CN118074127A - 一种基于云计算的电网电力负荷管理预测方法及系统 - Google Patents

Abstract

本发明涉及电力系统领域，具体涉及一种基于云计算的电网电力负荷管理预测方法及系统，用于解决现有的电力负荷预测方法往往存在数据处理能力有限、预测精度不高的问题，无法满足现代电网的复杂需求，影响了电力调度和资源配置的效率的问题；该系统，包括以下模块：用户数据监测模块、环境数据监测模块、数据分析模块、历史数据筛选模块以及负荷预测模块；该系统通过采集大量数据，并通过云计算平台处理数据，大大提高了数据处理能力和预测精度，并结合对历史数据的分析，实现了对电网电力负荷情况进行准确预测，提高了预测结果的可靠性和稳定性，降低电网运行的风险和成本，为电力用户提供更加可靠和经济的电力服务。

Description

一种基于云计算的电网电力负荷管理预测方法及系统

技术领域

本发明涉及电力系统领域，具体涉及一种基于云计算的电网电力负荷管理预测方法及系统。

背景技术

随着社会经济的发展和科技的进步，电力系统作为国民经济的重要基础设施，其安全稳定运行对于保障社会生产和人民生活具有重要意义。电力负荷管理作为电力系统运行管理的关键环节，其准确性和实时性直接关系到电网的稳定运行和电力资源的合理分配。然而，现有的电力负荷预测方法往往存在数据处理能力有限、预测精度不高的问题，无法满足现代电网的复杂需求，影响了电力调度和资源配置的效率。

因此，亟需一种基于云计算的电网电力负荷管理预测方法及系统，对于提高电网电力负荷预测准确性具有重要意义。

发明内容

为了克服上述的技术问题，本发明的目的在于提供一种基于云计算的电网电力负荷管理预测方法及系统，解决了现有的电力负荷预测方法往往存在数据处理能力有限、预测精度不高的问题，无法满足现代电网的复杂需求，影响了电力调度和资源配置的效率的问题。

本发明的目的可以通过以下技术方案实现：

一种基于云计算的电网电力负荷管理预测系统，包括：

用户数据监测模块，用于获取监测区域的用户监测参数，并将用户监测参数发送至数据分析模块；其中，用户监测参数包括户数值HS、用户值YH；

环境数据监测模块，用于获取监测区域的环境监测参数，并将环境监测参数发送至数据分析模块；其中，环境监测参数包括温差值WC、湿差值SC以及光照值GZ；

数据分析模块，用于根据用户监测参数获得用户监测系数YJ，根据环境监测参数获得环境监测系数HJ，并根据用户监测系数YJ、环境监测系数HJ获得电力负荷值DF，并将电力负荷值DF发送至历史数据筛选模块；

历史数据筛选模块，用于根据电力负荷值DF获得同日负荷值RF、同期负荷值QF，并根据同日负荷值RF、同期负荷值QF获得预测负荷值YF，将预测负荷值YF发送至负荷预测模块；

所述历史数据筛选模块获得预测负荷值YF的具体过程如下：

根据电力负荷值DF获取负荷筛选区间FQ，负荷筛选区间FQ的取值范围为[DF×（1-κ），DF×（1+κ）]，κ为预设的调节因子，κ满足0.01≤κ≤0.39，取κ=0.16；

从历史数据中获取电力负荷值DF∈负荷筛选区间FQ的日期，并将其标记为参考日，获取次日日期，获取与次日日期相同日期的参考日，并将其标记为同日日期，获取所有同日日期的电力负荷值DF的平均值，并将其标记为同日负荷值RF，获取与次日日期相同星期几的参考日，并将其标记为同期日期，获取所有同期日期的电力负荷值DF的平均值，并将其标记为同期负荷值QF；

将同日负荷值RF、同期负荷值QF进行量化处理，提取同日负荷值RF、同期负荷值QF的数值，并将其代入公式中计算，依据公式得到预测负荷值YF，其中，y1、y2分别为设定的同日负荷值RF、同期负荷值QF对应的预设比例系数，y1、y2满足y1+y2=1，0＜y2＜y1＜1，取y1=0.59，y2=0.41；

