在能源管理過程中，大數(shù)據(jù)技術(shù)有了充分的施展空間，其處理大數(shù)據(jù)量和知識學習等方面的獨特優(yōu)勢十分顯著，為大幅提升能耗預(yù)測模型的使用效率莫定了基礎(chǔ)，從而大幅提高了能耗負荷預(yù)測精度。能源管理過程中進行能耗負荷預(yù)測詳細過程如下：

一、曲線聚類分析

能耗曲線的走勢與日類型、天氣因素等密切相關(guān)。合理的數(shù)據(jù)挖掘技術(shù)--聚類分析能夠?qū)⒛芎囊?guī)律相近的日期歸為一類。采用馬爾科夫鏈、貝葉斯模型等，可以提取復(fù)雜的能耗負荷變化曲線的特征向量，進一步通過K-means等聚類分析算法將零散分布的獨立樣本逐漸歸為趨勢相近的若干類，為能耗負荷預(yù)測提供參考。

二、確立關(guān)鍵影響因素

采用關(guān)聯(lián)分析算法，計算如日最高氣溫、日平均氣溫、平均濕度、日類型（星期幾）等影響因素與能耗的關(guān)聯(lián)度排序，剔除影響因子較低的因素，簡化能耗預(yù)測模型，提高海量數(shù)據(jù)計算效率。

三、建立分類規(guī)則

得到了待預(yù)測日過去一年的歷史能耗曲線的分類結(jié)果和影響能耗的關(guān)鍵因素。通過決策樹算法，找到分類結(jié)果與關(guān)鍵影響因素間的耦合關(guān)系，并以分類規(guī)則的形式表現(xiàn)出來。該步驟的作用是當已知待預(yù)測日能耗的關(guān)鍵影響因素值時，可以根據(jù)不同分類規(guī)則將預(yù)測日對應(yīng)到不同的聚類中，從而該類的結(jié)果就可以作為預(yù)測日的相似日數(shù)據(jù)集來訓練模型。

四、選擇匹配模型。

當?shù)玫筋A(yù)測日的關(guān)鍵因素日特征向量（即關(guān)鍵因素值組成的向量）后，將其輸入建立的決策樹模型中，即可輸出相應(yīng)的分類結(jié)果。

五、訓練預(yù)測模型并預(yù)測。

針對分類結(jié)果，將每類的能耗數(shù)據(jù)及相應(yīng)的關(guān)鍵因素數(shù)據(jù)構(gòu)建訓練樣本。針對每類能耗數(shù)據(jù)的變化規(guī)律和特征，選取匹配的預(yù)測模型來完成對該日能耗的預(yù)測。使用支持向量機算法，采用RBF核函數(shù)，并設(shè)定核函數(shù)參，不敏感系數(shù)和懲罰參數(shù)。根據(jù)得出的待預(yù)測日的分類結(jié)果，選用對應(yīng)的支持向量機模型完成預(yù)測。

能源管理過程中能耗負荷預(yù)測的開展大體可以通過以上五大步驟來實現(xiàn)，大家可以參考一下。