1、電力系統(tǒng)負(fù)荷的數(shù)學(xué)模型是電力系統(tǒng)數(shù)字仿真的基石，而數(shù)學(xué)模型的精準(zhǔn)程度會對仿真結(jié)果的準(zhǔn)確性產(chǎn)生直接影響，從而影響到以此為依據(jù)的規(guī)劃與決策。在過去的數(shù)十年中，發(fā)電機(jī)、勵(lì)磁系統(tǒng)及原動系統(tǒng)的建模技術(shù)都得到了長足的發(fā)展。電力負(fù)荷卻由于自身時(shí)變性、分散性、非線性等特性停滯不前，尤其是作為負(fù)荷建模三種方法之一的統(tǒng)計(jì)綜合法已明顯落后于時(shí)代。隨著我國“全球能源互聯(lián)網(wǎng)”戰(zhàn)略的提出，電網(wǎng)復(fù)雜程度陡增，電網(wǎng)安全穩(wěn)定運(yùn)行與落后負(fù)荷模型之間的矛盾越發(fā)的不可調(diào)和。因

2、此，在當(dāng)今智能電網(wǎng)新形勢下，建立符合我國電網(wǎng)的綜合負(fù)荷模型是當(dāng)前負(fù)荷建模研究領(lǐng)域的重中之重。
　　本文依托智能電網(wǎng)大數(shù)據(jù)環(huán)境，以各種新型的數(shù)據(jù)采集裝置采集到的海量數(shù)據(jù)為基礎(chǔ)，高性能云計(jì)算平臺和MapReduce算法為技術(shù)支撐，運(yùn)用綜合統(tǒng)計(jì)法進(jìn)行負(fù)荷建模。全文從負(fù)荷的模型與結(jié)構(gòu)入手，分別對常用的靜態(tài)和動態(tài)負(fù)荷模型，相應(yīng)負(fù)荷特性的集結(jié)方法，以及系統(tǒng)辨識理論進(jìn)行了介紹。
　　本文首次提出在智能電網(wǎng)環(huán)境下，利用現(xiàn)有系統(tǒng)實(shí)現(xiàn)對負(fù)荷組成

3、數(shù)據(jù)進(jìn)行獲取，并設(shè)計(jì)了云平臺下信息采集模塊構(gòu)建方法。采用時(shí)下流行的 MapReduce算法，對采集到的數(shù)據(jù)進(jìn)行挖掘、整合。MapReduce是一種為海量數(shù)據(jù)集和分布式并行計(jì)算而設(shè)計(jì)的編程方式。該方法從函數(shù)式編程中獲得靈感，將一個(gè)數(shù)學(xué)函數(shù)作為計(jì)算單元，Map（映射）和 Reduce（化簡）是其核心內(nèi)容。與傳統(tǒng)方法相比，該方法能夠大大加快數(shù)據(jù)處理速度，良好的容錯(cuò)性以及分布式部署的特點(diǎn)能夠很好地解決電網(wǎng)結(jié)構(gòu)復(fù)雜，電壓等級多造成的數(shù)據(jù)獲取困難等