将预测负荷值YF发送至负荷预测模块；

负荷预测模块，用于将预测负荷值YF在终端设备上进行显示。

作为本发明进一步的方案：所述用户数据监测模块获取户数值HS的具体过程如下：

将需要预测的电网电力供应区域标记为监测区域；

获取监测区域中供电用户总数量，并将其标记为户数值HS。

作为本发明进一步的方案：所述用户数据监测模块获取用户值YH的具体过程如下：

获取监测区域中供电的小区数量、供电的办公楼数量以及供电的工厂数量，并将其分别标记为区数值QS、楼数值LS以及厂数值CS，将区数值QS、楼数值LS以及厂数值CS进行量化处理，提取区数值QS、楼数值LS以及厂数值CS的数值，并将其代入公式中计算，依据公式得到用户值YH，其中，h1、h2以及h3分别为设定的区数值QS、楼数值LS以及厂数值CS对应的预设比例系数，h1、h2以及h3满足h1+h2+h3=1，0＜h1＜h2＜h3＜1，取h1=0.25，h2=0.32，h3=0.43。

作为本发明进一步的方案：所述环境数据监测模块获取温差值WC的具体过程如下：

获取监测区域当日的平均温度，并将其标记为均温值JW，获取均温值JW与预设的标准温度值两者之间的差值，并将其标记为温差值WC。

作为本发明进一步的方案：所述环境数据监测模块获取湿差值SC的具体过程如下：

获取监测区域当日的平均湿度，并将其标记为均湿值JS，获取均湿值JS与预设的标准湿度值两者之间的差值，并将其标记为湿差值SC。

作为本发明进一步的方案：所述环境数据监测模块获取光照值GZ的具体过程如下：

获取监测区域当日的平均光照强度，并将其标记为光照值GZ。

作为本发明进一步的方案：所述数据分析模块获得用户监测系数YJ的具体过程如下：

将户数值HS、用户值YH进行量化处理，提取户数值HS、用户值YH的数值，并将其代入公式中计算，依据公式得到用户监测系数YJ，其中，π为数学常数，ε为预设的误差调节因子，取ε=0.887，α1、α2分别为设定的户数值HS、用户值YH对应的预设权重因子，α1、α2满足α2＞α1＞0.96，取α1=1.32，α2=1.85。

作为本发明进一步的方案：所述数据分析模块获得环境监测系数HJ的具体过程如下：

将温差值WC、湿差值SC以及光照值GZ进行量化处理，提取温差值WC、湿差值SC以及光照值GZ的数值，并将其代入公式中计算，依据公式得到环境监测系数HJ，其中，γ为预设的误差调节因子，取γ=1.18，β1、β2以及β3分别为设定的温差值WC、湿差值SC以及光照值GZ对应的预设权重因子，β1、β2以及β3满足β1＞β2＞β3＞1.35，取β1=2.36，β2=1.97，β3=1.52。

作为本发明进一步的方案：所述数据分析模块获得电力负荷值DF的具体过程如下：

将用户监测系数YJ、环境监测系数HJ进行量化处理，提取用户监测系数YJ、环境监测系数HJ的数值，并将其代入公式中计算，依据公式得到电力负荷值DF，其中，f1、f2分别为设定的用户监测系数YJ、环境监测系数HJ对应的预设比例系数，f1、f2满足f2+f1=1，0＜f2＜f1＜1，取f1=0.61，f2=0.39。

作为本发明进一步的方案：一种基于云计算的电网电力负荷管理预测方法，包括以下步骤：

步骤一：用户数据监测模块获取监测区域的用户监测参数，其中，用户监测参数包括户数值HS、用户值YH，并将用户监测参数发送至数据分析模块；

步骤二：环境数据监测模块获取监测区域的环境监测参数，其中，环境监测参数包括温差值WC、湿差值SC以及光照值GZ，并将环境监测参数发送至数据分析模块；

步骤三：数据分析模块根据用户监测参数获得用户监测系数YJ，根据环境监测参数获得环境监测系数HJ，并根据用户监测系数YJ、环境监测系数HJ获得电力负荷值DF，并将电力负荷值DF发送至历史数据筛选模块；

步骤四：历史数据筛选模块根据电力负荷值DF获得同日负荷值RF、同期负荷值QF，并根据同日负荷值RF、同期负荷值QF获得预测负荷值YF，将预测负荷值YF发送至负荷预测模块；

