用电负荷预测对配电网规划、新能源接入、需求响应潜力挖掘等诸多业务起着重要的支撑作用。精准的用电负荷预测有助于深入剖析地区、行业、不同用户的用电特性，提升对应业务的决策能力。

由于新型电力系统运行形态变化愈发快速、储能和充电桩等源荷一体化终端的大量投入等，现有用电负荷预测模型普遍存在稳定性和适应性不足。一是面对持续变化的用电负荷影响因素，模型预测结果难以维持稳定的准确性，需要定期开展模型迭代训练等，以重新识别影响因素，导致训练成本加剧；二是模型在跨地区、跨对象使用时，自适应能力弱，需要投入较多成本开展模型日常运营，且预测结果的准确性难以保障。因此，亟需提升负荷预测模型在复杂影响因素下的灵活性与适应性，保障模型预测结果准确性以及降低模型迭代训练工作量。

方案概述

方案构建以时序预测大模型为基座、小模型分段预测智能修正的“大、小模型融合”预测框架。

应用案例

某省电力公司作为智慧配电网示范区建设单位，其供电范围覆盖了众多不同类型的区域，用电客户群体庞大且用电需求极为复杂多样。以往，该单位主要采用时间序列法和回归分析法等负荷预测方法，主要存在以下问题：时间序列法过于依赖历史数据规律，在当地产业结构变动、新兴产业兴起时，难以察觉其用电模式的关键转变，导致部分结果偏差显著；回归分析法虽考虑部分因素建模，但因无法涵盖全部复杂因素及精确量化因素交互关系，在极端天气或重大节假日等特殊情境下，预测精准度大幅降低。

佰聆数据支撑该公司开展负荷预测项目，配套构建了模型动态评估和联动应用等机制。一是按月、周常态化开展负荷预测工作，生成预测报告和负荷分析报告；二是不定期精算偏差率，剖析根源，并训练大模型进一步优化相关能力，按需开展小模型的迭代优化；三是借助各地市对当地产业布局与企业运营深度认知的优势，结合各地市差异化影响因素分析，将预测准确率纳入考核，激励各地市深挖本地用电负荷影响因素。

截至2024年12月，地区负荷周预测平均绝对百分比误差降至1.3%，月度负荷预测平均绝对百分比误差降至2.4%，为调度、财务、市场等部门的负荷预测应用提供持续可靠、可用的预测数据支撑。