随着大数据技术的不断发展,采用大数据技术对电力负荷进行预测将是未来研究的一个重要课题。本文基于配网运维管控平台,研究基于大数据分布式计算的负荷预测系统,将用户历史负荷数据,采用大数据、机器学习、数据挖掘等技术构建相应的负荷预测模型,逐一分析用户的用电特性并进行用户负荷预测,最终将用户的负荷预测数据累加得到全网负荷预测结果。结果表明该模型能够较大的提升负荷预测的速度和精度。其主要研究内容如下。1、基于配网运维管控平台硬件基础,提出一种基于分布式计算技术的机器学习、深度学习的用户侧负荷预测算法,既要达到运算速度快,系统稳定可靠,又要达到结果准确率高,算法调试灵活。2、构建基于Hadoop、Spark框架的大数据分布式计算平台,结合负荷预测的使用场景、功能需求、性能要求等分析,设计包含数据吸收、分布式系统、算法模型、组件集成、服务应用的架构体系。3、设计并实现基于深度学习的负荷大数据预测系统,利用Hadoop、Spark等主流的大数据分布式计算技术,基于JAVA、Scala语言等编程开发语言,解决负荷预测的分布式并行计算问题,并提高负荷预测的速度和精度。4、设计并实现基于配网运维管控平台的负荷预测可视化模块,具备便捷的用户交互方式,降低使用者的使用成本和操作复杂度。模块基于B/S结构开发,综合采用Java Script、HTML、CSS等编程语言,支持浏览器多用户并发访问和远程访问。