步骤五：负荷预测模块将预测负荷值YF在终端设备上进行显示。

本发明的有益效果：

本发明的一种基于云计算的电网电力负荷管理预测方法及系统，该系统首先对监测区域中的用户情况进行数据采集和分析，获取用户监测参数，根据用户监测参数获得的用户监测系数能够综合衡量用户情况对电力负荷的影响程度，且用户监测系数越大表示用户情况对电力负荷的影响程度越大，之后对监测区域的环境情况进行数据采集和分析，获取环境监测参数，根据环境监测参数获得的环境监测系数能够综合衡量环境情况对电力负荷的影响程度，且环境监测系数越大表示环境情况对电力负荷的影响程度越大，最终根据二者获得的电力负荷值能够综合衡量监测区域的电力负荷情况，最后根据电力负荷值获得同日负荷值、同期负荷值，根据同日负荷值、同期负荷值获得的预测负荷值能够对电网电力负荷情况进行预测；该系统通过采集大量数据，并通过云计算平台处理数据，大大提高了数据处理能力和预测精度，并结合对历史数据的分析，实现了对电网电力负荷情况进行准确预测，提高了预测结果的可靠性和稳定性，降低电网运行的风险和成本，为电力用户提供更加可靠和经济的电力服务。

附图说明

下面结合附图对本发明作进一步的说明。

图1是本发明中一种基于云计算的电网电力负荷管理预测系统的原理框图；

图2是本发明中一种基于云计算的电网电力负荷管理预测方法的流程图。

具体实施方式

下面将结合本发明实施例，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

实施例1，请参阅图1所示，本实施例为一种基于云计算的电网电力负荷管理预测系统，包括以下模块：用户数据监测模块、环境数据监测模块、数据分析模块、历史数据筛选模块以及负荷预测模块；

其中，所述用户数据监测模块用于获取监测区域的用户监测参数，并将用户监测参数发送至数据分析模块；其中，用户监测参数包括户数值HS、用户值YH；

其中，所述环境数据监测模块用于获取监测区域的环境监测参数，并将环境监测参数发送至数据分析模块；其中，环境监测参数包括温差值WC、湿差值SC以及光照值GZ；

其中，所述数据分析模块用于根据用户监测参数获得用户监测系数YJ，根据环境监测参数获得环境监测系数HJ，并根据用户监测系数YJ、环境监测系数HJ获得电力负荷值DF，并将电力负荷值DF发送至历史数据筛选模块；

其中，所述历史数据筛选模块用于根据电力负荷值DF获得同日负荷值RF、同期负荷值QF，并根据同日负荷值RF、同期负荷值QF获得预测负荷值YF，将预测负荷值YF发送至负荷预测模块；

其中，所述负荷预测模块用于将预测负荷值YF在终端设备上进行显示。

实施例2，请参阅图2所示，本实施例为一种基于云计算的电网电力负荷管理预测方法，包括以下步骤：

步骤一：用户数据监测模块获取监测区域的用户监测参数，其中，用户监测参数包括户数值HS、用户值YH，并将用户监测参数发送至数据分析模块；

步骤二：环境数据监测模块获取监测区域的环境监测参数，其中，环境监测参数包括温差值WC、湿差值SC以及光照值GZ，并将环境监测参数发送至数据分析模块；

步骤三：数据分析模块根据用户监测参数获得用户监测系数YJ，根据环境监测参数获得环境监测系数HJ，并根据用户监测系数YJ、环境监测系数HJ获得电力负荷值DF，并将电力负荷值DF发送至历史数据筛选模块；

步骤四：历史数据筛选模块根据电力负荷值DF获得同日负荷值RF、同期负荷值QF，并根据同日负荷值RF、同期负荷值QF获得预测负荷值YF，将预测负荷值YF发送至负荷预测模块；

步骤五：负荷预测模块将预测负荷值YF在终端设备上进行显示。

实施例3，基于上述任一实施例，本发明实施例3为用户数据监测模块，用户数据监测模块的作用是为了用户监测参数，其中，用户监测参数包括户数值HS、用户值YH，具体过程如下：

