷預測的建模與預測是根據歷史數據資料所包含的信息，建立理想的模型及處理隨機因素仍然是負荷預測的主要問題，影響負荷預測精度的原因是多方面的，具體可分為三個方面：

      (1) 影響因素的不確定性導致負荷規律難以把握。影響負荷走勢的因素中包括溫度、降水等天氣因素，又包含重大設備檢修、重大文體活動等人為因素的影響。這些因素呈現顯著的隨機性和不確定性，因此負荷時間序列的變化呈現非平穩的隨機過程。

     (2) 負荷預測模型的質量直接關乎預測精度的高低。負荷預測模型的建模與預測是依據歷史數據資料所包含的信息，因此預測模型反映歷史數據所包含信息的有效性和程度決定了預測水平的高低;

     (3) 信息不完整。由于大量用戶的用電行為與影響因素(如氣象因素)之間的關系在歷史數據中是沒有記載的，信息的缺失和不完整是無法避免的，這些因素是負荷預測誤差進一步減小的瓶頸。

     電網公司現有數據源頭已經可以定位至用戶級負荷層面，結合其完備的業務輔助平臺數據庫。在這里，我們提出一個基于大數據技術的短期負荷預測解決方案。

     該方案的主體思路采用對每個用戶的負荷進行獨立預測，最后累加的方法。數據源為電網用電信息采集系統數據庫及相關影響因素數據庫，軟件采用大數據技術(聚類分析、灰色關聯分析、決策樹等)對負荷數據進行預處理，把握每個用戶負荷與天氣、日類型等影響因素的密切關系。并根據不同用戶特性構建預測模型，最后累加所有用戶的預測結果得到系統預測負荷，原理如下圖所示：