摘要: 电力大数据的研究是实现电网智能化的关键。为了实现电网科学规划和智能调度，高效准确的负荷的预测必不可少。本文基于电力用户历史负荷数据，使用聚类和分类技术，进行电力用户负荷模式识别和预测。与传统超短期的点预测不同，本文的主要研究是基于概率的曲线预测。本文首先采用对负荷数据进行分段和聚类，得到几类典型的特征负荷模式,并利用特征负荷曲线对其他负荷时间序列数据进行离散化编码。同时，基于负荷的时间信息，从中提取出季节、星期几、是否节假日的信息作为特征，分析其对于负荷模式分布的影响。最后，特征工程提取的时间信息，以及前一日的负荷编码，基于贝叶斯模型预测下一日的负荷曲线。与传统时间序列预测的方法进行对比，本文提出的模型预测效果更好更稳定，包括节假日负荷曲线的预测上。