用户数据监测模块将需要预测的电网电力供应区域标记为监测区域；

用户数据监测模块获取监测区域中供电用户总数量，并将其标记为户数值HS；

用户数据监测模块获取监测区域中供电的小区数量、供电的办公楼数量以及供电的工厂数量，并将其分别标记为区数值QS、楼数值LS以及厂数值CS，将区数值QS、楼数值LS以及厂数值CS进行量化处理，提取区数值QS、楼数值LS以及厂数值CS的数值，并将其代入公式中计算，依据公式得到用户值YH，其中，h1、h2以及h3分别为设定的区数值QS、楼数值LS以及厂数值CS对应的预设比例系数，h1、h2以及h3满足h1+h2+h3=1，0＜h1＜h2＜h3＜1，取h1=0.25，h2=0.32，h3=0.43；

用户数据监测模块将户数值HS、用户值YH发送至数据分析模块。

实施例4，基于上述任一实施例，本发明实施例4为环境数据监测模块，环境数据监测模块的作用是为了获取环境监测参数，其中，环境监测参数包括温差值WC、湿差值SC以及光照值GZ，具体过程如下：

环境数据监测模块获取监测区域当日的平均温度，并将其标记为均温值JW，获取均温值JW与预设的标准温度值两者之间的差值，并将其标记为温差值WC；

环境数据监测模块获取监测区域当日的平均湿度，并将其标记为均湿值JS，获取均湿值JS与预设的标准湿度值两者之间的差值，并将其标记为湿差值SC；

环境数据监测模块获取监测区域当日的平均光照强度，并将其标记为光照值GZ；

环境数据监测模块将温差值WC、湿差值SC以及光照值GZ发送至数据分析模块。

实施例5，基于上述任一实施例，本发明实施例5为数据分析模块，数据分析模块的作用是为了获得电力负荷值DF，具体过程如下：

数据分析模块将户数值HS、用户值YH进行量化处理，提取户数值HS、用户值YH的数值，并将其代入公式中计算，依据公式得到用户监测系数YJ，其中，π为数学常数，ε为预设的误差调节因子，取ε=0.887，α1、α2分别为设定的户数值HS、用户值YH对应的预设权重因子，α1、α2满足α2＞α1＞0.96，取α1=1.32，α2=1.85；

数据分析模块将温差值WC、湿差值SC以及光照值GZ进行量化处理，提取温差值WC、湿差值SC以及光照值GZ的数值，并将其代入公式中计算，依据公式得到环境监测系数HJ，其中，γ为预设的误差调节因子，取γ=1.18，β1、β2以及β3分别为设定的温差值WC、湿差值SC以及光照值GZ对应的预设权重因子，β1、β2以及β3满足β1＞β2＞β3＞1.35，取β1=2.36，β2=1.97，β3=1.52；

数据分析模块将用户监测系数YJ、环境监测系数HJ进行量化处理，提取用户监测系数YJ、环境监测系数HJ的数值，并将其代入公式中计算，依据公式得到电力负荷值DF，其中，f1、f2分别为设定的用户监测系数YJ、环境监测系数HJ对应的预设比例系数，f1、f2满足f2+f1=1，0＜f2＜f1＜1，取f1=0.61，f2=0.39；

数据分析模块将电力负荷值DF发送至历史数据筛选模块。

实施例6，基于上述任一实施例，本发明实施例6为历史数据筛选模块，历史数据筛选模块的作用是为了获得预测负荷值YF，具体过程如下：

历史数据筛选模块根据电力负荷值DF获取负荷筛选区间FQ，负荷筛选区间FQ的取值范围为[DF×（1-κ），DF×（1+κ）]，κ为预设的调节因子，κ满足0.01≤κ≤0.39，取κ=0.16；

历史数据筛选模块从历史数据中获取电力负荷值DF∈负荷筛选区间FQ的日期，并将其标记为参考日，获取次日日期，获取与次日日期相同日期的参考日，并将其标记为同日日期，获取所有同日日期的电力负荷值DF的平均值，并将其标记为同日负荷值RF，获取与次日日期相同星期几的参考日，并将其标记为同期日期，获取所有同期日期的电力负荷值DF的平均值，并将其标记为同期负荷值QF；

历史数据筛选模块将同日负荷值RF、同期负荷值QF进行量化处理，提取同日负荷值RF、同期负荷值QF的数值，并将其代入公式中计算，依据公式得到预测负荷值YF，其中，y1、y2分别为设定的同日负荷值RF、同期负荷值QF对应的预设比例系数，y1、y2满足y1+y2=1，0＜y2＜y1＜1，取y1=0.59，y2=0.41；

历史数据筛选模块将预测负荷值YF发送至负荷预测模块。

基于实施例1-6，本发明的工作原理如下：

本发明的一种基于云计算的电网电力负荷管理预测方法及系统，通过用户数据监测模块获取监测区域的用户监测参数，其中，用户监测参数包括户数值、用户值，通过环境数据监测模块获取监测区域的环境监测参数，其中，环境监测参数包括温差值、湿差值以及光照值，通过数据分析模块根据用户监测参数获得用户监测系数，根据环境监测参数获得环境监测系数，并根据用户监测系数、环境监测系数获得电力负荷值，通过历史数据筛选模块根据电力负荷值获得同日负荷值、同期负荷值，并根据同日负荷值、同期负荷值获得预测负荷值，通过负荷预测模块将预测负荷值在终端设备上进行显示；该系统首先对监测区域中的用户情况进行数据采集和分析，获取用户监测参数，根据用户监测参数获得的用户监测系数能够综合衡量用户情况对电力负荷的影响程度，且用户监测系数越大表示用户情况对电力负荷的影响程度越大，之后对监测区域的环境情况进行数据采集和分析，获取环境监测参数，根据环境监测参数获得的环境监测系数能够综合衡量环境情况对电力负荷的影响程度，且环境监测系数越大表示环境情况对电力负荷的影响程度越大，最终根据二者获得的电力负荷值能够综合衡量监测区域的电力负荷情况，最后根据电力负荷值获得同日负荷值、同期负荷值，根据同日负荷值、同期负荷值获得的预测负荷值能够对电网电力负荷情况进行预测；该系统通过采集大量数据，并通过云计算平台处理数据，大大提高了数据处理能力和预测精度，并结合对历史数据的分析，实现了对电网电力负荷情况进行准确预测，提高了预测结果的可靠性和稳定性，降低电网运行的风险和成本，为电力用户提供更加可靠和经济的电力服务。

还需要进一步说明的是，上述公式均是去量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式，公式中的预设参数由本领域的技术人员根据实际情况进行设置。

在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

以上内容仅仅是对本发明所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明或者超越本申请所定义的范围，均应属于本发明的保护范围。

Claims (10)

1.一种基于云计算的电网电力负荷管理预测系统，其特征在于，包括：

用户数据监测模块，用于获取监测区域的用户监测参数，并将用户监测参数发送至数据分析模块；其中，用户监测参数包括户数值HS、用户值YH；

环境数据监测模块，用于获取监测区域的环境监测参数，并将环境监测参数发送至数据分析模块；其中，环境监测参数包括温差值WC、湿差值SC以及光照值GZ；

数据分析模块，用于根据用户监测参数获得用户监测系数YJ，根据环境监测参数获得环境监测系数HJ，并根据用户监测系数YJ、环境监测系数HJ获得电力负荷值DF，并将电力负荷值DF发送至历史数据筛选模块；

历史数据筛选模块，用于根据电力负荷值DF获得同日负荷值RF、同期负荷值QF，并根据同日负荷值RF、同期负荷值QF获得预测负荷值YF，将预测负荷值YF发送至负荷预测模块；

所述历史数据筛选模块获得预测负荷值YF的具体过程如下：

根据电力负荷值DF获取负荷筛选区间FQ，负荷筛选区间FQ的取值范围为[DF×（1-κ），DF×（1+κ）]，κ为预设的调节因子；

从历史数据中获取电力负荷值DF∈负荷筛选区间FQ的日期，并将其标记为参考日，获取次日日期，获取与次日日期相同日期的参考日，并将其标记为同日日期，获取所有同日日期的电力负荷值DF的平均值，并将其标记为同日负荷值RF，获取与次日日期相同星期几的参考日，并将其标记为同期日期，获取所有同期日期的电力负荷值DF的平均值，并将其标记为同期负荷值QF；

将同日负荷值RF、同期负荷值QF进行量化处理，依据公式得到预测负荷值YF，其中，y1、y2分别为设定的同日负荷值RF、同期负荷值QF对应的预设比例系数；

将预测负荷值YF发送至负荷预测模块；

负荷预测模块，用于将预测负荷值YF在终端设备上进行显示。

2.根据权利要求1所述的一种基于云计算的电网电力负荷管理预测系统，其特征在于，所述用户数据监测模块获取户数值HS的具体过程如下：

将需要预测的电网电力供应区域标记为监测区域；

获取监测区域中供电用户总数量，并将其标记为户数值HS。

3.根据权利要求1所述的一种基于云计算的电网电力负荷管理预测系统，其特征在于，所述用户数据监测模块获取用户值YH的具体过程如下：

获取监测区域中供电的小区数量、供电的办公楼数量以及供电的工厂数量，并将其分别标记为区数值QS、楼数值LS以及厂数值CS，将区数值QS、楼数值LS以及厂数值CS进行量化处理，依据公式得到用户值YH，其中，h1、h2以及h3分别为设定的区数值QS、楼数值LS以及厂数值CS对应的预设比例系数。

4.根据权利要求1所述的一种基于云计算的电网电力负荷管理预测系统，其特征在于，所述环境数据监测模块获取温差值WC的具体过程如下：

获取监测区域当日的平均温度，并将其标记为均温值JW，获取均温值JW与预设的标准温度值两者之间的差值，并将其标记为温差值WC。

5.根据权利要求1所述的一种基于云计算的电网电力负荷管理预测系统，其特征在于，所述环境数据监测模块获取湿差值SC的具体过程如下：

获取监测区域当日的平均湿度，并将其标记为均湿值JS，获取均湿值JS与预设的标准湿度值两者之间的差值，并将其标记为湿差值SC。

6.根据权利要求1所述的一种基于云计算的电网电力负荷管理预测系统，其特征在于，所述环境数据监测模块获取光照值GZ的具体过程如下：

获取监测区域当日的平均光照强度，并将其标记为光照值GZ。

7.根据权利要求1所述的一种基于云计算的电网电力负荷管理预测系统，其特征在于，所述数据分析模块获得用户监测系数YJ的具体过程如下：

将户数值HS、用户值YH进行量化处理，依据公式得到用户监测系数YJ，其中，π为数学常数，ε为预设的误差调节因子，α1、α2分别为设定的户数值HS、用户值YH对应的预设权重因子。

8.根据权利要求1所述的一种基于云计算的电网电力负荷管理预测系统，其特征在于，所述数据分析模块获得环境监测系数HJ的具体过程如下：

将温差值WC、湿差值SC以及光照值GZ进行量化处理，依据公式得到环境监测系数HJ，其中，γ为预设的误差调节因子，β1、β2以及β3分别为设定的温差值WC、湿差值SC以及光照值GZ对应的预设权重因子。

9.根据权利要求1所述的一种基于云计算的电网电力负荷管理预测系统，其特征在于，所述数据分析模块获得电力负荷值DF的具体过程如下：

将用户监测系数YJ、环境监测系数HJ进行量化处理，依据公式得到电力负荷值DF，其中，f1、f2分别为设定的用户监测系数YJ、环境监测系数HJ对应的预设比例系数。

10.一种基于云计算的电网电力负荷管理预测方法，其特征在于，包括以下步骤：

步骤一：用户数据监测模块获取监测区域的用户监测参数，其中，用户监测参数包括户数值HS、用户值YH，并将用户监测参数发送至数据分析模块；

步骤二：环境数据监测模块获取监测区域的环境监测参数，其中，环境监测参数包括温差值WC、湿差值SC以及光照值GZ，并将环境监测参数发送至数据分析模块；

步骤三：数据分析模块根据用户监测参数获得用户监测系数YJ，根据环境监测参数获得环境监测系数HJ，并根据用户监测系数YJ、环境监测系数HJ获得电力负荷值DF，并将电力负荷值DF发送至历史数据筛选模块；

步骤四：历史数据筛选模块根据电力负荷值DF获得同日负荷值RF、同期负荷值QF，并根据同日负荷值RF、同期负荷值QF获得预测负荷值YF，将预测负荷值YF发送至负荷预测模块；

步骤五：负荷预测模块将预测负荷值YF在终端设备上进行显示。